信道容量（Channel Capacity）无线传输环境中，如果发端和收端均采用单天线发送和接收信号，接收信号y的数学模型可以表示为y=hx+n \tag{1} ,其中h为无线信道, x为发送信号，n为高斯加性白噪声服从正太分布 \mathcal{C}(0,\sigma^2) 。
通信相关专业的学生应该知道香农公式：公式(1)表示的无线信道容量（Channel Capacity）为C=B\log_2\left(1+\frac{P_t|h|^2}{\sigma^2} \right),\tag{2}其中B为信号带宽， P_t 为信号发射功率。
相信很多人知道结论(2)，但是不明白它是怎么得到的。
下面将简单的阐述其推导过程。
阅读该过程之前，建议阅读“ 徐光宁：信息论（1）——熵、互信息、相对熵”中关于熵和互信息的定义。
对于接收端，发送信息x是一个随机变量，例如以概率p(x=a)发送x=a。
如果发送信息x对于接收端为一个确定值，那发送本身就没有任何意义。
因为发送信号x和噪声n 都是随机变量，接收信号y也是随机的。
可以引入熵来描述随机变量y所含的信息量，即H(y)=\int_y p(y)\log \frac{1}{p(y)}dy,\\其中p(y)为y的概率密度函数。
当某一时刻发送某一x后(x 此时是确定的), 收到的y的信息量为H(y|x)=\int_y p(y|x)\log \frac{1}{p(y|x)}dy,\\其中p(y|x)为y在给定x下的条件概率。
注意y因为是随机变量x和n的和，且x和n相互独立，其信息量为传输信号x和噪声n的信息量之和。
而y|x的随机性仅仅与噪声n有关，其信息量为噪声n的信息量。
互信息定义为I(x,y)=H(y)-H(y|x)\\ 。
其物理意义为随机变量y的信息量减去噪声n的信息量，等于x的信息量。
信道容量C指信道所实际传输信息量的最大值C=\max\limits_{p(x)} I(x,y) \tag{3}数学证明当x服从高斯分布 \mathcal{C}(0,P_t) 时，C in (3)取得最大值。
