1.一种基于匹配追踪的LDPC码的硬判决译码方法，其特征在于，包括以下步骤：步骤1：构建伴随式、校验矩阵以及差错图案之间的稀疏约束模型；

步骤2：对接收信号进行硬判决，得到接收码字；

步骤3：将接收信号向量中每个接受信号进行绝对值归一化预处理，得到预处理后接受信号，以此作为可信度值；

步骤4：根据码字向量计算伴随式，并利用伴随式对码字向量进行校验；

步骤5：利用码字、可信度向量和校验矩阵进行迭代译码求解差错图案；

步骤6：根据差错图案,计算译码输出码字,译码结束。

2.根据权利要求1中所述的基于匹配追踪的LDPC码的硬判决译码方法，其特征在于，步骤1中所述构建伴随式、校验矩阵以及差错图案约束模型为：根据线性分组码的基本理论，伴随式s(m×1维列向量)、校验矩阵H(m×n维矩阵)和差错图案E(m×1维列向量)之间满足稀疏约束关系:S＝HE＝e1H1+…+eiHi+…+enHn其中，差错图案E的转置可写成行向量E'＝(e1,…,ei,…en)，ei是其第i个元素，Hi表示检验矩阵H＝(H1,…,Hi,…,Hn)的第i列；

差错图案E大部分元素是0，只有少部分元素是1，即它具有稀疏结构，且由于LDPC码的校验矩阵H具有良好的随机性，满足压缩感知理论的RIP条件，因此，可以借用压缩感知和稀疏信号处理理论来求解差错图案E。

3.根据权利要求1中所述的基于匹配追踪的LDPC码的硬判决译码方法，其特征在于，步骤2中所述接收到的一组信号可以表示为向量的形式：y＝(y1,…,yi,…,yn)；

步骤2中所述接收信号进行硬判决为：

判决规则是

其中， 为接受信号向量y＝(y1,…,yi,…,yn)中第i(i＝1,2,…,n)个信号yi判决得到的信息比特；

步骤2中所述码字为一向量

4.根据权利要求1中所述的基于匹配追踪的LDPC码的硬判决译码方法，其特征在于，步骤3中所述每个接受信号进行绝对值归一化预处理为：δi＝|yi|/max|y|(i＝1,2,…,n)其中，δi为第i个比特 等于0或1的可信度，δi值越小，可信度越低。

5.根据权利要求1中所述的基于匹配追踪的LDPC码的硬判决译码方法，其特征在于，步骤4中所述根据码字向量 计算伴随式s为：其中， 是码字向量 的转置，H是校验矩阵；

步骤4中所述利用伴随式对码字向量进行校验为：当s为全零向量，校验成功，将 作为正确码字向量输出；否则执行步骤5的迭代译码。

6.根据权利要求1中所述的基于匹配追踪的LDPC码的硬判决译码方法，其特征在于，步骤5中所述迭代译码求解差错图案具体过程包括以下步骤：设最大迭代次数为t；

步骤5.1：将残差初始化为伴随式s,记为R0＝S，可信度初始化为δ0＝δ＝(δ1,…,δi,…δn)，错图案E初始化为全零向量；

步骤5.2：在第k(1≤k≤t)轮迭代中，求残差Rk-1与检验矩阵 每一列的汉明距离dk， 为n维行向量，残差Rk-1与Hi的汉明距离 的计算公式为：

其中，符号 表示模2和运算，||·||0表示求向量的0范数，即向量中不为0的元素的个数；

汉明距离用来度量残差和检验矩阵每列之间的匹配程度，汉明距离越小，相似度就越高；

步骤5.3：在第k轮迭代中，从 中选出最小汉明距离 对应的列*

作为匹配的稀疏表征的原子，并记录序号i ；若汉明距离最小的列有多个，即存在对应的列为 则从这组列中选取可信度值 最小的比特 对应的列 并记录序号i*；

步骤5.4：在第k轮迭代中，根据已经选出的列 和上一轮迭代的残差Rk-1，计算残差Rk，计算方法如下步骤5.5：在第k轮迭代中，对选出的序号i*对应的可信度进行更新，其他的可信度不变，更新之后的可信度记为 计算方法为：步骤5.6：判断是否满足迭代终止条件(Rk＝0或迭代次数k≥t)，若满足，则退出迭代循环，否则重复步骤5.2，进行下一轮迭代。

7.根据权利要求1中所述的基于匹配追踪的LDPC码的硬判决译码方法，其特征在于，步骤6中所述求解差错图案为：根据步骤5中迭代选出的列 对应的序号(i*,…,k,…,p)，将差错图案即E中对应位置的元素 置1，而其他元素为0,即转置步骤6中所述译码输出码字向量为：