信息论课程总结.ppt

信息论课程总结信息论的基本概念与术语信号，消息，数据，知识，情报。信息的定义。（香农信息）信息的主要特征。信息的重要性质。信息的分类。信息技术的基本内容。思考题: 信息是什么？信息的基本特征是什么？信息与信号、消息、数据、知识、情报有那些差别？怎样进行信息分类？信息技术的“四基元”是什么？为什么说数学是信息科学的基础？信息量、熵和不确定度：自信息量、条件自信息量、联合自信息量、互信息量。不确定度。熵、条件熵、联合熵、平均互信息。应用：如何利用它们的性质和相互关系计算各种信源、随机变量和事件的相应信息度量。两个基本定理：最大熵定理。信息不增原理。几种研究对象：离散单符号信源。离散无记忆序列信源。离散有记忆序列信源。（主要是马尔可夫信源）连续信源。需掌握的重点：各种定义、概念的实际含义。各种信息量和熵的计算方法。难点：条件熵、联合熵和平均互信息量的计算。序列熵的计算。马尔可夫信源熵的计算。马尔可夫信源熵的计算方法：根据题意画出状态图，判断是否是齐次遍历的马尔可夫信源。写出状态转移概率矩阵，计算状态稳定后的极限概率分布。根据状态转移概率矩阵和极限概率分布，计算信源的极限熵。信道的信息传输率: 由于在平均意义上,一个符号流经信道的平均信息量为I(X;Y), 所以,信道的信息传输率为: R=I(X;Y)=H(X)-H(X|Y) bit/ 符号若平均传输一个符号的时间为t秒,则信道每秒众平均传输的信息量为: Rt=I(X;Y) /t bit/s 离散无噪信道（一一对应的无噪信道）离散信道容量的一般计算办法；连续信道的信道容量。复习思考题：随机事件的不确定度和它的自信息量之间的关系及区别？单符号离散信源的数学模型，自信息量、条件自信息量、联合自信息量的含义？互信息量的性质？含义？分别从输入端、输出端和系统总体来理解互信息量的含义。各种熵（信源熵，条件熵，联合熵（共熵），等）的含义及其关系。熵的基本性质与定理及其理解？平均互信息量的定义及物理意义？疑义度及噪声熵？平均互信息量的性质及理解？最大离散熵定理。数据处理定理及其含义。信源的种类（详细分类）。离散平稳信源的定义，平均符号熵，极限熵的定义，含义与理解。马尔可夫信源的定义，含义及其极限熵？连续信源的熵的定义？几种特殊连续信源的熵？信道容量的定义与计算办法。例：若你在不知道今天是星期几的情况下，问你的朋友“明天是星期几？”，从答案中能获得多少信息量？如果你在已经知道今天是星期四的情况下，提出同样的问题，能从答案中获得多少信息量？解：设事件A为：不知道今天是星期几的情况下，问“明天是星期几？”的答案。设事件B为：知道今天是星期四的情况下，问“明天是星期几？”的答案。则：P(A)=1/7, P(B)=1 I(A)=log27≈2.807 比特I(B)=log21 ＝0 比特习题1：从统计资料知道，男性中红绿色盲的发病率为7％，女性为0.5 ％，如果你问一个男同志，“你是否是红绿色盲？”他的回答可能是“是”，可能是“否”，问:两个回答各含有多少信息量？平均每个回答含有多少信息量？，如果是女同志，结果又如何？习题2：设有一个信源，它产生0，1序列的消息，它在任何时间而且不论以前发出过什么符号，均按P(0)=0.4,P(1)=0.6 的概率发出符号。（1）试问该信源是否是平稳的？（2）计算* * 管理资源吧（ ），提供海量管理资料免费下载！定义：信道容量C C ＝max I(X ；Y）＝max [ H(X)-H(X/Y)] =max [ H(Y)-H(Y/X)] P(Xi) P(Xi) P(Xi) P(Xi) 信道最大信息传输速率此时，H(X/Y)=0 此时，C = max H(X) = log n 例：二元对称信道BSC （Binary Symmetric Channel ）BSC 的信道容量为：*