- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
例如，语音信号{X(t)} 、热噪声信号{n(t)}
离散无记忆平稳信源
离散平稳信源的特例，信源发出的符号都相互统计独 立，即各随机变量Xi (i＝1,2,…,N)之间统计独立 性质：
独立－>p (X )= p (X1, X2, …,XN)= p1(X1) · 2(X2)· · N(XN) p ·p
的取值A:{a1, a2,…, aq}是有限的或可数的，可用 一维离散型随机变量X来描述。 例：投硬币、书信、电报符号等等。
数学模型：设每个信源符号ai出现的(先验)概率
p(ai) (i=1,2,…,q) 满足：
p(a ) 1
i 1 i
q
a2 a3 ... ... aq X a1 p(a ) p(a ) p(a ) ... ... p(a ) 2 3 q p ( x) 1 概率空间能表征离散信源的统计特性，因此又称 概率空间为信源空间。
当记忆信源的记忆长度为m+1时，称这种有记忆 信源为m阶马尔可夫信源 若上述条件概率与时间起点 i 无关，信源输出的 符号序列可看成为时齐马尔可夫链，则此信源称 为时齐马尔可夫信源
更一般情况：随机波形信源
实际信源输出的消息常常是时间和取值都是连续的。 这类信源称为随机波形信源。
随机波形信源在某一固定时间 t0 的可能取值是连续 和随机的。对于这种信源输出的消息，可用随机过 程来描述。 例：语音信号X(t)、热噪声信号n(t)、电视图像信号 X(r(t),g(t),b(t))等时间连续函数。
平稳－> p1 (Xi) = p2 (Xi)=· · pN (Xi) －> p (Xi) ·=
p( X) p( X 1 X 2 X N ) p( X i )
i 1 N
设各随机变量Xi取值同一符号集A:{a1,a2,…,aq}，则
p(x i ) p(ai1ai 2 ,..., aiN ) p(aik ), ik (1, 2,..., q)
I (ai ) f [ p(ai )]
I(ai)代表两种含义： （1）当事件ai发生之前，表示事件ai发生的不确定性
（2）当事件ai发生之后，表示事件ai所提供的信息量
某事件发生所含有的信息量应该是该事件发生的先验概率 的函数。即：
I (ai) ＝ f [ p(ai)]
根据客观事实和人们的习惯概念，函数 f [ p(ai)] 应满足以 下条件：
满足
或
或
a
b
p( x)dx 1
p( x)dx 1
R
平稳随机序列信源
总体特点：
信源输出的消息由一系列符号序列所组成，可用N 维随机矢量 X＝(X1,X2,…,XN)描述，且随机矢量X 的各维概率分布都与时间起点无关----平稳！
离散平稳信源：每个随机变量Xi (i＝1,2,…,N) 都是离散型随机变量 例如，投掷硬币 连续平稳信源：每个随机变量Xi (i＝1,2,…,N) 都是取值连续的随机变量
1/2
x2(阴)
1/4
x3(雨)
1/8
x4(雪)
1/8
解：据表所示，求出各事件发生所带来的自信息量有：
I ( x1 ) log 2 p( x1 ) 1(bit ) I ( x3 ) log 2 p( x3 ) 3(bit ) I ( x2 ) log 2 p( x2 ) 2(bit ) I ( x4 ) log 2 p( x4 ) 3(bit )
logb X loga X logb a
1 nat = 1.44bit , 1 hat = 3.32 bit；
一般计算都采用以“2”为底的对数，为了书写简洁， 常把底数“2”略去不写。
[例2.2.2] 某地某月份的气象资料如下表所示，求 相应事件的发生所带来的自信息量。
xi
p(xi)
x1(晴)
连续信源(单符号)
特点：
输出是单个符号（代码）的消息，输出
消息的符号集A的取值是连续的，可用一维的连 续型随机变量X 来描述。
例：语音信号、热噪声信号、测控系统中有关电压、 温度、压力等测得的连续数据等等。
R p (x)
数学模型： 连续型的概率空间。即：
X ( a , b ) p ( x) p ( x)
如果被告知摸出的是红球，那么获得的信息量是：
I (a1) ＝－log p(a1) ＝－log0.8= 0.32 （比特）
如被告知摸出来的是白球，所获得的信息量应为：
I (a2) ＝ －log p(a2) ＝ －log0.2 = 2.32 （比特）
平均摸取一次所能获得的信息量为 ：
H(X)= p(a1) I (a1) + p(a2) I (a2) =0.72（比特/符号）
熵的含义
熵----考虑的是整个集合的统计特性，它从平均意义上来 表征信源的总体特征。 在信源输出前，信息熵H(X) 表示信源的平均不确定性； 在信源输出后，信息熵H(X)表示每个消息提供的平均信 息量； 信息熵H(X) 表征了变量X的随机特性。 例如，有两信源X、Y，其概率空间分别为：
k 1 N
N维随机矢量的一个取值， i＝(ai1 ai2…aiN)
p(aik )是符号集A的 一维概率分布
X a1 若信源空间： p( x) p(a1 )
a2 p(a2 )
aq p(a3 ) ... ... p(aq ) a3 ... ...
对数函数满足上述条件：
1 I (ai ) f [ p(ai )] log r p(ai )
一点说明
计算自信息量时要注意有关事件发生概率的计算； 自信息量的单位取决于对数的底；
底为2，单位为“比特（bit, binary unit）”； 底为e，单位为“奈特（nat, nature unit）”； 底为10，单位为“哈特（hat, Hartley）”； 由换底公式：
该例说明，一个随机事件发生的概率越小，它的不 确定性就越大，那么当它发生时对外提供的自信息量 也就越大。
在一般情况下，收到某消息获得的信息量(即收到某消息 后获得关于某事件发生的信息量) ＝不确定性减少的量 ＝(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)
对无噪声信道，收到某消息获得的信息量
例：汉字组成的中文序列中，只有根据中文的语法、
习惯用语、修辞制约和表达实际意义的制约所构成的中 文序列才是有意义的中文句子或文章。
所以，在汉字序列中前后文字的出现是有依赖的，不能 认为是彼此不相关的。其他自然语言如英文，德文等都 是如此.
m阶马尔可夫信源
不同时刻发出的符号间的依赖关系
p( xi | xi 2 xi 1 xi 1 xi 2 xi m x1 ) p( xi | xi 1 xi 2 xi m ) (i 1, 2, , N )
推论：
一. 自信息
设离散信源X的概率空间为：
X a1 p ( x) p (a ) 1
a2 p(a2 )
aq q p(ai ) 1 p(a3 ) ... ... p(aq ) i 1 a3 ... ...
称事件ai发生所含有的信息量为 ai 的自信息量。 定义为：
所组成，可用N维随机矢量 X＝(X1,X2,…,XN)描述，且随机 矢量X 的各维概率分布都与时间起点无关----平稳！! 离散平稳信源 连续平稳信源 无记忆（独立）离散平稳信源 有记忆信源 m阶马尔可夫信源随机波形ຫໍສະໝຸດ 源离散信源(单符号)
特点：输出是单个符号（代码）的消息，符号集
描述的信源X的各输出Xi间统计独立、且取值同一 例如：A={1，2，3}，N=2。则XN为： 符号集A，则X为离散无记忆信源，称该信源输出 {11，12，13，21，22，23，31，32，33 } 的N维随机矢量X 为离散无记忆信源X的N次扩展 信源
若X 取值为符号集i ＝(ai1ai2…aiN), 其中(i1 , i2 ,…,iN =1,2 , …,q)，则离散无记忆信源的N次扩展信源的 数学模型是X信源空间的N重空间：
一个随机过程{x(t)}
一个样本{xi(t)} （一个自由度）
信源的分类及其数学模型
2.2
离散信源的信息熵其性质
讨论基本的离散信源(即输出为单个符号的消 息，且这些消息间两两互不相关)
基本的离散信源可用一维随机变量X来描述信 源的输出，信源的数学模型可抽象为: a2 a3 ... ... aq q X a1 p( x) p(a ) p(a ) p(a ) ... ... p(a ) p(ai ) 1 2 3 q i 1 1
=收到此消息前关于某事件发生的不确定性
=信源输出的某消息中所含有的自信息量
二. 信息熵
对一个信源发出不同的消息所含有的信息量也不同， 不能用它来作为整个信源的信息度量。
定义自信息的数学期望为平均自信息量Hr(X)，称为 信息熵：
q 1 p(ai ) logr p(ai ) H r ( X ) E logr p(ai ) i 1 q 1 p(ai ) log p(ai ) 当r＝2时： H ( X ) E log p(ai ) i 1
X N 1 p( i ) p(1 )
