1.算法仿真效果
matlab2022a仿真结果如下：
2.算法涉及理论知识概要
低密度奇偶校验码(Low-Density Parity-Check Code, LDPC码)是一种高效的前向纠错码，广泛应用于无线通信、数据存储等领域。BP(Belief Propagation)译码算法，又称为消息传递算法，是LDPC码最常用的译码方法之一。它基于概率论中的贝叶斯理论，通过迭代的方式传播信息，逐步修正对每个码字位的估计。
码率对译码性能的影响
高码率（接近1）：高码率LDPC码意味着较少的校验位，校验矩阵稀疏度降低，这可能导致校验约束力度减弱，从而影响错误纠正能力。在BP译码中，信息传递的路径可能减少，导致收敛速度加快，但同时也可能因校验能力不足而难以纠正严重的错误。
低码率：低码率LDPC码含有较多校验位，校验矩阵更稀疏，提供了更强的纠错能力。在BP译码过程中，更多的校验节点参与信息传递，增强了对错误位的定位和修正能力，但这也可能导致迭代次数增加，译码延迟增大。
中等码率：通常情况下，中等码率的LDPC码在纠错能力和译码复杂度之间取得了较好的平衡。对于特定应用场景，选择合适的码率是优化系统性能的关键。
3.MATLAB核心程序 `max_iter = 20;
disp('Start......');
for i=1:length(SNR)
Bit_err(i) = 0;
Num_err = 0;
Numbers = 0; %误码率累加器
while Num_err <= Times(i)
Num_err
......................................................
end
Bit_err(i)=Num_err/(N*Numbers);
end
figure;
semilogy(SNR,Bit_err,'o-r');
xlabel('Eb/N0（dB）');
ylabel('BER');
grid on;
if M==180
save R03.mat SNR Bit_err
end
if M==153
save R04.mat SNR Bit_err
end
if M==128
save R05.mat SNR Bit_err
end
if M==102
save R06.mat SNR Bit_err
end
if M==77
save R07.mat SNR Bit_err
end
if M==51
save R08.mat SNR Bit_err
end
if M==27
save R09.mat SNR Bit_err
end`
