接上一节  第二章-信源与信息熵（二）

 

2.4 连续信源的熵与互信息

1.        实际中，连续信源

a)        幅度连续

b)        时间或频率上也连续

2.        统计特性

a)        概率密度函数

3.        用离散变量来逼近连续变量

连续信源熵

1.       定义

连续信源的状态概率用概率密度来表示。如果连续随机变量X，取值为实数域R，其概率密度函数为p(x)，则

如果取值为有限实数域[a,b]，则

 

X的概率分布函数为

利用离散信源熵的概念来定义连续信源熵

设一在[a,b]取间的连续随机变量

把X的取值区间[a,b]分割为n个小区间，小区间宽度为

当△趋于0，n趋于无穷时，离散随机变量Xn将接近于连续随机变量X，这时可以得到连续信源的熵为

其中,连续信源的熵定义为

2.       解释

1)        连续信源熵为一个相对熵，其值为绝对熵减去一个无穷大量

2)        连续信源有无穷多个状态，因此根据SHANNON熵的定义必然为无穷大。

3)        连续信源的熵不等于一个消息状态具有的平均信息量。其熵是有限的，而信息量是无限的。

4)        连续信源熵不具有非负性，可以为负值

5)        尽管连续信源的绝对熵为一个无穷大量，但信息论的主要问题是信息传输问题，连续信道的输入输出都是连续变量，当分析其交互信息量时是求两个熵的差，当采用相同的量化过程时，两个无穷大量将被抵消，不影响分析。

3.       连续信源的最大熵定理

限峰功率最大熵定理：定义域受限的随机变量X，均匀分布时，具有最大熵

限平均功率最大熵定理：对于相关矩阵一定随机变量X，当它是正态分布时具有最大熵

 

2.5 冗余度

表示给定信源在实际发出消息时所包含的多余信息

来源

信源符号间的相关性

信源符号分布的不均匀性

定义

衡量信源的相关性程度

信源输出符号间相关长度长，则信源的实际熵小，熵的相对率小，信源的冗余度越大

反之，信源冗余度小

 

 

复习——概念

1.        信息是可以定量描述的，可以比较大小，由概率决定；

a)        对应特定信源，可以求出所含不确定度，也就是消除不确定度所需的信息量；

b)        可通过对信源的观察、测量获得信息，以减少对信源的不确定度；

c)        考虑信源符号概率分布和符号之间的相关性，信源不确定度会下降     

d)        H(X)就是信源无失真时必需输出的最小信息量；

2.        通过传输，信宿可以得到信息I(X;Y)，从而减小对信源的不确定度：

H(X/Y)=H(X)-I(X;Y)

a)        信息通过系统传输，只会丢失信息，不会增加

b)        丢失部分H(X/Y)是由噪声引起的

 

复习——计算公式、相互关系

1. 自信息量、信源熵、相对熵
2. 互信息、条件熵、联合熵
3. 序列熵、平均符号熵、极限熵
4. 冗余度