通信小白入门好文。极化码鼻祖Arikan亲自书写BP译码基础。

使用：工程在matlab打开，运行main.m，可以得到译码结果的误比特率，使用的是置信传播算法，data文件夹是译码数据，matrix、protoH文件夹是监督矩阵的数据，builH.m是生成监督矩阵的脚本，mexfastdecoder.c是核心置信传播算法源码，getLDPCparameters.m是根据码率、空间流、数据长度等生成的LDPC参数,应用背景是802.11wifi的LDPC译码，码字长度有648、1296、1944等，不喜勿喷，谢谢

供研究学习置信传播算法的学者学习，matlab代码，内含一些例子包括贝叶斯网络、马尔科夫模型、因子图算法等

它是使用置信传播的分层（又名多尺度）卡尔曼滤波器的实现。 模型参数通过期望最大化（EM）算法估计。 在这个实现中，我们考虑了两个不同频率的时间序列。 高频和低频信号之间的消息被组合以改进估计和预测。

在这个项目中，我们实现了三种视差估计算法，它们是简单的块匹配、使用动态规划方法的块匹配和最后使用信念传播算法的立体匹配。

低密度奇偶校验码（LDPC码）译码主要包括基于硬判决和基于软判决的译码。文章对这两种译码方法中的典型算法（BF算法和BP算法）和一种改进的对数域算法（APP-LLR算法）进行了仿真研究；比较并分析了信噪比、码长和迭代次数等参数对译码性能影响。仿真结果表明误码率会随着码长和迭代次数的增加而减小，同时在同等条件下软判决译码算法的误码性能比硬判决优越。

在低密度奇偶校验（LDPC）码的置信传播（BP）解码算法中，基于动态调度策略的算法表现出出色的性能。 在这封信中，我们提出了一种基于可变节点的动态调度解码算法。 对于所提出的算法，基于对数似然比（LLR）值和奇偶校验方程评估变量节点的可靠性。 然后，提出了一种更准确的动态选择策略。 同时，对振荡变量节点进行处理，从而抑制了由振荡引起的错误消息传播的影响。 另外，所提出的算法在一次迭代中更新了与原始BP解码算法相同数量的消息，这与其他一些动态解码算法不同。 仿真结果表明，该算法优于其他算法。

与基于消息迭代的置信传播译码相比,线性规划(linear programming,LP)译码分析有限长LDPC码性能更为有效。然而,传统LP译码算法运算量非常大,不利于系统实现。本文结合LDPC码校验矩阵的特点,去掉传统LP译码中不必要的约束,得到一种低复杂度LP内点译码算法。为了降低译码延时,将LP内点译码算法与置信传播译码算法结合,提出LDPC码混合译码算法。仿真结果表明,混合译码算法的误码性能优于传统LP译码和BP译码算法,而译码延时低于传统LP译码。

一种基于置信传播的稀疏匹配算法研究，应用置信传播算法解决立体匹配等问题

Matlab code for Gaussian Belief Propagation (BP) matlab代码 置信传播算法