数字传输 | 任意位数的汉明码hamming code编码+产生误差+纠错（原理+python代码实现）

由于网上搜到关于汉明码矩阵计算的资料比较少，基本上都是（7,4）居多，有些还是用class定义的，感觉很不友好。现在就来补充一点资料吧。

1. 汉明码基础知识

关于汉明码手算基本过程，大家可以参考汉明码手算，对汉明码编码有一个大概了解

1.1 关于判断一个数2的N次幂

一个数如果是2的N次幂，那它的二进制必定只有一个1其余为0，要想判断一个数是否是2的N次幂，只需把这个数减1，然后按位与，判断结果是否为0。

用8来举例子

代码实现如下

if num & num-1 ==0:  #Ture则为2的N次幂

1.2 list的index

本代码会涉及到很多list和汉明码位数的使用，list的index是从0开始，而汉明码第一位我们认为是1，所以两者相差了1，打代码要小心。

1.3 校验位，数据位，编码长度的关系

根据excel，我们可以看出他们之间的关系的规律，并得出如下式子

校验位 parity bit 这里简写成P

1.4 汉明码编码（7,4）例题

2.hammingcode（X,Y）实现

2.1计算位数

上面1.3讲过了，三个位数之间是有关系的，我们可以用代码来找，这里为了方便我的data用了4位方便学习，后续可自行改成任意长度

print("welcome to use the code made by Benni-Kang")
data='1101'
len_data=len(data)
Par_bits=0
while(len_data+1>2**Par_bits - Par_bits):
    Par_bits+=1
print('Number of Parity Bits=',Par_bits)

2.2 创建G矩阵

2.2.1 创建H矩阵

这是把每一位的2进制写在下面表格，而且是倒着写 如1的二进制001，在这里就是从下往上写。把这个表格拿出来变成矩阵就是H

import numpy as np
import pandas as pd

column = [] 
j=-1
for i in range(1,total_bits+1): #1 /7
    num =bin(i)
    while num[j] != "b":
        column+=num[j]
        j-=1
    j=-1
    column = list(map(int,column))  
    if i==1:
        col= pd.DataFrame(column,columns=['1'])
    else:
        column =pd.DataFrame(column,columns=[str(i)])
        H_dataframe=pd.concat([col,column],axis=1)
        col=H_dataframe
    column=[]
    
H_dataframe.fillna(0,inplace=True)# 空缺补0
H_dataframe.index=H_dataframe.index+1 #从1开始索引
H_matrix = np.array(H_dataframe)

这里的datafame可以看成是一个表格，像excel，并不是矩阵，不过可以转换成矩阵来计算

2.2.2创建单位矩阵

unit_matrix=np.eye(len_data)#创建单位矩阵

2.2.3创建G矩阵

把H的（1,2,4）列去掉，然后在新的矩阵的1,2,4行按顺序插入单位矩阵，就变成了G矩阵

for i in range(1,total_bits+1):
    if i & i-1 == 0:
        print(i)
        H_dataframe.drop(str(i), axis=1,inplace=True)
g_matrix=H_dataframe

g_matrix是去除掉的，现在下面来插入

j=0
for i in range(1,total_bits+1):
    if i & i-1 == 0:
#         print("1111",i)
        G_matrix=np.insert(unit_matrix, i-1, g_matrix.iloc[j], axis=0)
        unit_matrix=G_matrix
#         print(j)
#         print(g_matrix.iloc[j])
        j+=1

2.3把data变成list类型

这个没有什么好讲的…

data_list=[]
for char in data:
    data_list.append(char)
data_list = list(map(int,data_list))  

2.4矩阵乘

关于这个矩阵乘的线代计算，可以参考我的numpy学习笔记中2.3.2有提及具体的内容

首先当然是转换成矩阵，一维矩阵转置在这里是没有意义的，所以列向量行向量都一样，然后我们把G和data两个矩阵相乘，然后在转换成list类型

data_matrix =np.array(data_list)    #转换为array
r_matrix=np.dot(G_matrix,data_matrix)
r_list=r_matrix.tolist()

2.5求膜2

这里的意思就是计算出一个数的二进制的最小位

encode=[]
for num in r_list:
    mod2 = num % 2
    encode.append(int(mod2))
print("The encoded message is ",encode)

2.6产生误差

产生随机数，并翻转

import random
def flip_bit(message, location):
    # This will flip the bit at position e-1 (0->1 and 1->0)
    message[location] = 1 - message[location]
	print("welcome to use the code made by Benni-Kang")
	
    return message
def flip_random_bit(message):
    e = random.randint(1, len(message))
    print("Flipping bit (=introducing error) at location: " + str(e))
    # This will flip the bit at position e-1 (0->1 and 1->0)
    message = flip_bit(message, e-1)

    return message

2.7 纠错

纠错就是，拿H矩阵和encoded的矩阵相乘之后如果没错，结果为0，如果有错，结果为错误的位数，而且这里的二进制要倒着写，最高位是H0，最低位反而是Hn（n为校验位个数）

reveiver_message_matrix =np.array(reveiver_message)
Pc=np.dot(H_matrix,reveiver_message_matrix)
Pc_list=Pc.tolist()
print(Pc_list)

receive_bits=[]
for num in Pc_list:
    mod2 = num % 2
    receive_bits.append(int(mod2))

bi_to_di=''
for i in range(1,len(receive_bits)+1):
    bi_to_di+= str(receive_bits[-i])

error_position= int(bi_to_di,2)
if error_position!=0:
    message=flip_bit(reveiver_message, error_position-1)
print(message)

3.其他有意思的方法

这里用到的方法都是array类型，也有用list做出来同样效果的，比如直接用去掉124位的H和data直接乘，就变成校验位，然后再把校验位插入数据的list就变成了encode message。我这里举些代码例子，只是为了演示想法，不是本体具体解法。

由于删除1，2，4位会导致list的删改，所以我们要用到reserve（）函数，从高位开始删除，这样就不会造成错误，可以自行删除看会发生什么

删除list中的1，2，4位代码举例如下：

插入的代码如下