信息熵PPT.ppt

* * 信息熵 熵 条件熵 联合熵 1.信息熵 2.1.2 信息熵 已知单符号离散无记忆信源的数学模型 定义：各离散消息自信息量的数学期望，即信源的平均信息量。 信源的信息熵；香农熵；无条件熵；熵函数；熵 单位：比特/符号 例:某地二月份天气构成的信源为 由定义，该信源的熵为 总括起来，信源熵有三种物理含义： 信源熵H(X)表示信源输出后，离散消息所提供的平均信息量。 信源熵H(X)表示信源输出前，信源的平均不确定度。 信源熵H(X)反映了变量X的随机性。 1 2 3 例：有三个信源X，Y，Z，其概率空间为 可见 H(X)H(Y)H(Z)，信源符号的概率分布越均匀，则平均信息量越大，信源X比信源Y平均信息量大，Z是确定事件，不含有信息量。 例：有一篇千字文章，假定每个字可从一万个汉字中任选，则共有不同的千字文篇数为N=100001000=104000篇，按等概计算，平均每篇千字文可提供的信息量？ 2.条件熵 思考：求条件熵时为什么要用联合概率加权？ 例:已知X，Y∈{0，1}，XY构成的联合概率为：p(00)=p(11)=1/8，p(01)=p(10)=3/8,计算条件熵H(X/Y)。 3.联合熵 1 2.1.3 信息熵的性质 证明：随机变量X的概率分布满足0≤p(xi)≤1， log2p(xi) ≤0，所以H(X)≥0 因每一项非负，所以必须是每一项为零等号才成立。 此时只有p(xi)=0或p(xi)=1 时上式才成立，而 所以只能有一个p(xi)=1，而其他p(xk)=0(k≠i)。这个信源是一个确知信源，其熵等于零。 非负性 H(X) ≥ 0 其中等号成立的充要条件是当且仅当对某i，p(xi)=1，其余的p(xk)=0(k≠i)。 对称性 2 当变量 p(x1),p(x2),…,p(xn) 的顺序任意互换时，熵函数的值不变，即 信源中包含n个不同离散消息时，信源熵H(X)有 当且仅当X中各个消息出现的概率全相等时，上式取等号。 最大离散熵定理 3 证明：自然对数具有性质 对于单符号离散信源，当信源呈等概率分布时具有最大熵。 确知信源的不确定度为零。 确定性 4 可加性 5 6 香农辅助定理和极值性 对于任意两个消息数相同的信源X和Y，i=1,2,…,n,有 含义：任一概率分布对其他概率分布的自信息量取数学期望，必大于等于本身的熵。 由上式可证明条件熵小于等于等于无条件熵，即H(X/Y)≤H(X) 二进制通信系统用符号“0”和“1”，由于存在失真，传输时会产生误码，用符号表示下列事件： u0：一个“0”发出；u1：一个“1”发出； v0：一个“0”收到；v1：一个“1”收到； 给定下列概率：p(u0)=1/2，p(v0/u0)=3/4，p(v0/u1)=1/2，求 （1）已知发出一个“0”，收到符号后得到的信息量； （2）已知发出的符号，收到符号后得到的信息量； （3）知道发出的和收到的符号能得到的信息量； （4）已知收到的符号，被告知发出的符号能得到的信息量； 作业：2.3 2.4