（matlab）对某一序列进行Huffman编码
使用说明：输入序列，然后对此序列进行多元（默认是二元）Huffman编码
@author Boychenney
@version 2011年12年30日
Contents
参数说明
@param Pj_i 转换概率矩阵
@param Pi 初始输入概率分布向量，一定要求是列向量
*@param level 默认为2，即进行二元Huffman编码
@return comp 编码后的码字
*如果要多个输出,则第二个是字典（dict）,第三个输出是信源熵（entropy），第四个是相应的编码信息（str）
function [comp,varargout]=huffEncode(seq,p,level) %默认进行二元Huffman编码 if nargin < 3 level=2; end
%计算比例log2(r) a=log2(level);
%获得长度 len=length(p);
%给符号编号，从1开始到len symbols=1:len;
%调用huffmandict函数生成字典——符号映射成码字 [dict,avg_len]=huffmandict(symbols,p,level);
%计算熵，在这之前需要处理概率为零的值 p(p<1e-6)=1; entropy=-p*log2(p.');
%对序列进行编码：huffmanenco comp=huffmanenco(seq,dict);
%计算其它参数 source_len=length(seq); %输入序列长度 eta = entropy/(avg_len*a); % 理论编码效率：eta=H(x)/(平均码长*log2(r)) codeseq_len=length(comp); %编码后序列的长度 actual_avg_len=codeseq_len/source_len; %实际平均码长=编码后序列长/编码前序列长 actual_eta= entropy/(actual_avg_len*a); %实际编码效率＝H(x)/(实际平均码长*log2(r));
%生成信息 str = sprintf('编码信息：\n 信息源熵：%8.4f bit/符号；输入的序列长度：%d\n 理论平均长度：%8.4f；实际平均长度：%8.4f\n 理论编码效率：%8.4f%%；实际编码效率：%8.4f%% ',... entropy,source_len,avg_len,actual_avg_len,eta*100,actual_eta*100); %决定输出 if nargout>1 varargout{1}=dict; end if nargout>2 varargout{2}=entropy; end if nargout>3 varargout{3}=str; end
【代码示例】 p=[0.2,0.19,0.18,0.17,0.15,0.1,0.01];%信源有7个符号，且概率分布为p
slen=1000;
seq=randsrc(1,slen,[1:7;p]);%生成1000个由1~7组成的随机序列
[comp,dict,entropy,str]=huffEncode(seq,p);%对序列进行huffman编码
disp('－－－待编码信源符号及概率分布－－－');
table=[1:7;p];
disp(table);
disp('－－－－－二元编码－－－＝');
disp(str);%显示二元Huffman编码效果
[comp2,dict2,entropy2,str2]=huffEncode(seq,p,3);
disp('－－－－－三元编码－－－＝');
disp(str2);%显示三元Huffman编码效果
【结果】 －－－待编码信源符号及概率分布－－－ Columns 1 through 6
1.0000 2.0000 3.0000 4.0000 5.0000 6.0000 0.2000 0.1900 0.1800 0.1700 0.1500 0.1000
Column 7
7.0000 0.0100
－－－－－二元编码－－－＝ 编码信息： 信息源熵： 2.6087 bit/符号；输入的序列长度：1000 理论平均长度： 2.7200；实际平均长度： 2.7440 理论编码效率： 95.9075%；实际编码效率： 95.0686% －－－－－三元编码－－－＝ 编码信息： 信息源熵： 2.6087 bit/符号；输入的序列长度：1000 理论平均长度： 1.8000；实际平均长度： 1.7980 理论编码效率： 91.4386%；实际编码效率： 91.5404%
Published with MATLAB® 7.11