LDPC码GDBF与WBF译码算法
在5G基站的信号处理板卡上，总能看到工程师们对着LDPC译码曲线皱眉头的场景。硬判决译码算法
里的比特翻转（Bit Flipping）就像玩扫雷游戏——每次翻转都可能引爆误码率。我们今天要聊的WBF和GDBF
这两种进阶玩法，或许能让这个游戏变得轻松些。
先看经典WBF算法的核心代码片段：
```python
def wbf_decoder(y, H, max_iter):
m, n = H.shape
syndrome = H.dot(y) % 2
reliability = np.zeros(n)
for _ in range(max_iter):
# 计算每个比特的权重
for j in range(n):
reliability[j] = sum([syndrome[i] for i in np.where(H[:,j]==1)[0]])
# 找最大可靠性的错误位
flip_idx = np.argmax(reliability)
y[flip_idx] ^= 1 # 执行翻转
# 更新伴随式
syndrome = H.dot(y) % 2
if np.sum(syndrome) == 0:
break
return y
```
这段代码里有个有趣的现象：伴随式计算像是接力赛跑。每次翻转后，整个校验矩阵都要重新计算
一遍，就像每次修改文档后要全盘扫描病毒。这导致时间复杂度随着码长呈线性增长，处理4096位码长时，
迭代20次就需要8万次模2运算。
这时候GDBF（梯度下降型比特翻转）带着优化方案来了。它在翻转决策时引入了一个能量函数：
```python
def gdbf_step(y, H, alpha=0.5):
E = -np.dot(y, H.sum(axis=0)) # 能量函数
