欢迎来到天天文库
浏览记录
ID:36838947
大小:308.60 KB
页数:42页
时间:2019-05-10
《《信源和信息熵》PPT课件》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库。
1、第二章信源和信息熵2.1信源的数学模型及分类2.2离散信源的信息熵2.3离散平稳信源的熵2.4连续信源的熵2.1信源的数学模型及分类通信系统模型及信息传输模型:一、离散无记忆信源例:扔一颗质地均匀的正方体骰子,研究其下落后,朝上一面的点数。每次试验结果必然是1点、2点、3点、4点、5点、6点中的某一个面朝上。每次试验只随机出现其中一种消息,不可能出现这个集合以外的消息,考察此事件信源的数学模型。解:数学模型为:且满足:离散信源:信源输出是单一符号的消息,其符号集的取值是有限的或可数的。无记忆:不同的信源输出消息之间相互独立。一维离散信源数学模型就是离散型的概率空间:且满足:连续信源:
2、信源输出数据取值是连续的,但又是随机的,即可能出现的消息数是不可数的无限值。数学模型是连续型的概率空间:且满足:X的概率密度函数实数集(-∞,+∞)随机矢量:信源输出的消息是按一定概率选取的符号序列。用N维随机矢量X描述:X=(x1,x2,‥‥xN)其中:N维随机矢量X也称为随机序列(过程)。平稳随机序列:序列的统计性质与时间的推移无关。二、信源分类(1)根据随机序列X中每个随机变量xi的取值不同:离散平稳信源:如语言文字、离散化平面图像连续平稳信源:如语音信号、热噪声信号等(2)信源发出的符号间彼此是否独立:无记忆信源:随机矢量的各分量相互独立有记忆信源:随机矢量的各分量不相互独立
3、表述有记忆信源比无记忆信源困难的多,实际中,信源发出的符号往往只与前若干符号的依赖关系强,与更前面的符号依赖关系弱,这类信源可用马尔可夫信源表示。不同统计特性的信源可用随机变量、随机矢量以及随机过程描述其输出的消息。2.2离散信源的信息熵一、信息量和熵信息的度量应符合实际情况:出现概率小的随机事件,不确定性大,信息量大;出现概率大的随机事件,不确定性小,信息量小;概率为1的确定事件,信息量为0。香农定义的自信息量I(x):任意随机事件出现概率的对数的负值表示自信息量。设随机事件xi的出现概率为pi,则自信息为:I(xi)=-logpi=log(1/pi)例:一个输出两种消息的离散无记
4、忆信源,计算消息x1、x2的自信息量,其概率空间为:解:I(x1)=-log0.99=0.014比特I(x2)=-log0.01=6.644比特自信息的两种含义:信源输出消息x1之前,自信息I(x1)是关于x1发生地不确定性的度量;而在信源输出消息x1后,自信息I(x1)表示x1所含有的信息量。注意:信息单位比特(表示以2为底的对数)与计算机术语中的比特(表示二进制数的位)的意义是不同的。收到某消息获得的信息量=收到此消息前关于某事件发生的不确定性-收到此消息后关于某事件发生的不确定性即:收信者所获得的信息量应等于信息传输前后不确定性的减少的量。例:设一条电线上串联8个灯泡,且损坏的
5、可能性为等概,若仅有一个坏灯泡,须获知多少信息量才可确认?例解:测量前,P1(x)=1/8,存在不确定性:I(P1(x))=log8=3bit第一次测量获得信息量:第二次测量获得信息量:第三次测量获得信息量:每次测量获得1bit信息量,需三次测量可确定坏灯泡自信息I是一个随机变量,不能作为信源总体的信息量。定义:自信息量的数学期望为信源的平均信息量,即信源的信息熵,数学表示为:信息熵的单位取决于对数选取的底,r进制信息熵:r进制信息熵与二进制信息熵的关系:例如,有两个信源:则:H(X)=0.08比特/符号H(Y)=1比特/符号显然,信源X输出消息x1的可能性是99%,所以对X的平均不
6、确定性较小;而信源Y输出y1、y2的可能性均为0.5,则我们对Y输出哪一个消息的平均不确定性较大。熵的物理含义:信息熵H(x)是表示信源输出后,每个消息(或符号)所提供的平均信息量;信息熵H(x)是表示信源输出前,信源的平均不确定性;用信息熵H(x)来表征变量X的随机性。注意:信息熵是信源的平均不确定的描述。一般情况下,它并不等于平均获得的信息量,获得的信息量是两熵之差,并不是信息熵本身。二、信息熵的基本性质1、对称性:此性质说明:熵的总体性。它只与随机变量的总体结构有关,而不在于个别值的概率,甚至也不因随机变量取值的不同而异。2、非负性:3、扩展性:说明:概率很小的值的出现,给予接
7、收者以较大的信息,但在熵的计算中占的比重很小,这是熵的总体平均性的一种体现。4、确定性:H(1,0)=H(0,1)=H(1,0,0,‥)=‥=0说明:从熵的不确定概念来说,确知信源的不确定度应该为0。5、可加性:二个随机变量X和Y不独立时:H(XY)=H(X)+H(Y/X)=H(Y)+H(X/Y)二个随机变量X和Y独立时:H(XY)=H(X)+H(Y)6、极值性:H(p1,p2,‥,pq)≤-∑pilogqi,当qi=1/q时,可见:所有概率分布pi所构成
此文档下载收益归作者所有