ldpcbp解碼代碼

1. LDPC最小和解碼演算法的matlab代碼

你好，很高謹頃賣興為你解答
I=input('I=');
k=0.1.*(I<10)+0.05.*(I>10&I<20)+0.02.*(I>20)
I=25
k
=
0.0200
如有其他問乎派題，可以繼續追問，您的採納是我祥逗前進的動力！

2. LDPC碼的解碼演算法

LDPC碼編碼是在通信系統的發送端進行的，在接收端進行相應的解碼，這樣才能實現編碼的糾錯。LDPC 碼由於其奇偶校驗矩陣的稀疏性，使其存在高效的解碼演算法，其復雜度與碼長成線性關系，克服了分組碼在碼長很大時，所面臨的巨大解碼演算法復雜度問題，使長碼分組的應用成為可能。而且由於校驗矩陣稀疏，使得在長碼時，相距很遠的信息比特參與統一校驗，這使得連續的突發差錯對解碼的影響不大，編碼本身就具有抗突發錯誤的特性。
LDPC碼的解碼演算法種類很多，其中大部分可以被歸結到信息傳遞〔Mesaseg Prpagation，MP)演算法集中。這一類解碼演算法由於具有良好的性能和嚴格的數學結構，使得解碼性能的定量分析成為可能，因此特別受到關注。MP演算法集中的置信傳播(BP)演算法是Gallager提出的一種軟輸入迭代解碼演算法，具有最好的性能。如果我們首先理解並掌握了一些很簡單的硬判決演算法後，對BP演算法的理解會更加容易。同時，通過一些常用的數學手段，我們可以對BP解碼演算法作一些簡化，從而在一定的性能損失內獲得對運算量和存儲量需求的降低。

3. 請問LDPC解碼中的BP和BF演算法有什麼區別，謝謝

BP是belief-propagation，指得是置信傳播法。
BF是Bit-Flipping，指得是比特翻轉法。
兩者的思想都是通過信息傳遞迭代判斷最可能錯誤的點。但BP在計算中使用了先驗概率和後驗概率作為判斷的依據。而BF則是根據傳遞的信息評估某位是1或0的可能性，不同值超過50%則1變0，0變1。
其實，可以把BF看成一種特殊條件下的BP。

4. LDPC的解碼演算法都有哪些 BF,BP 和積演算法

置信傳播（BP）一類中有：概率BP，LLR BP，APP-Based，UMP BP-Based等演算法；
比特翻轉（BF）一類中有：KLF加權比特翻轉，LP加權比特翻擾逗轉，豎李李IMWBF，RRWBF等演算法。余遲

5. LDPC碼的簡介

任何一個(n，k)分組碼，如果其信息元與監督元之間的關系是線性的，即能用一個線性方程來描述的，就稱為線性分組碼。
低密度奇偶校驗碼圖（LDPC碼）本質上是一種線形分組碼，它通過一個生成矩陣G將信息序冊知列映射成發送序列，也就是碼字序列。對於生成矩陣G，完全等效地存在一掘姿握個奇偶校驗矩陣H，所有的碼字序列C構成了H的零空間 (null space)，即。
LDPC模擬系統圖DLPC 碼的奇偶校驗矩陣H是一個稀疏矩陣，相對於行與列的長度，校驗矩陣每行、列中非零元素的數目(我們習慣稱作行重、列重)非常小，這也是LDPC碼之所以稱為低密度碼的原因。由於校驗矩陣H的稀疏性以及判慶構造時所使用的不同規則，使得不同LDPC碼的編碼二分圖(Taner圖)具有不同的閉合環路分布。而二分圖中閉合環路是影響LDPC碼性能的重要因素，它使得LDPC碼在類似可信度傳播(Belief ProPagation)演算法的一類迭代解碼演算法下，表現出完全不同的解碼性能。
當H的行重和列重保持不變或盡可能的保持均勻時，我們稱這樣的LDPC碼為正則LDPC碼，反之如果列、行重變化差異較大時，稱為非正則的LDPc碼。研究結果表明正確設計的非正則LDPC碼的性能要優於正則LDPC。根據校驗矩陣H中的元素是屬於GF(2)還是GF(q)(q=2p)，我們還可以將LDPC碼分為二元域或多元域的LDPC碼。研究表明多元域LDPC碼的性能要比二元域的好。

6. 求助能夠實現LDPC編解碼的c語言程序，急用，謝謝！

我回答你的問題啊！呵呵，你怎麼不給分啊？？納培？？實驗命令：clc;clear all;
N=input('N=');%輸入信源符號的個數
s=0;l=0;H=0;
for i=1:N
fprintf('第%d個',i);
p(i)=input('p=');%輸入信源符號概率分布矢量,p(i)<1
if p(i)<=0
error('不符合概率分布')
end
s=s+p(i)
H=H+(- p(i)*log2(p(i)));%計猛茄陪算信源信息熵
end
if (s<=0.999999||s>=1.000001)
error('不符合概率分布')
end
tic;
for i=1:N-1 %按概率分布大小對信源排序
for j=i+1:N
if p(i)<p(j)
m=p(j);p(j)=p(i);p(i)=m;
end
end
end
x=f1(1,N,p,1);
for i=1:N %計算平均碼長
L(i)=length(find(x(i,:)));
l=l+p(i)*L(i);
end
n=H/l; %計算編碼效枝蠢率
fprintf('按概率降序排列的碼字:\n');
disp(x) %顯示按概率降序排列的碼字
fprintf('平均碼長:\n');
disp(l)% 顯示平均碼長
fprintf('信源信息熵:\n');
disp(H)%顯示信源信息熵
fprintf('編碼效率:\n');
disp(n) %顯示編碼效率
fprintf('計算耗時time= %f\n',toc);
再建立兩個M文件：%函數f1存放於f1.m
function x=f1(i,j,p,r)
global x;
x=char(x);
if(j<=i)
return;
else
q=0;
for t=i:j %對於區間[i,j]自上而下求累加概率值
q=p(t)+q;y(t)=q;
end
for t=i:j%把所有自上而下的累加概率值與該區間總概率值減該累加概率值之差取絕對值存在一數組
v(t)=abs(y(t)-(q-y(t)));
end
for t=i:j
if(v(t)==min(v)) %求該數組中最小的一個值來確定分界點位置
for k=i:t %賦值碼字
x(k,r)='0';
end
for k=(t+1):j
x(k,r)='1';
end
d=t;
f1(i,d,p,r+1); %遞歸調用及相互調用
f2(d+1,j,p,r+1);
f1(d+1,j,p,r+1);
f2(i,d,p,r+1);
else
end
end
end
return;第二個：%函數f2存放於f2.m
function x=f2(i,j,p,r)
global x;
x=char(x);
if(j<=i)
return;
else
q=0;
for t=i:j %對於區間[i,j]自上而下求累加概率值
q=p(t)+q;y(t-i+1)=q;
end
for t=1:j-(i-1)%把所有自上而下的累加概率值與該區間總概率值減該累加概率值之差取絕對值存在一數組
v(t)=abs(y(t)-(q-y(t)));
end
for t=1:j-(i-1)
if(v(t)==min(v)) %求該數組中最小的一個值來確定分界點位置
d=t+i-1;
for k=i:d %賦值碼字
x(k,r)='0';
end
for k=(d+1):j
x(k,r)='1';
end
f2(d+1,j,p,r+1);%遞歸調用及相互調用
f1(i,d,p,r+1);
f2(i,d,p,r+1);
f1(d+1,j,p,r+1);
else
end
end
end
return;