让我解释一下前提。如果您有一个通信系统，并且您以非常好的置信度知道误码率是多少，您是否能够通过简单地翻转比特来利用高误码率的特性？例如，想象一下：
0 1 0 1 0 1 1 1
以包裹的形式发送到卫星，内容如下：
1 0 1 0 1 0 0 1
其中误码率为 0.875。如果我们知道这是错误，我们可以随机选择一个不正确的位，在最坏的情况下，这将导致现在的位错误率为 1（我们假设最后一位是罪魁祸首）：
1 0 1 0 1 0 0 0 <- 位翻转（估计是不正确的那个）
然后，我们完全翻转这些比特以显示我们第一次传输的真实比特。
这种情况听起来好得令人难以置信，那么在现实世界中，是什么阻止我们执行此程序，这在某些场景中是否真的适用？
编辑：非常感谢您的回复，我将尝试回复每一个。
如果您知道错误率为 1 ，则误码率为 1 是完美的，因为您可以简单地反转所有位并获得原始数据。
如果您不知道误码率为 1，因此不对其进行纠正，那是不好的。
作为一个真实世界的例子，PCIe 在其链路训练阶段可以愉快地检测其数据线的极性反转（正负引脚反转）。这会产生约 1 的 BER，它将检测并通过反转数据流进行校正。
大于 0.5 的误码率没有实际意义。最坏的情况是，如果您向接收器发送随机噪声。那么 BER 将为 0.5，因为选择正确位的机会是均等的。BER 为 0 是完美的。BER 超过 0.5 只是 0.5 以下的镜像。正如所指出的，BER 为 1 是完美的，因为接收到的数据只是传输数据的倒数。这相当于互相关 2 个信号。如果信号的极性相同，则相关系数为+1（BER=0）。如果信号的极性反转，则相关系数为-1（BER=1_。如果2个信号不相关，则相关系数（BER=0.5）。因此0.8的BER相当于0.2的BER。
正如 Barry 之前的回答所指出的那样，大于 0.5 的误码率并没有真正的意义。如果 BER 是 1.0，我们不会说“BER 是 1.0”，我们会说“通道反转信号并且 BER 为 0”。
但是，让我深入研究您的示例并展示一个概念性问题：
误码率为 0.875。如果我们知道这是错误，我们可以随机选择一个不正确的位，在最坏的情况下，这将导致现在的位错误率为 1（我们假设最后一位是罪魁祸首）：
1 0 1 0 1 0 0 0 <- 位翻转（估计是不正确的位） 然后，我们完全翻转位以显示我们第一次传输的真实位。
问题在于，如果 BER 为 0.875（或 0.125），这并不意味着每 8 位都被翻转，甚至每 8 位字节中都翻转一位。
可能有 80 位正确传输，然后是 10 个错误。或者传输 80 个字节，每隔一个字节有一个错误，然后是 80 个字节，平均每个字节有 1.5 个错误。分布更有可能比这更一致，但并不总是每个字节一个错误。它将是具有 0 个错误、1 个错误、2 个错误、3 个错误等的字节的混合（尽管对于 0.125 的 BER 和真正随机的错误分布，\$8^8\$中只有 1 个在所有 8 位中都有错误）。
我们可以做的是引入一种编码方案，让我们能够纠正错误。例如，我们可以为需要传达的每 8 位实际信息发送 10 位。额外的 2 位包含冗余信息，如果 10 位“字节”中的任何一位有错误，我们可以纠正错误。设计这些编码方案以允许以最少比例的添加位纠正最大数量的错误所需的数学变得非常复杂，并且是通信理论领域的主要关注点之一。
当 BER = \$10^0\$时，这意味着平均位数，而不是每个位。
如果您有随机数据，BER 将始终为 0.5，并且只有消息错误率可以接近 MER=1。
BER=1 只是一个渐近值。（1.1怎么样？J/K）
因此，将随机位数取反会产生相同的结果。消息错误 =1。
但是，您正在接近理解其他答案忽略的这个概念。
当查看同一系统的不同 BER 曲线但由于不同的影响时，您可能会注意到BER = 1 到 BER = 1% 附近的急剧差异。这取决于，例如，网格编码或 RLL 编码或随机化或鉴别器不对称或数据模式（最坏情况 vs 最佳情况 vs 随机）或影响解/调制方案中固有属性的一些其他眼图。
在“过去，数据由 MFM 编码用于磁存储而没有 RLL 编码，其中时钟边沿之间或同步于时钟边沿的边沿决定了数据值。因此，对于相同的 SNR，数据模式对 BER 有很大的影响。这很容易在某些低 SNR 下以非常少的比特或接近 BER=1e0 进行测量。在这种低 SNR 水平下，时钟恢复的抖动质量在某些设计中也比其他设计显着增加了数据噪声。
因此，对于线性双相或 NRZ 或 RX 或 HDD MFM 调制方案，最坏情况模式始终是“6DB”十六进制或八进制 011 011 011，这将大部分频率变化置于群延迟变化最快的非- 从 1f 到 2f 或 00110011 到 1010101 的理想通道（半位或全位）。还有其他最坏情况的模式。
虽然没有在 BER=1 时完成，但更像 BER=0.1，BER/dB 或 dB/BER 的斜率会随着上述所有变量而变化。因此，鉴别器的不对称很容易显示随机数据和 101010 数据之间的差异，相差几%的相位裕度或比特移位/比特周期的比率。 因此，所有好的通信信道设计都必须对每个数据都有一个相位裕度预算。除高斯噪声外，使通道退化的常数变量。这适用于数据和时钟通道的组合。
当您学习找出任何设计中的弱点时，您通常会通过测量由于某些参数变化而导致的窗口裕度（也称为相位裕度）或 BER 偏移或斜率偏移来做到这一点。
这是我在设计验证或验证测试（以前称为 DVT）期间逆向工程复杂通信通道的优势，以查看每个设计参数的设计裕度是否能够抵抗从环境（气候、机械、电气）到通道介质的每个压力因素衰落或老化或邻道干扰。
因此，当 BER=1 错误时，不一定会错误地反转每个位，但明智的做法是查看由于上述变量导致的 BER = 1 附近 BER 的偏移到 0.1，并检查斜率的变化而不是简单的随机良性条件下的数据。经常对 4 个角环境和电压裕度进行快速测试，而不是简单地测试它是否工作通过/失败，我会测量通信通道窗口裕度，以便查看每个变量损失了多少裕度。