一、引言
信息论由克劳德·香农(Claude Shannon)在20世纪中期创立,是研究信息的测量、传输和处理的科学。信息论的核心问题是如何在给定的约束条件下,最大化信息传输的效率和可靠性。信息论的应用范围广泛,包括通信系统、数据压缩、密码学、生物信息学和机器学习等。
信道容量是信道所能传输的最大信息速率,是信息论的一个核心概念。香农在其1948年的论文中提出了信道容量的定义和计算方法。信道容量是指在给定噪声水平下,信道能够可靠传输的最大信息速率。
对于一个离散无记忆DMC信道,信道容量定义为:
其中,表示输入随机变量
和输出随机变量
的互信息,
是输入信号
的概率分布。
互信息表示
和
之间的依赖关系,定义如下:
这里,是
的信息熵,
是在已知
的情况下
的条件熵。
二、准对称离散无记忆DMC信道
1.概念
准对称离散无记忆信道(Quasi-symmetric Discrete Memoryless Channel, QDMC)是一种特殊类型的DMC信道。对于准对称信道,信道的转移概率矩阵具有某种对称性,使得信道容量的计算更加简化。
具体来说,准对称信道的特性包括:
- 对称性:信道的转移概率矩阵中的每一行都是某种形式的排列。
- 无记忆性:信道的当前输出仅依赖于当前输入,而不依赖于之前的输入 和输出。
- 离散性:信道的输入和输出都是离散的随机变量。
2.信道模型
一个典型的准对称DMC信道可以用信道转移概率矩阵 来表示,其中
是在输入为
时输出为
的条件概率。假设输入字母表为
,输出字母表为
,则准对称信道的转移概率矩阵
满足以下条件:
转移概率矩阵输入对称而输出不对称,即转移概率矩阵
的每一行都包含同样的元素而各列的元素可以不同。矩阵的每一行是相同元素的排列或相同元素的置换。
3.准对称离散无记忆信道容量的计算公式及推导证明
1)计算公式
其中是信道容量,以比特为传输单位;
是输入符号的数量;
是信道的输出熵定义为:
这里的
是输出符号
的概率。
2)推导证明
设准对称信道的矩阵为:
P=(p(y1|x1)p(y2|x1)…p(ys|x1)p(y1|x2)p(y2|x2)…p(ys|x2)… p(y1|xr)p(y2|xr)…p(ys|xr))
将矩阵P分为n个对称子阵P1,P2,⋯,Pn;对应的输出符号集Y划分为Y1,Y2,⋯,Yn ;设xi∈X(x1,x2,…,xr) ,则有:
I(xi;Y)=∑Yp(y|xi)log2p(y|xi)p(y)
=∑Yp(y|xi)log2p(y|xi)−∑Yp(y|xi)log2p(y)
因为P是准对称矩阵,它的行元素由{q1,q2,⋯,qs} 排列而成
所以有:
∑Yp(y|xi)log2p(y|xi)=−H(q1,q2,…,qs) (其中i=1,2,…,r)
设P(xi)=1/r,即输入等概分布,则后一项为:
∑Yp(y|xi)log2p(y)
=∑Yp(y|xi)log2∑Xp(y|xi)p(xi)
=∑Yp(y|xi)log2(1/r)∑Xp(y|xi)
=∑y∈Y1p(y|xi)log2(1/r)∑Xp(y|xi)+∑y∈Y2p(y|xi)log2(1/r)
∑Xp(y|xi)+∑y∈Ynp(y|xi)log2(1/r)∑Xp(y|xi)
因为P1,P2,…,Pn对称,所以有:
∑Xp(y|xi)=M1,y∈Y1
∑Xp(y|xi)=M2,y∈Y2
…
∑Xp(y|xi)=M1,y∈Yn
都与xi无关,其中Mi为y固定时,矩阵Pi中列元素之和,是一个常数。
∑y∈Y1p(y|xi)=N1
∑y∈Y2p(y|xi)=N2
…
∑y∈Ynp(y|xi)=Nn
其中,Ni表示xi固定时,矩阵Pi中行元素之和,也是一个常数。
所以有:
∑Yp(y|xi)log2p(y)
=N1log2M1/r+N2log2M2/r+⋯+Nnlog2Mn/r
=∑nk=1Nklog2Mk/r
所以得到:
I(xi;Y)=−H(q1,q2,⋯,qs)−∑nk=1Nklog2Mk/r
=log2r−H(q1,q2,⋯,qs)− ∑nk=1Nklog2Mk
=C(常数)
根据定理,有:
C= log2r−H(q1,q2,⋯,qs)− ∑nk=1Nklog2Mk
证毕