LDPC码的matlab编解码仿真程序

#include <iostream>

#include <limits>

#define LNODE 20

using namespace std

#include <malloc.h>

#include <conio.h>

typedef char **HuffmanCode

HuffmanCode HuffmanCoding(int n)

{

int i , f , start , j , count = 1

char *cd

HuffmanCode HC

HC = (HuffmanCode)malloc((n+1)*sizeof(char *))

cd = (char *)malloc(n*sizeof(char))

cd[n-1] = '\0'

for(i = 1 i <= n i++)

{

start = n - 1

for(j = 1 j <= count j++){

cd[--start] = '9'

}

HC[i] = (char *)malloc((n-start)*sizeof(char))

strcpy(HC[i],&cd[start])

count++

}

free(cd)

return(HC)

}//HuffmanCoding

int main()

{

int k

int A[LNODE]

HuffmanCode q

q = HuffmanCoding(LNODE)

for(k = 1 k <= LNODE k++)

cout <<*q[k] <<" "

cout <<"OK"

getch()

return 0

}

QC LDPC码，可以用代数法和随机方法构造。如果是代数方法，这里很难说清楚，需要找Linshu老师那边的文章看看，方法一般都还算简单，但是需要有限域的知识。

随机构造的话，以802.16e为代表的QC LDPC码，大致过程如下

1：先确定基矩阵的大小，基矩阵大的话，存储需要的空间也会大，但是性能会好些。

2：确定度分布，这个和应用场合有关，一般而言，最大变量度分布大的话，瀑布区性能会好些，但是也还是对存储要求更高。而且如果基矩阵不够大的话，度分布大的话，密度会高，这样会使得环分布优化困难 。

3：确定好基矩阵后，就是利用circulant去替换每个“1”元素了，至于如何选择circulant，就是个试探的过程。原则多种多样。

---