outline喷泉码的产生随机线性喷泉码接着，以编码的数据包经过信道传输，发生数据包删除,接收端一直接收数据包，直到接收到N个。在此假定认为接受端已知随机矩阵，且随机矩阵与和相联系,则可以称上图中矩阵可利用的部分为G，并通过G将源文件恢复。随着源文件大小（K）的增加，随机线性喷泉码能够接近香农理论的极限，但随机线性喷泉码的编码和解码的代价都是K的二次方。在K很大时，编解码的复杂度很高。因此希望找到复杂度更小的喷泉码，由此出现了LT（LubyTransform）码。LT码的编码原理LT的译码方法——高斯消元LT译码算法——BP算法度分布函数的设计IdealSoliton分布：IdealSoliton分布是最理想的译码状态，即在每一次解码循环中，至少有一个检验码的度为1。同时当一个检验码处理过后，又有一个新的度为1的检验码出现,因此可以实现译码次数的最优化。为简便起见,不妨取K=100，则可知：度只是决定了编码由几个异或而成，但并没有确定是哪几个异或。实际上对于某一个度，其对应的编码可由源文件中的任意个异或得来。同确定随机度的方法一样，也可以随机的选取。但选择每个的概率是一样的，都是1/K。同样为了精确，把概率区间[0,1]扩大10000倍为[0，10000]，再将[0，10000]均分为个区间.对于某一个度，再调用MATLAB中的RAND函数，在0到10000之间随机产生个数，看这个随机数落在划分的哪些的选取区间，就确定由哪些参与编码。但是在实际应用中，编码度分布的抽样无法精确符合Ideal分布，存在一定的波动误差,从而致使迭代中度为1的节点断层，导致译码失败，因此实际性能并不理想。RobustSoliton分布：改进型RobustSoliton分布有效地结合了Ideal分布的的优点,并加入另外两个调节参数c和;它们的引进将保证在每一次解码循环中度为1的检验码的数目,而不是1个。参量是接收到个确知的数据包后无法解码的概率的极限。c在实际应用中可以作为一个小于1的可调整的常数，以达到优化性能的目的。RobustSoliton分布分为两部分，一部分如下：另一部分即为上面提到的IdealSoliton分布:对两者取归一化可得Robust分布：其中,解码能够成功的概率至少为时，需要接收到已经编码的数据包的数目。Raptor码预编码过程将原始的k个输入符号通过传统的纠删码转化为k1个中间符号，然后将中间符号作为LT码的输入符号来进行二次编码，从而得到Raptor码的编码符号。由于预编码具有一定的纠删能力，放宽了对于LT码的要求，因此整体编译码复杂度有所降低。在实际应用中,Raptor码采用多层校验与编码技术，信源数据到第一层编码校验单元的映射采用扩展汉明码，第一层编码校验单元到第二层的映射采用LDPC码,如下图所示：在Raptor码编码过程中所采用的LT码是一种平均维数较低的LT码。这是由于平均维度较低的LT码能以很高的概率恢复出绝大多数的数据包，剩余未能恢复的数据包所占的比例就能控制在一个较小的范围内，可以利用预编码的纠错能力顺利地将剩余的数据包恢复出来。只要选择了合适的预编码以及LT码选择了合适的度数分布，则Raptor码可以达到以下效果：Raptor码能够从个编码符号的任何子集中以的概率恢复k个输入符号,其编码复杂度为,其中为冗余度。