- 1、本文档共39页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
1;(1) 某消息的信息量=获得该消息后不确定性的
消除量。
不确定性?可能性?概率问题
信息量可用概率的某种函数来度量
(2) 不同的消息有信息量的多少的区别,因此 信
息的度量方应满足信息量的可加性。
信息量应该是满足可加性的概率的函数。;离散信源的信息量
离散信源统计特性的描述方法--概率场
设离散信源包含N种可能的不同符号,相应的概
率场可表述为
概率场应满足条件:
;;单符号离散无记忆信源(DMS);单符号离散无记忆信源(DMS);离散无记忆信源及熵;信息的度量;自信息;自信息的4个相关问题;;; 信息量作为概率的函数,具有形式
应满足条件:
(1) 是概率的单调递减函数;
(2)如果 ,则 ;
(3)如果 ,则 ;
(4)如果 ,(独立事件)
则 。 ;14;15;;17;熵的性质; 离散信源的最大熵定理
定理4.2.6 当离散信源X取等概分布时,其熵 取最大值。
即:当信源取等概分布时,具有最大的不确定性。
示例:两个信源符号的情形。
P(x1)=p,P(x2)=1-p
当p=1/2时,H(X)= Hmax
;20; 离散信源的熵(续)
示例(续):若上述离散信源发送独立的符号序列:
201 020 130 213 001 203 210 100 321 010
023 102 002 10 312 032 100 120 210
(1)求总的信息量;(2)利用熵估计总的信息量。
解:(1)
(2) ;联合自信息;条件自信息;例:; 离散信源的联合熵
两随机变量
的概率场
满足条件:; 离散信源的联合熵(续)
两随机变量的联合熵
定义4.2.3 两随机变量
的联合熵
如两随机变量统计独立,有; 两随机变量的联合熵(续)
对于统计独立的两随机变量,不能从其中一个获得有关另外一个的任何信息。;;; 离散信源的条件熵
两随机变量的条件熵
定义4.2.4 两随机变量
的条件熵
一般地有(利用稍后的平均互信息量的非负性)
具有某种相关性的两随机变量,一个随机变???的出现总是
有助于降低另一随机变量的不确定性。 ;例:;;;;; 离散信源及容量
信道模型
信道的输入:
信道的输出:
信道模型(特性)可用其转移概率来描述; 离散信源及容量(续)
信道模型
信道模型(特性)可用其转移概率来描述,一般地有
输出不仅与当前的输入有关,而且与之前的若干个输入值
有关,呈现某种“记忆”效应。
; 离散信源及容量(续)
离散无记忆信道的转移矩阵 输出仅与当前的输入有关
离散无记忆信道的后验概率矩阵 ;
文档评论(0)