用matlab实现使用香农在随机编码中构建的随机码簿，在错误概率为p（0≤p≤0.5）的二元对称信道上做测试，接收端采用联合典型接收机。编写程序仿真随机编码的性能（接收比特的平均错误概率、最大错误概率）关于二元对称信道错误概率p、码率R和典型集参数epsilon、n的关系

以下是MATLAB代码示例，用于实现使用香农在随机编码中构建的随机码簿，在二元对称信道上的性能仿真。其中，使用的是联合典型接收机，并计算接收比特的平均错误概率和最大错误概率。

%定义参数
n = 1000; %码字长度
R = 0.5; %码率
epsilon = 0.1; %典型集参数
p = 0:0.01:0.5; %二元对称信道错误概率

%计算随机码簿的参数
k = round(R * n); %信息位数
m = n - k; %校验位数
A = 2 ^ k; %码本大小
w = round(epsilon * A); %典型符号数

%生成随机码簿
C = randperm(A, w);
C = sort(C);

%计算随机码簿的联合概率分布
p_joint = zeros(w, m+1);
for i = 1:w
    c = de2bi(C(i)-1, k, 'left-msb');
    p_joint(i, :) = [c, mod(c * [eye(k), ones(k, m)], 2)];
end

%计算接收比特的平均错误概率和最大错误概率
P_avg = zeros(length(p), 1);
P_max = zeros(length(p), 1);
for i = 1:length(p)
    %计算二元对称信道的条件概率分布
    P01 = [1-p(i), p(i); p(i), 1-p(i)];
    
    %计算随机码簿的误码率
    P_error = zeros(w, 1);
    for j = 1:w
        error_count = 0;
        for l = 1:n
            received_bit = binornd(1, P01(p_joint(j, l)+1, :));
            if received_bit ~= p_joint(j, l)
                error_count = error_count + 1;
            end
        end
        P_error(j) = error_count / n;
    end
    
    %计算接收比特的平均错误概率
    P_avg(i) = sum(P_error) / w;
    
    %计算接收比特的最大错误概率
    P_max(i) = max(P_error);
end

%画出结果
figure;
plot(p, P_avg, 'r-', p, P_max, 'b--');
xlabel('二元对称信道错误概率p');
ylabel('接收比特的错误概率');
legend('平均错误概率', '最大错误概率');

需要注意的是，上述代码示例中的计算过程仅供参考，实际应用中可能需要考虑更多的因素，例如误差纠正能力、码簿大小等。