1.算法仿真效果
matlab2022a仿真结果如下（完整代码运行后无水印）：
仿真操作步骤可参考程序配套的操作视频。
2.算法涉及理论知识概要
低密度奇偶校验码（Low-Density Parity-Check Codes，LDPC）是一种具有逼近香农限性能的信道编码技术。在现代通信系统中，LDPC 码因其优异的性能而得到了广泛的应用。BP（Belief Propagation）译码算法是 LDPC 码的一种重要译码方法，它通过在 Tanner 图上进行消息传递来实现译码。
2.1 LDPC 码的基本原理
2.2 BP 译码算法原理
BP 译码算法是一种基于消息传递的迭代译码算法。在每次迭代中，消息在变量节点和校验节点之间进行传递。变量节点向校验节点传递的消息表示该变量节点为 “0” 或 “1” 的概率。校验节点向变量节点传递的消息表示根据与其相连的其他变量节点的消息，该校验节点所对应的校验方程是否满足的概率。具体的消息传递规则如下：
2.3 LDPC参数对译码性能的影响
码长的影响
随着码长的增加，LDPC 码的性能通常会得到提高。这是因为较长的码长可以提供更多的校验信息，从而提高译码的准确性。从数学角度来看，当码长趋于无穷大时，LDPC 码在加性高斯白噪声（AWGN）信道下的性能可以逼近香农限。可以通过分析误码率与码长的关系来验证这一结论。
码率的影响
码率是信息位长度与码长之比，它决定了编码的效率。一般来说，码率越低，编码的冗余度越高，译码性能越好。对于给定的码长和 SNR，不同的码率会导致不同的误码率性能。可以通过调整码率来平衡编码效率和译码性能。
迭代次数的影响
迭代次数是 BP 译码算法中的一个重要参数，它决定了消息传递的次数。一般来说，迭代次数越多，译码性能越好，但同时也会增加译码的复杂度和延迟。在一定的 SNR 范围内，随着迭代次数的增加，误码率会逐渐降低。当迭代次数达到一定值后，误码率的改善会变得不明显。
信道类型的影响
不同的信道类型对 LDPC 码的译码性能有不同的影响。常见的信道类型包括 AWGN 信道、瑞利衰落信道等。在 AWGN 信道下，LDPC 码的性能通常较好，因为噪声是加性的且具有固定的统计特性。在瑞利衰落信道下，信号会经历随机的衰落，这会增加译码的难度。对于不同的信道类型，需要根据其特性来调整 LDPC 码的参数和译码算法，以获得最佳的性能。
3.MATLAB核心程序
for i=1:length(EbN0)
Bit_err(i) = 0;
Num_err = 0;
Numbers = 0; %误码率累加器
while Num_err <= Times(i)
Num_err
fprintf('Eb/N0 = %f\n', EbN0(i));
Trans_data = round(rand(1,N-M)); %产生需要发送的随机数
ldpc_code = mod(Trans_data*G,2); %LDPC编码
Trans_BPSK = 2*ldpc_code-1; %BPSK
%通过高斯信道
sigma = sqrt(1./(2*10^(EbN0(i)/10)*R));
Rec_BPSK = Trans_BPSK + sigma*randn(1,size(G,2));
%LDPC译码
z_hat = func_Dec(Rec_BPSK,sigma,H,max_iter);
x_hat = z_hat(size(G,2)+1-size(G,1):size(G,2));
[nberr,rat] = biterr(x_hat',Trans_data);
Num_err = Num_err+nberr;
Numbers = Numbers+1;
end
Bit_err(i)=Num_err/(N*Numbers);
end
figure;
semilogy(EbN0,Bit_err,'o-r');
xlabel('Eb/N0（dB）');
ylabel('BER');
grid on;
if N == 24
save R_2.mat EbN0 Bit_err
end
if N == 50
save R_1.mat EbN0 Bit_err
end
if N == 102
save R0.mat EbN0 Bit_err
end
if N == 204
save R1.mat EbN0 Bit_err
end
if N == 504
save R2.mat EbN0 Bit_err
end
if N == 1008
save R3.mat EbN0 Bit_err
end
0sj_026m
