信息论实验信源的二元Huffman编码.docVIP

信源的二元Huffman编码

一.实验目的

任选C语言，C++，或MATLAB等一种方法编写程序，对离散信源进行二元Huffman编码，计算平均码长及编码效率，并通过1~2个运行的结果，验证程序的正确性。

通过实验，掌握r元Huffman编码的方法，学会平均码长与编码效率等常见计算。

二.实验内容

编写程序实现：

输入：信源的分布，；

输出：二元变长码，平均码长，编码效率。

三.实验方案或步骤（程序设计说明）

(1)把信源符号(i=1,2,…,m)出现的概率按由大到小的顺序排列；

(2)对两个概率最小的符号分别标“0”和“1”，然后把这两个概率相加作为一个新的辅助符号的概率；

(3)将这个新的辅助符号与其他符号一起重新按概率大小顺序排列；

(4)跳到第2步，直到出现概率相加为1为止；

(5)用线将符号连接起来，得到一个码树，树的m个端点对应m个信源符号；

(6)从最后一个概率为1的节点开始，沿着码树分别到达每个信源符号，将一路遇到的“0”和“1”顺序排列起来，就是对应端点的信源符号的码字。

四.实验程序（经调试后正确的源程序）

p=input(\n输入信源X的分布,格式[p1p2…pm]：\n);

if(length(find(p0))~=0)

error(数组中概率有负的);%p概率为负拒绝编码

end

if(abs(sum(p)-1)10e-10)

error(概率之和不为1);%概率之和与1差的绝对值大于10的负10次方

end

n=length(p);%数组中元素的个数，循环操作用

q=p;%信源的概率赋给q，以便后面排序、合并用

m=zeros(n-1,n);%定义m为零数组，记录排列顺序（小概率求和后再重新排列，这就存在排序的问题）

fori=1:n-1

[q,k]=sort(q);%k是排列后的顺序，sort(q)是对q进行升序

m(i,:)=[k(1:n-i+1),zeros(1,i-1)];%概率小的相加之后重新排序，排列顺序记录在m矩阵中

q=[q(1)+q(2),q(3:n),1];%最后两个概率小的合并成一个

end

fori=1:n-1

c(i,:)=blanks(n*n);%blanks(n*n)是一个1行n*n列的数组，里面是空的

end

c(n-1,n)=0;%把c这个空数组的(n-1,n)这个位置赋值0

c(n-1,2*n)=1;%把c这个空数组的(n-1,2*n)这个位置赋值1

fori=2:n-1

c(n-i,1:n-1)=c(n-i+1,n*(find(m(n-i+1,:)==1))-(n-2):n*(find(m(n-i+1,:)==1)));

c(n-i,n)=0;

c(n-i,n+1:2*n-1)=c(n-i,1:n-1);

c(n-i,2*n)=1;

forj=1:i-1

c(n-i,(j+1)*n+1:(j+2)*n)=c(n-i+1,n*(find(m(n-i+1,:)==j+1)-1)+1:n*find(m(n-i+1,:)==j+1));

end

end

fori=1:n

h(i,1:n)=c(1,n*(find(m(1,:)==i)-1)+1:find(m(1,:)==i)*n);%h是Huffman编码

ll(i)=length(find(abs(h(i,:))~=32));%ll为各码的码长

end

la=sum(p.*ll);%la是平均码长

H=sum(-p.*log2(p));%H是信息熵

RW=H/la;%RW是编码效率

fori=1:n%显示概率及Huffman编码

fprintf(概率：%g 编码 ：%s\n,p(i),h(i,:))

end

fprintf(平均码长为：%g\n,la)%显示平均码长

fprintf(编码效率为：%g\n,RW)%显示编码效率

%例1：p=[0.2,0.3,0.4,0.06,0.04];

%例2：p=[0.18,0.17,0.01,0.15,0.2,0.19,0.1];

五．程序运行结果（列举2-3个）

输入信源X的分布,格式[p1p2…pm]：

[0.2,0.3,0.4,0.06,0.04]

概率：0.2 编码 ：111

概率：0.3 编码 ：10

概率：0.4 编码 ：0

概率：0.06 编码 ：1101

概率：0.04 编码 ：1100

平均码长为：2

编码效率为：0.971767

输入信源X的分布,格式[p1p2…pm]：

[0.18,0.17,0.01,0.15,0.2,0.19,