LDPC编码大作业

苏睿 2001111334

1. 程序说明

程序源码位于src文件夹中。

utility.py：从文件 Matrix(2016,1008)Block56.mat 读取生成H矩阵

encode.py：编码函数 method_1 对应ppt中的通用方法，method_2 对应特定方法

modulate.py：实现 BPSK调制，awgn信道

decode.py：LLR 计算接受信号的对数似然比，SP 为和积算法，MS 为最小和算法，NMS 为归一化最小和算法，OMS 为偏置最小和算法

simulate.py：仿真文件，search_alpha() 在 $ \frac{E_b}{N_0}=1dB $ 时对每个 $ \alpha $ 的取值调用NMS；search_beta()在$ \frac{E_b}{N_0}=1dB $ 时对每个 $ \beta $ 的取值调用OMS；simulate(method) 函数对译码方法 method 遍历 $\frac{E_b}{N_0}$ 的取值计算结果。每个循环的执行过程如下：

s = np.random.randint(0, 2, (1, K), dtype=np.int)
x = encode.method_2(s, Hp, Hs)

y = modulate.awgn(modulate.BPSK(x), SNR)

y_llr = decode.LLR(y, sigma2).reshape(-1)
x_hat = decode.SP(y_llr, H, MAX_IT)	# SP, MS, NMS, OMS

​ python simulate.py alpha 指令执行search_alpha()

​ python simulate.py beta 指令执行search_beta()

​ python simulate.py SP 指令执行 simulate("SP")

​ python simulate.py MS 指令执行 simulate("MS")

​ python simulate.py NMS 指令执行 simulate("NMS")，其中 $\alpha$ 已被设置为最优值 0.7

​ python simulate.py OMS 指令执行 simulate("OMS")，其中 $\beta$ 已被设置为最优值 0.5

data：以上程序执行得到的结果保存到此文件夹。

plot.py：对 data 文件夹中的结果文件进行绘图。

result.xlsx：实验数据和仿真时间抄写到此表格中。

2. 性能曲线

NMS中 $\alpha$ 的取值：在 $\alpha=0.7$ 时 BER 达到最小

OMS中 $\beta$ 的取值：在 $\beta=0.5$ 时 BER 达到最小

四种译码方法的BER曲线：

四种译码方法的FER曲线：

从性能上看，大体有 SP > OMS > NMS > MS 的趋势，由于仿真时间的限制，在高信噪比时错误帧数超过3就停止仿真，结果不太准确，在2.0处 OMS 超过了 SP 。