简介本资源是一套完整的极化码MATLAB仿真工程面向通信工程专业本科生、研究生及信道编码初学者聚焦极化码核心原理验证与SC/SCL译码算法实现。资源共34个文件以31个MATLAB函数.m为主体涵盖编码pencode.m、信道建模OutputOfChannel.m、SC译码pdecode.m、SCL译码pdecode_LLRs.m、LLR更新updateLLR.m、极化矩阵构造FN_transform.m等关键模块辅以2个说明文本b.txt、Sample_session.txt和1份PDF文档Documentation_Polar_Codes_in_MATLAB_v2.pdf提供理论背景、运行指引与参数配置详解。压缩包仅346KB轻量易部署代码注释详尽支持AWGN信道下BER性能对比与SNR曲线绘制。已有80人学习下载可直接运行复现极化码从构造、传输到译码的全流程深入理解信道极化机制、路径剪枝策略及列表深度对纠错性能的影响。1. 项目概述从理论到实践的极化码仿真如果你正在通信、信息论或者信道编码领域学习或研究那么“极化码”这个名字你一定不陌生。作为5G标准中控制信道的编码方案极化码以其在二进制删除信道下的理论可达性和相对简洁的构造方式吸引了大量研究者的目光。然而理论上的优美往往伴随着工程实现的复杂性尤其是译码算法。很多朋友在初次接触时会被那一堆数学公式和递归结构绕晕感觉无从下手。这正是我当初的困惑。为了彻底搞懂极化码尤其是其核心的译码过程我决定亲手用MATLAB搭建一个完整的极化码仿真平台从最基本的SCSuccessive Cancellation串行抵消译码到更强大的SCLSuccessive Cancellation List串行抵消列表译码。这个过程不仅仅是敲几行代码更是对极化码原理的一次深度“解构”。今天我就把这次仿真实践中的核心思路、关键步骤、踩过的坑以及最终的性能对比毫无保留地分享出来。无论你是想完成课程作业、开展研究还是单纯对信道编码感兴趣这篇内容都能给你提供一个清晰、可复现的实操指南。2. 极化码仿真核心思路拆解在动手写代码之前我们必须把整个仿真项目的逻辑框架想清楚。一个完整的极化码通信链路仿真通常包含以下几个核心模块信源生成、极化码编码、调制、加噪信道模拟、译码以及最后的性能评估如误码率计算。而其中最复杂、也最核心的部分无疑是编码和译码。2.1 为什么选择SC和SCL译码极化码的译码算法有很多从最基本的SC到SCL再到更复杂的CA-SCLCRC-Aided SCL。对于仿真入门和原理理解而言SC和SCL是最佳起点。SC译码是极化码最基础的译码算法。它的思想非常直观利用信道极化后产生的“好信道”和“坏信道”按照比特顺序依次进行判决。当前比特的判决依赖于之前所有已判决比特的结果。这种“串行”的特性使得其复杂度较低与码长N成线性关系但性能也相对一般尤其是在中短码长时无法逼近香农限。SCL译码则是对SC的重大改进。它不再只保留一条译码路径而是同时保留L条L为列表大小可能性最大的路径。在每一个信息比特位置算法会同时考虑该比特为0和1的两种可能将路径扩展为2L条然后只保留其中度量值最好的L条。这样算法有效地探索了更多的可能性极大地降低了因为早期某一位判决错误而导致后续全盘皆错的风险。SCL译码的性能随着列表大小L的增加而显著提升当L足够大时其性能可以接近最大似然译码。在本次仿真中我将同时实现这两种译码器。通过对比它们在不同信噪比下的误码率性能你可以直观地感受到算法改进带来的增益这也是仿真最有价值的部分之一。2.2 仿真流程总览与工具选型整个仿真的数据流可以概括为以下步骤生成随机比特序列作为待发送的信息。极化码编码根据给定的码长N和信息位长度K计算信道可靠性序列选择最可靠的K个位置放置信息比特其余位置填充冻结比特通常为0。然后通过生成矩阵进行编码。BPSK调制将编码后的二进制比特0,1映射为BPSK符号1, -1以适应AWGN信道模型。通过AWGN信道为BPSK符号添加高斯白噪声模拟真实的传输环境。信噪比Eb/N0是我们需要扫描的核心参数。译码接收端收到含噪信号后分别使用SC和SCL译码器进行译码恢复出发送的信息比特序列。误码率统计对比译码输出的信息比特与原始发送的信息比特计算误码率BER和误块率BLER。为什么选择MATLAB对于算法原理验证和快速仿真而言MATLAB几乎是无可替代的工具。其强大的矩阵运算能力、丰富的内置函数如randn生成高斯噪声、qfunc计算Q函数以及便捷的绘图功能可以让我们将精力完全集中在算法逻辑本身而非底层编程细节。虽然最终工程实现可能会用C/C或Python但MATLAB是学习和研究阶段最高效的“试验田”。3. 核心模块详解与MATLAB实现接下来我们深入到每一个核心模块看看代码具体怎么写以及背后有哪些需要注意的细节。3.1 信道极化与可靠度排序构造的核心极化码的构造基础是信道极化。我们需要确定在给定的信道条件下比如目标SNRN个子信道中哪些更可靠从而将信息比特放在这些“好信道”上。最经典的方法是高斯近似法。注意极化码的构造与目标信噪比有关这被称为“依赖信道的构造”。在实际系统中通常会针对一个典型的信噪比如设计SNR进行一次性构造并存储结果。我们的仿真也采用这种方式。高斯近似的核心思想是假设所有比特在译码开始时都服从高斯分布然后通过递归计算每个比特对应的LLR对数似然比的方差。方差越小意味着判决越可靠。递归公式如下对于信道索引 i (从1开始计数) 如果 i 是奇数J^-1(σ) φ(σ) 2 * [J^-1(σ/√2)]^2 如果 i 是偶数J^-1(σ) 2 * J^-1(σ)其中J(·)是BIAWG信道的互信息函数其反函数有近似公式。在MATLAB中我们可以用循环或递归实现这个计算最终得到一个长度为N的可靠性度量值数组。然后对这个数组进行排序选择度量值最大的K个索引位置作为信息位集合A其余N-K个位置作为冻结位集合A^c。function [info_bits_pos] polar_design(N, K, design_snr_db) % N: 码长 % K: 信息位长度 % design_snr_db: 设计信噪比 (dB) design_snr 10^(design_snr_db/10); sigma sqrt(1/(2*design_snr)); % 初始LLR标准差 reliability zeros(1, N); % 为每个信道索引计算可靠度简化版实际需用高斯近似递归 % 这里使用5G标准中常用的序列法作为示例如PW序列 % 实际仿真中建议直接调用成熟的递归函数计算高斯近似值 % 示例使用预计算的可靠性序列对于小N可手动排序大N需程序计算 % 这里为了演示我们用一个简单的递归函数计算Bhattacharyya参数Z(W)的近似 Z calculate_bhattacharyya(N, sigma); [~, sorted_idx] sort(Z, ascend); % Z值越小信道越可靠 info_bits_pos sorted_idx(1:K); % 最可靠的K个位置放信息比特 end function Z calculate_bhattacharyya(N, sigma) % 递归计算Bhattacharyya参数Z(W_N^(i))的近似值 Z zeros(1, N); Z(1) exp(-1/(2*sigma^2)); % 初始值近似公式 for level 1:log2(N) span 2^level; for j 1:span/2 idx1 (j-1)*2 1; idx2 j*2; % 极化变换的近似公式 Z_new1 2*Z(idx1) - Z(idx1)^2; % 近似上界 Z_new2 Z(idx1)^2; % 注意这里需要根据索引的二进制反转位序进行映射 % 这是一个简化示例实际映射关系更复杂 end end end实操心得对于初学者我强烈建议在第一次仿真时直接采用现成的、经过验证的可靠性序列例如3GPP标准中为5G极化码定义的序列针对不同的码长和码率。这可以避免因构造算法实现错误而导致的性能异常让你能更专注于译码算法本身的调试。你可以将这些序列硬编码在代码中或从文件读取。3.2 极化码编码器的实现极化码的编码过程非常简洁本质上是一个矩阵乘法x u * G。其中u是包含信息比特和冻结比特的行向量G是极化码的生成矩阵。生成矩阵G可以通过递归方式构造G_N G_{N/2} ⊗ G_2其中⊗表示克罗内克积G_2 [1, 0; 1, 1]。在MATLAB中我们可以用kron函数轻松实现。function coded_bits polar_encode(info_bits, N, K, info_bits_pos) % info_bits: 长度为K的信息比特向量 % N: 码长 % K: 信息位长度 % info_bits_pos: 信息比特位置索引从1开始 % 1. 构造全零的输入向量u u zeros(1, N); % 2. 在信息位放置信息比特在冻结位放置0冻结比特 u(info_bits_pos) info_bits; % 3. 构造生成矩阵G_N n log2(N); G 1; for i 1:n G kron(G, [1 0; 1 1]); % 递归克罗内克积 end % 4. 编码模二加乘法 % 注意MATLAB中逻辑运算mod(x*y, 2)对于大矩阵较慢 % 更高效的方法是利用生成矩阵的递归结构使用快速编码算法。 % 这里为清晰起见先使用直接矩阵乘法。 coded_bits mod(u * G, 2); % 快速编码递归实现示例 % coded_bits fast_polar_encode(u); end function x fast_polar_encode(u) % 快速极化编码的递归实现 N length(u); if N 1 x u; else u1 u(1:N/2); u2 u(N/21:end); x1 fast_polar_encode(mod(u1 u2, 2)); x2 fast_polar_encode(u2); x [x1, x2]; end end注意事项直接使用生成矩阵G进行矩阵乘法其复杂度是O(N^2)。当码长N较大时如1024计算会非常缓慢。务必使用上面注释中提到的快速编码算法其复杂度为O(N log N)原理是利用生成矩阵的递归结构将编码过程分解为类似FFT的蝶形运算。这是仿真效率的关键点之一。3.3 SC译码器的逐比特判决逻辑SC译码是理解极化码译码思想的基石。它本质上是一个深度为nlog2(N)的二叉树上的消息传递过程。核心是计算每个比特对应的LLR对数似然比然后根据该LLR的符号以及该位置是信息位还是冻结位做出硬判决。LLR的计算公式也遵循递归结构对于最底层的接收信号LLR直接由信道观测值计算LLR 2 * y / sigma^2对于BPSK-AWGN信道。对于上层节点其LLR由下层节点的LLR通过“f函数”和“g函数”组合而成。f函数LLR sign(a)*sign(b) * min(|a|, |b|)。这是一个近似计算用于合并信息。g函数LLR (1-2*u_hat) * a b。其中u_hat是之前已判决的比特的估计值。function decoded_bits sc_decode(y_received, N, K, info_bits_pos, sigma) % y_received: 接收到的实值信号向量BPSK噪声 % sigma: 噪声标准差 % 初始化存储LLR和部分和partial sum的递归结构 LLRs zeros(log2(N)1, N); % 每一层节点的LLR u_hat zeros(1, N); % 判决后的比特 % 第一步计算最底层的信道LLR LLRs(1, :) 2 * y_received / (sigma^2); % 递归调用译码函数 u_hat sc_decode_recursive(1, 1, LLRs, u_hat, N, info_bits_pos); % 从判决结果中提取信息比特 decoded_bits u_hat(info_bits_pos); end function u_hat sc_decode_recursive(llr_layer, node_idx, LLRs, u_hat, N, info_bits_pos) % 这是一个递归函数的框架实际实现需要仔细处理索引和层数 % 核心是先处理左孩子得到部分判决结果再用g函数处理右孩子 % ... % 在叶子节点比特节点进行判决 if 当前节点是叶子节点 bit_pos 对应的比特索引; if bit_pos 属于冻结位集合 u_hat(bit_pos) 0; % 冻结比特固定为0 else % 信息比特根据LLR符号判决 current_llr 从LLRs数组中获取; if current_llr 0 u_hat(bit_pos) 0; else u_hat(bit_pos) 1; end end end % ... end踩坑记录SC译码递归函数中的索引计算非常容易出错特别是将二叉树节点索引映射到比特位置时。一个有效的方法是引入“位反转”操作。极化码的编码和译码通常采用“自然序”输入和“位反转序”在内部运算。确保你的递归函数正确地处理了这种顺序否则译码性能会完全不对。在调试时可以先用一个很小的N比如4或8手动计算每一步的LLR和判决结果与你的程序输出进行对比。3.4 SCL译码器的路径度量与列表管理SCL译码是SC的扩展核心在于维护一个“路径列表”。每条路径都有三个关键属性当前已判决的比特序列u_hat、对应的路径度量值PM、以及用于计算后续LLR所需的部分和状态。路径度量Path Metric, PM是决定路径好坏的关键。其更新规则如下对于冻结比特只有一种选择0。路径度量更新为PM PM (如果LLR符号与判决不符则加上|LLR|否则不变)。实际上更常用的公式是PM_new PM_old log(1exp(-|LLR|))但常用一个简化版只有当判决与LLR的硬判决结果sign(LLR)相反时PM才增加 |LLR|。对于信息比特需要扩展两条路径判0和判1。两条新路径的PM分别更新PM_for_0 PM_old (如果LLR0则0否则|LLR|)PM_for_1 PM_old (如果LLR0则0否则|LLR|)。在每一个信息比特处路径数会先翻倍然后我们只保留PM最小的L条路径。这就是“列表”的含义。function decoded_bits scl_decode(y_received, N, K, info_bits_pos, sigma, list_size) % list_size: 列表大小L % 初始化一个包含单条路径的列表 path_list{1}.u_hat zeros(1, N); % 判决比特序列 path_list{1}.pm 0; % 路径度量 path_list{1}.partial_sums zeros(log2(N), N/2); % 用于计算g函数的部分和这是一个简化表示 for bit_idx 1:N % 1. 对当前列表中的每条路径计算当前bit_idx处的LLR % 这需要根据该路径已有的partial_sums和接收信号y来计算 current_llrs calculate_llr_for_all_paths(path_list, bit_idx, y_received, sigma); % 2. 判断当前比特位置类型 if ismember(bit_idx, info_bits_pos) % 信息比特 - 路径扩展 new_path_list {}; for p 1:length(path_list) llr current_llrs(p); % 扩展两条子路径 path0 clone_path(path_list{p}); path1 clone_path(path_list{p}); % 判决并更新路径度量 path0.u_hat(bit_idx) 0; path0.pm path0.pm (llr 0) * abs(llr); % 简化PM更新 path1.u_hat(bit_idx) 1; path1.pm path1.pm (llr 0) * abs(llr); new_path_list{end1} path0; new_path_list{end1} path1; end % 3. 从扩展后的路径中保留PM最小的list_size条 [~, sorted_idx] sort(cellfun((x) x.pm, new_path_list)); if length(sorted_idx) list_size sorted_idx sorted_idx(1:list_size); end path_list new_path_list(sorted_idx); else % 冻结比特 - 不扩展路径强制判决为0并更新PM for p 1:length(path_list) llr current_llrs(p); path_list{p}.u_hat(bit_idx) 0; % 如果LLR指示应为1即LLR0则这是一个“错误”增加PM path_list{p}.pm path_list{p}.pm (llr 0) * abs(llr); % 更新该路径的部分和状态为后续比特的g函数计算做准备 update_partial_sums(path_list{p}, bit_idx, 0); end end end % 译码结束从存活的L条路径中选择PM最小的一条 [~, best_path_idx] min(cellfun((x) x.pm, path_list)); best_u_hat path_list{best_path_idx}.u_hat; decoded_bits best_u_hat(info_bits_pos); end核心难点与技巧部分和Partial Sum的管理这是SCL译码中最容易出错的部分。每条路径都必须独立维护自己的部分和状态用于计算后续比特的LLR尤其是g函数需要用到之前判决的比特。这部分状态的复制和更新必须非常小心确保路径间的独立性。路径克隆当路径扩展时你需要对原路径进行“深拷贝”复制其u_hat、pm和partial_sums。在MATLAB中对于结构体或细胞数组直接赋值 (path2 path1) 是浅拷贝修改path2会影响path1。必须编写一个clone_path函数来逐一复制内部字段。列表排序的效率在每一个信息比特处都需要对最多2L条路径按PM排序。当L较大如32且码长较长时排序会成为性能瓶颈。可以考虑使用更高效的数据结构如最小堆来管理路径列表但MATLAB中实现较复杂。对于仿真如果L不是特别大直接使用sort函数通常可以接受。4. 完整仿真流程搭建与性能对比有了编码和译码的核心函数我们就可以搭建一个完整的蒙特卡洛仿真循环来评估SC和SCL译码器的性能。4.1 蒙特卡洛仿真循环设计仿真的目标是得到误码率BER和误块率BLER随信噪比Eb/N0变化的曲线。% 仿真参数设置 N 256; % 码长 K 128; % 信息位长度 list_sizes [1, 4, 16]; % 列表大小1对应SC译码 EbN0_dB_vec 0:0.5:3.0; % 信噪比点 max_errors 100; % 每个信噪比点最大统计错误比特数 max_blocks 1e5; % 每个信噪比点最大仿真块数 % 针对设计信噪比构造极化码信息位位置 design_snr_db 2.0; % 设计信噪比通常取0-3dB info_bits_pos polar_design(N, K, design_snr_db); % 初始化结果存储 ber_results zeros(length(list_sizes), length(EbN0_dB_vec)); bler_results zeros(length(list_sizes), length(EbN0_dB_vec)); for idx_snr 1:length(EbN0_dB_vec) EbN0_dB EbN0_dB_vec(idx_snr); % 计算噪声方差 EbN0 10^(EbN0_dB/10); sigma2 1 / (2 * K/N * EbN0); % BPSK符号能量为1码率为K/N sigma sqrt(sigma2); fprintf(仿真 Eb/N0 %.1f dB ...\n, EbN0_dB); for idx_list 1:length(list_sizes) L list_sizes(idx_list); error_bits 0; error_blocks 0; total_bits 0; total_blocks 0; while (error_bits max_errors total_blocks max_blocks) % 1. 生成随机信息比特 info_bits randi([0, 1], 1, K); % 2. 极化码编码 coded_bits polar_encode(info_bits, N, K, info_bits_pos); % 3. BPSK调制 (0 - 1, 1 - -1) modulated 1 - 2 * coded_bits; % 4. 添加高斯白噪声 noise sigma * randn(1, N); received modulated noise; % 5. 译码 if L 1 decoded_info_bits sc_decode(received, N, K, info_bits_pos, sigma); else decoded_info_bits scl_decode(received, N, K, info_bits_pos, sigma, L); end % 6. 统计错误 block_error any(decoded_info_bits ~ info_bits); error_bits error_bits sum(decoded_info_bits ~ info_bits); error_blocks error_blocks block_error; total_bits total_bits K; total_blocks total_blocks 1; end % 计算BER和BLER ber_results(idx_list, idx_snr) error_bits / total_bits; bler_results(idx_list, idx_snr) error_blocks / total_blocks; fprintf( L%d: BER%.4e, BLER%.4e\n, L, ber_results(idx_list, idx_snr), bler_results(idx_list, idx_snr)); end end4.2 结果可视化与分析仿真完成后用MATLAB的绘图功能将结果直观展示出来。figure; semilogy(EbN0_dB_vec, ber_results(1,:), -o, DisplayName, SC (L1)); hold on; for i 2:length(list_sizes) semilogy(EbN0_dB_vec, ber_results(i,:), -s, DisplayName, sprintf(SCL (L%d), list_sizes(i))); end grid on; xlabel(Eb/N0 (dB)); ylabel(Bit Error Rate (BER)); legend(show); title(极化码不同译码算法BER性能对比); figure; semilogy(EbN0_dB_vec, bler_results(1,:), -o, DisplayName, SC (L1)); hold on; for i 2:length(list_sizes) semilogy(EbN0_dB_vec, bler_results(i,:), -s, DisplayName, sprintf(SCL (L%d), list_sizes(i))); end grid on; xlabel(Eb/N0 (dB)); ylabel(Block Error Rate (BLER)); legend(show); title(极化码不同译码算法BLER性能对比);预期结果分析SC译码器L1性能最差曲线在高信噪比区域可能有一个“错误平层”即误码率下降到一定程度后很难再降低。SCL译码器L4, 16性能随L增大而显著提升。L16时其BLER性能通常比SC好几个数量级并且更早地出现“瀑布式”下降。趋势你会清楚地看到通过增加列表大小L用计算复杂度换取性能增益的效果。这对于理解SCL算法的价值至关重要。5. 调试技巧、常见问题与性能优化在实现和运行仿真时你几乎一定会遇到各种问题。下面是我在项目中总结的一些排查经验和优化建议。5.1 调试与验证确保每一步都正确在跑大规模蒙特卡洛仿真之前必须进行充分的单元测试。编码-译码无损测试在无噪声情况下sigma0用SC译码器应该能100%正确译码。这是检验你的编码、LLR计算和判决逻辑是否自洽的第一步。如果失败优先检查比特顺序自然序vs位反转序和部分和计算。小规模手动验证设置N4或8K2或3。关闭随机手动指定一组信息比特打印出编码后的序列、调制后的信号、接收信号可加微量噪声、以及译码过程中每一步的LLR和中间判决。用笔算验证程序输出的每一步是否正确。SCL路径一致性测试在无噪声情况下SCL译码器无论L多大的输出必须与SC译码器完全一致。因为只有一条正确路径所有路径的PM在正确路径上应该是最小的。如果不一致问题很可能出在路径度量PM的更新公式上或者路径克隆时部分和状态没有正确复制。冻结比特测试确保冻结比特位置永远被译码为0。你可以尝试在冻结比特位置发送非0值虽然这不符协议观察译码器是否会“纠正”它。SC译码器应该会强制判0SCL译码器中所有存活路径在该位置也应为0。5.2 常见错误与解决方案问题现象可能原因排查与解决思路BER/BLER曲线异常高甚至接近0.51. 信息位位置info_bits_pos计算错误。2. 生成矩阵G或快速编码算法错误。3. LLR计算符号错误公式用错。1. 检查polar_design函数输出确保选择的确实是可靠性最高的K个位置。可以用已知序列对比。2. 用MATLAB的gf对象或直接模二乘法验证小N如4的编码结果。3. 检查LLR公式对于BPSK接收信号y发送x±1LLR 2*y/sigma^2。确保分母是sigma^2不是sigma。SC译码性能尚可但SCL译码性能反而更差1. 路径度量PM更新公式错误。2. 部分和Partial Sum管理错误导致不同路径间的LLR计算相互污染。3. 路径选择保留PM最小的L条逻辑有bug。1. 重新推导并核对PM更新公式。冻结比特和信息比特的PM更新规则不同。2. 这是最棘手的部分。在clone_path函数中设置断点确保每条路径的partial_sums数组是独立的副本。在更新部分和时只更新当前路径对应的数组。3. 检查排序逻辑确保是从扩展后的所有路径中选最好的L条而不是从原列表中选。仿真速度极慢尤其是大列表L时1. 使用了O(N^2)的编码。2. SCL译码中路径克隆和排序开销大。3. 循环内频繁分配大数组。1.必须使用快速编码算法O(N logN)。2. 对于MATLAB可以尝试将路径列表用结构体数组而非细胞数组存储预分配数组考虑在C中实现核心循环并通过MEX调用高级优化。3. 在仿真循环外预分配noise、received等数组。在高SNR下BER不降反升或波动剧烈蒙特卡洛仿真统计量不足。在高SNR下错误极少发生需要仿真非常多的数据块才能得到稳定的统计值。增加max_blocks或者设置一个更合理的停止准则例如至少统计到10个错误块。对于高SNR点仿真时间会很长这是正常的。你可以先跑完中低SNR的曲线。5.3 进阶优化与扩展方向当你的基础仿真跑通后可以考虑以下方向进行深化CA-SCLCRC-Aided SCL译码这是5G实际使用的方案。在信息比特后附加一个CRC校验码。SCL译码结束后从最终保留的L条路径中选择能通过CRC校验且PM最小的路径作为输出。这能进一步提升性能尤其是在中短码长时。实现起来只需在SCL译码器最后增加一个CRC校验步骤。更高效的SCL实现研究并实现“路径度量剪枝”和“懒惰复制”等技巧减少不必要的路径克隆和排序操作可以大幅提升仿真速度。不同构造方法尝试除了高斯近似法以外的构造方法如密度进化、蒙特卡洛法等比较它们在不同信道条件下的性能差异。与其他码型对比将极化码的仿真结果与LDPC码、Turbo码在相同的码长和码率下进行对比直观感受不同信道编码技术的性能与复杂度权衡。通过这个完整的MATLAB极化码仿真项目你收获的不仅仅是一段能跑出曲线的代码更是对极化码从构造、编码到译码整个链条的深刻理解。从SC到SCL你亲身体验了算法演进如何攻克性能瓶颈。这份从理论推导到代码实现再到调试优化的完整经验是任何教科书都无法替代的。本文还有配套的精品资源点击获取