信息论与编码胡亚洲.docVIP

  1. 1、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。。
  2. 2、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
  3. 3、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)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
信息论与编码胡亚洲.doc

信息论与编码 实验报告 专业:通信工程 班级:通信三班 学号:120310312 姓名:胡亚洲 实验一 英文文本信息量的计算 一 实验目的 1 通过本实验熟悉Matlab软件编程环境 2 编写M文件实现对英文文本信息量的计算,掌握信源熵的计算方法 二 实验要求 1 了解matlab中M文件的编辑、调试过程 2 编写程序实现英文文本信息量的统计,掌握信源熵及信息量的计算方法 三 实验步骤 ① 查找各个英文字母及空格出现的频率 ② 在Matlab中读取给定的英文文章(该文章为txt格式) ③ 计算英文文章的长度 ④ 统计在该文章中各个字母及空格出现的次数并放入数组N中 ⑤ 计算各个字母和空格的信息量及整篇文章的信息量 ⑥ 计算信源熵 四 给定程序的流程图,以及每条语句的注释 五 自己编写的改进程序,及运行结果记录 wenzhang=textread(english.txt,%c); %读入的英文文章 len=size(wenzhang); length=len(1,1); %文章的长度为length N=zeros(1,52); for i=1:length if double(wenzhang(i,1))96double(wenzhang(i,1))=122 N(1,double(wenzhang(i,1))-96)=N(1,double(wenzhang(i,1)-96))+1; else double(wenzhang(i,1))64double(wenzhang(i,1))=91 N(1,double(wenzhang(i,1))-64)=N(1,double(wenzhang(i,1)-64))+1; end end %统计各字母出现的个数,存入N数组中 p=zeros(1,52); p=N/length; %计算各字母出现的概率 I=zeros(1,52); I=log2(1./p);%计算各字母的信息量 for i=1:52 if p(1,i)==0 I(1,i)=0; end end %出现概率为0的字母的信息量赋值 sumI=sum(I.*N)%计算整篇文章的总的信息量 Ip=I.*p; H=sum(Ip) %计算信源熵 文本内容:huyazhouxinxilunyubianma 运行结果:sumI = 81.7744 H = 3.4073 六实验小结 通过本次实验熟悉了Matlab软件编程环境和一些函数的功能及使用,掌握了信息量、信源熵的计算方法。 实验二 信息熵与图像熵计算 一 实验目的 1 通过本实验复习MATLAB的基本命令,熟悉MATLAB下的基本函数 2 复习信息熵基本定义,能够自学图像熵定义和基本概念 二 实验要求 1 能够写出MATLAB源代码,求信源的信息熵 2 根据图像熵基本知识,设计出MATLAB程序,求出给定图像的图像熵 三 实验步骤 1 求解信息熵过程: ① 输入一个离散信源,并检查该信源是否是完备集。 ② 去除信源中符号分布概率为零的元素。 ③ 根据平均信息量公式,求出离散信源的熵。 2 图像熵计算过程: ① 输入一幅图像,并将其转换成灰度图像。 ② 统计出图像中每个灰度阶象素概率。 ③ 统计出图像中相邻两象素的灰度阶联合分布矩阵。 ④ 根据图像熵和二阶熵公式,计算出一幅图像的熵。 四、实验数据及结果分析: 函数程序 CalEntropy.m % Information Shannon Entropy calculation % jma@hebut.edu.cn, 22/08/2007 % array : Discrete Probabilities Set % H : Output Shannon Entropy function H = CalEntropy(array) % Vector number num = length(array); % Check probabilities

文档评论(0)

xinshengwencai + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:5311233133000002

1亿VIP精品文档

相关文档