09计科3班20094042142李凡.docVIP

信源编码-哈夫曼编码 09计科3班 20094042142 李凡 信源编码是一种以提高通信有效性为目的而对信源符号进行的变换；为了减少或消除信源剩余度而进行的信源符号变换。最原始的信源编码就是另外还有ASCII码和电报码都是信源编码。但现代通信应用中常见的信源编码方式有：Huffman编码、算术编码、L-Z编码，这三种都是无损编码，另外还有一些有损的编码方式。信源编码的目标就是使信源减少冗余，更加有效、经济地传输，最常见的应用形式就是压缩。哈夫曼编码哈夫曼压缩是个无损的压缩算法，一般用来压缩文本和程序文件。哈夫曼压缩属于可变代码长度算法一族。意思是个体符号用一个特定长度的位序列替代。因此，在文件中出现频率高的符号，使用短的位序列，而那些很少出现的符号，则用较长的位序列利用进行通信可以大大提高信道利用率，缩短信息传输时间，降低传输成本。但是，这要求在发送端通过一个编码系统对待传数据预先编码，在接收端将传来的数据进行译码。构造哈夫曼树非常简单，将所有的节点放到一个队列中，用一个节点替换两个频率最低的节点，新节点的频率就是这两个节点的频率之和。这样，新节点就是两个被替换节点的父节点了。如此循环，直到队列中只剩一个节点。{ int i,j,m1,m2,x1,x2; float a[10]; for(i=0;i2*n-1;i++) { HFMnode[i].probability=0; HFMnode[i].parent=-1; HFMnode[i].lchild=-1; HFMnode[i].rchild=-1; } for(i=0;in;i++) { couta[i]的概率=; cinHFMnode[i].probability; float Ia,Hp; Ia=-log10(a[i])/log10(2); Hp=a[i]*Ia; } for(i=0;in-1;i++) { m1=m2=maxvalue; x1=x2=0; for(j=0;jn+i;j++) { if(HFMnode[j].probabilitym1HFMnode[j].parent==-1) { m2=m1;x2=x1;m1=HFMnode[j].probability;x1=j; } else if(HFMnode[j].probabilitym2HFMnode[j].parent==-1) { m2=HFMnode[j].probability;x2=j; } } HFMnode[x1].parent=n+i; HFMnode[x2].parent=n+i; HFMnode[n+i].probability=HFMnode[x1].probability+HFMnode[x2].probability; HFMnode[n+i].lchild=x1; HFMnode[n+i].rchild=x2; } } 然后编写void main()函数 ，在这里我省略代码，其主要功能是对的码符号序列为、 编码效率、信源的符号数尽兴统计然后输出。以便于直观的显示实验结果。 实验部分结果： ------------------------ 信源符号数：5 a0的概率=0.2 a1的概率=0.3 a2的概率=0.3 a3的概率=0.1 a4的概率=0.1 编码效率：y=-1#INF ------------------------ 试验总结：哈夫曼的具体实现，在理解上或是实现上，都不是很困难，程序上实现哈夫曼的编码与译码，由于哈夫曼自身的特点，编码与译码均不是唯一，但是相同的编译码规则还是能实现正确的译码的。总的来说，通过本次实验，对哈夫曼的编译码有了一个更好的认识。通过本次试验，对书上的理论知识有了进一步的认识，但是由于对编程软件的知识欠缺，导致有很多地方还是搞不懂，只能向同学学习，讨论。当然最终还是有一定的欠缺。 对于哈夫曼编码的认识，是在以前的数据结构课程中就接触到的，但是当时只是知道哈夫曼树的编码而已。仅限于表面上的只是，并未曾想过用程序来实现它。所以对于此次试验并未有太大的帮助。学到了很多东西，相信对以后的学习会更有帮助的。