详解CRC校验码生成多项式的最高位和最低位为什么必须是1

0. 前言

CRC（Cyclic Redundancy Check，循环冗余校验），是一种数字编码技术，广泛应用于数字通信的传输差错检测，或数字存储的数据完整性检测，最早由W. Wesley Peterson于1961年发表的论文《Cyclic Codes for Error Detection》中提出。

众所周知，CRC校验码需要预先确定一个生成多项式，且该多项式有一个最低要求（条件）：最高位和最低位必须是1。Peterson教授的论文和所有的《信息论与编码理论》教材都对此条件有详细解释及证明。

笔者之前在一篇以Peterson教授的论文之理解性翻译的博文中，也直接以结论的方式列出。后来参阅网友文章过程中，时不时会看到一些不是那么完美的解释，也时不时的看到网友在博文评论区询问为什么？有感而作此文。当然，如果你对为什么不感兴趣，那这就是一个规定（或定义）。

文中公式较多，若显示不正常，请刷新重试。

1. CRC校验码咋个都不能简化的原理

要回答或真正理解此问题的答案，是绕不开CRC校验的基本数学原理的，所以，这段内容必须有。

CRC校验的编码是一种线性分组码的编码方法，将待编码的 \(k\) 位二进制序列 \(D[d_{k-1},...,d_{0}]\) 看作 \(GF(2)\) 域多项式 \(D(x)\) 的系数，将 \(D(x)\) 乘以 \(x^r\)（对二进制序列而言，即左移 \(r\) 位并右侧补0）后得到一个新的多项式 \(x^rD(x)\)，将其除以一个预先选定的 \(r\) 次生成多项式 \(G(x)\)，将得到一个次数小于 \(r\)  的余式 \(S(x)\)，求余过程中得到的次数 \(\leq k-1\) 的商式  \(Q(x)\) 未使用。此过程的数学描述为：

\[ x^{r}D(x)=Q(x)G(x)+S(x) \]

求出余式 \(S(x)\) 后，将其系数对应的 \(r\) 位二进制序列 \(S[s_{r-1},...,s_{0}]\) 附加于原信息位之后，即获得编码完成的 \( n = k + r \) 位待发送码字 \(M[d_{k-1},...,d_{0},s_{r-1},...,s_{0}]\)，这一过程的数学描述为：

\[ M(x)=x^{r}D(x)+S(x) \]

对于 \(GF(2)\) 域的多项式，其系数的加、减定义为模二加、减，依模二算术的定义，模二减和模二加是相同的操作，故上式可写为：

\[ M(x)=x^{r}D(x)-S(x)=Q(x)G(x) \]

可以看到，CRC校验编码完成的码字有两个显著特点：

• 信息位原样不变的出现在编码后码字的高 \(k\) 位，意味着接收端不需要任何的信息恢复译码电路；

• \(2^k\) 个许用码字，其码多项式 \(M(x)\) 都是生成多项式 \(G(x)\) 的倍式，自然可以被相同的 \(G(x)\) 整除（余式为0）。接收方可以此方法判断收到的消息是否出错：整除（余数为0）认为无错；余数不为0认为有错。当然，也有设计是在接收方只对信息位进行相同的校验码计算，并与收到的校验位比较是否一致来判断是否出错。

2. CRC校验码生成多项式的最高位和最低位为什么必须是1

2.1 生成多项式的最高位为什么必须是1？

答案就在问题中！这是多项式的定义。考虑到CRC校验中的多项式是在有限域定义的，引用文献2的截图：

看到了吗，就是“叫作”、“规定”。多项式最高的（系数）非零项的幂次，叫作它的次数。这与我们中学所学的多项式阶次的定义是一样的。在一个多项式的非零最高次项的前面，无论我们再写多少幂次更高但系数为零的项，都不影响该多项式参与运算的结果，而这样写下去，有无穷多个运算性质相同的多项式，只会造成沟通不畅，于是，人们就给多项式规定了一个次数。

因为CRC校验生成多项式的系数是\( GF(2) \)有限域的，只有0和1两个取值可能，最高次系数不允许是0（否则多项式的次数变了，是另一个多项式了），那就只能是1了！谜底就在谜面！

2.2 生成多项式的最低位为什么必须是1？

这个需要再看看前文关于CRC编码的原理：依据CRC的编码原理编码所得的码字\( M(x) \)，一定是其生成多项式\( G(x) \)的倍式！

同时，我们还需要澄清一个概念，通常人们（包括本文）说CRC生成多项式最低位时特指多项式的常数（或零次）项。

那我们假设最低位、甚至最低几位都为零，看看编码出来的码字有什么现象？比如最低\( a \)位为0，则\( G(x)= x^aG'(x) \)，其中\( G'(x) \)是一个最低位为1的多项式。用\( G(x) \)生成的CRC校验码的码字将满足：

\[M(x)=Q(x)G(x)=x^a Q(x)G'(x) = \color{red}{ x^a M'(x) } \]

上式的数学意义是：用\( G'(x) \)对原信息码编码得到\( M'(x) \)，然后把\( M'(x) \)左移\( a \)位，右侧补\( a \)个0！

如果我们选定的CRC校验码生成多项式的最低位有几个0，那么我们编码出来的码字，最低位就始终有固定的几个0，而这几个固定的0不传输任何有用信息，也不能进行差错检测，唯一的作用就是浪费我们几位传输位时或存储空间！（备注：Peterson教授论文\( ^{[1]} \)中即如此解释。）

CRC校验生成多项式：首一（是定义）、尾一（是避免浪费）！当然，实际还隐含一个要求，首尾不同位，就是你不能用常数1（\( x^0 \)）或者\( x^i \)作为生成多项式，非要用的结果就是没有余数，没有校验码，输入啥子信息就发啥子信息出去，没附加任何校验位（或者愣补几个常数0）。

以CRC-8/MAXIM的生成多项式\( G(x) = x^8 + x^5 + x^4 + 1 \)为例，如果我们将其“首一尾一”改成0，然后还是规定我们这个是CRC-8，那么我们提供的生成多项式 是：

\[ G'(x) = 0 \cdot  x^8 + x^5 + x^4 + 0, POL=0b000110000 \]

我们用这个\( (x^5 + x^4)=x^4(x+1) \)的多项式，按照CRC校验的编码方法，能正确实现编码，只不过我们最后用8位校验码，得到的是CRC-1（单比特偶校验码）的性能，余式可写为：

\[S(x)=0\cdot x^7 + 0\cdot x^6 + 0\cdot x^5 + s_4 \cdot x^4 + 0\cdot x^3 + 0\cdot x^2 + 0\cdot x^1 + 0\cdot x^0\]

我们虽然规定校验位是8位的，但实际只有比特4这一位是有效的。无论待校验数据怎么变化，其余的7个比特保持0不变，是无效的校验比特！为获得更直观的感受，我们给定一个待校验数据0b1101，用去掉了“首一尾一”约束条件的多项式POL = 0b000110000，硬性规定为8个校验位，基于长除法实现发送端编码和接收端检错译码的结果如下图：

可以看到，我们能实现正确的编解码计算，校验码仅比特4的值为1，是待校验数据0b1101的偶校验。待校验数据中1的个数为偶数时，按分析，获得的校验码为全0。待校验数据0b1001、0b1010的计算过程和结果如下图（其它数据，请读者自行验算）：

违背CRC校验码生成多项式“首一尾一”的约束条件，会导致有效校验位数减小，进一步可能导致实际的差错检测性能下降：

• CRC-8/MAXIM去掉“首一”的约束，性能退化为CRC-5（\( G(x)=x^5 + x^4 +1 \)），硬规定校验位长度为8，则高3位保持0不变（无效）；
• CRC-8/MAXIM去掉“尾一”的约束，性能退化为CRC-4/ITU（\( G(x)=x^4 + x +1 \)），硬规定校验位长度为8，则低4位保持0不变（无效）。

2.3 CRC校验码与循环码的关系

循环码属于线性分组码，循环码有着看似随意但事实上严格的定义\( ^{[3][4]} \)：

若\( (n,k) \)线性分组码中任意码字为\( C=(c_{n-1},c_{n-2},\cdots ,c_{1},c_{0}) \)，将码字\( C \)中的码元向右或向左移动一位后得到码字\( C=(c_{0},c_{n-1},c_{n-2},\cdots ,c_{1}) \)或\( C=(c_{n-2},\cdots ,c_{1},c_{0},c_{n-1}) \)仍是\( (n,k) \)的一个码字，则称此\( (n,k) \)码为循环码。

依循环码的定义可知，它的一个码字的任意多次循环移位仍是它的码字。

一个\( (n,k) \)循环码可由一个\( (n-k) \)次，常数项不为0的生成多项式\( G(x) \)构造，而且\( G(x) \)还必须是\( (x^n - 1) \)的因式。因为\( (x^n - 1) \)并不一定具有\( (n-k) \)次的因式，所以，我们并不能构造\( n \) 、\( k \)任意取值的循环码，事实上\( ^{[3]} \)，大多数的\( (n,k) \)线性分组码并不是循环码。

我们要正向设计一个\( (n,k) \)循环码的方法就是：

1. （查表或利用工具软件）对\( (x^n - 1) \)因式分解，选取次数为\( (n-k) \)的因式作为生成多项式\( G(x) \)，若找不到，我们就只有增加码长\( n \)（或者说增加校验位长度\( r \)，通常来说，信息位长度\( k \)是不允许减小的），直到找到满足要求的\( G(x) \)；

2. 与CRC校验码相同的编码方法实现\( 2^k \)个码字的编码。

从循环码定义及构造的角度来看，生成多项式“首一尾一”是构造循环码的必要条件！（证明过程请参考《信息论与编码理论》教材）

仔细思考循环码定义和生成多项式之间的关系，不难发现，严格意义的循环码不但数量不多，尤其值得注意的是，生成多项式一选定，则码字长度\( n \)（也即信息位长度\( k \)）不能变化。

我们实际应用中大多数通讯协议的信息位长度\( k \)都会在一个相当大的范围内变化，而生成多项式\( G(x) \)保持不变，所以，我们实际用到或实现的CRC校验码大都不是严格意义的循环码。当然，除了搞起耍的，正规通讯协议的\( G(x) \)都确保了“首一尾一”的最低原则，一般还会以协议允许的最大信息位长度，采用蒙特卡洛仿真或重量枚举的方法，参考目标信道典型误比特率，完成对选用\( G(x) \)的漏检概率分析。

3. 总结

本文从编码效率、实际检错性能、循环码原理等三个方面研究了CRC校验码生成多项式的约束条件，可总结为一句话：“首一尾一，且首尾不同位”。或者：“次数大于等于1，且常数项为1”。

生成多项式“首一尾一”的条件与严格意义的循环码之间有着定义级别的数学约束关系，意味着约束条件的违背会导致生成的码字在循环码定义层面的失效。

CRC校验码是循环码在工程中的具象应用，实施（实现）过程中通常因码字长度的灵活性而在事实上违背循环码的严格定义，因此本文讨论生成多项式“首一尾一”约束条件对CRC校验码实现时的影响主要从两个方面切入：

• 违背约束条件不会导致CRC编码和检错译码的计算方法失效；
• 违背约束条件会导致有效校验位数减少，导致编码效率降低，进一步大概率会降低检错性能。

备注：

1. 未特别说明的情况下，本文描述的编码特指二进制编码；
2. 笔者阅读的多本《信息论与编码理论》教材中，有两本以“对码组中的码字循环移动多位（i）所得的码字仍是码组中码字”这一特性来定义循环码。但这两本教材后续讲解循环码的构造，或循环码与生成多项式间的关系时，仍然是\( (x^n - 1) \)的一个\( (n - k) \)次且常数项为1的因式是\( (n,k) \)循环码的生成多项式\( G(x) \)，而满足此条件的\( G(x) \)与“码组中的码字循环一位所得码字仍是码组中码字”这一循环特性一一对应，即二者互为充要条件。满足“循环一位所得码字仍是有效码字”的循环码，可简单递推得到“循环移位多位（i）仍为有效码字”的一般特性。因此，笔者建议读者将“一位循环移位的特性”作为循环码的严格定义，“多位循环移位特性”作为定义的推论而不是定义本身。
3. 至于多本《计算机组成原理》教材将“CRC校验码的余数循环现象”作为循环码的定义，笔者建议按照《信息论与编码理论》教材的定义来理解循环码。毕竟：《计算机组成原理》仅将CRC校验码作为一个应用手段的小知识点，而循环码可是作为《信息论与编码理论》的一个重点理论研究来讨论。更重要的是，世界公认的CRC校验码的发明（提出）者W. Wesley Peterson教授在其论文《Cyclic Codes for Error Detection》中，明确阐明了和《信息论与编码理论》教材中一致的循环码定义。

4. 参考

1. W. W. Peterson and D. T. Brown, "Cyclic Codes for Error Detection," in Proceedings of the IRE, vol. 49, no. 1, pp. 228-235, Jan. 1961.
2. 冯克勤. 纠错码的代数理论[M]. 北京: 清华大学出版社, 2005.
3. Robert J.McEliece. 信息论与编码理论[M]. 第2版. 北京:电子工业出版社, 2004.
4. 傅祖芸. 信息论—基础理论与应用[M]. 第4版. 北京: 电子工业出版社, 2015.