通信原理考试重点1(信息及其度量)

1.明确什么是信息、消息和信息量?

消息:信息的物理表现形式,例如声音的传输的连续信号等

信息:消息的内涵

信息量:用于将抽象的信息,化为可以量化的数字量

实际上消息量与高数中的概率有一定的关系。

考试重点A:离散信号的信息量

重要公式:

I= \log_{a}(1/P(x))=-\log_{a}P(x)

I代表信息量

a决定信息量的单位:

a的值I的单位
e奈特(nit)
10哈特莱(Hartly)
2比特(bit,简称b)

P(x)代表,离散消息x发生的概率为P(x)

考试重点B:离散信号的平均信息量

重要公式:

H(x)= \sum_{i=1}^{M}P(x{_{i}})*I(x_{i})


H(x)代表信息量

M代表信号出现的次数

P(X_{i})*I(x_{i})代表当xi时的概率乘上信息量

考试重点C:平均信息量的最大值:

公式:H_{max}=log_{2}M      (b/符号)

最大的平均信息量

考试重点D:总信息量

重要公式:

I=n*H(x)       (bit)

I为总信息量

n为发送一条消息(含n个字符)

注意H(x)中一定是log_{2 },即

二进制的每个码元(也称符号)含1bit的信息量

M进制的每个码元(也称符号)含log_{2}Mbit的信息量

考试重点E:传码率R_{B}

R_{B} 也称波特率,即码元传输速率

单位Baud

公式:

R_{B}={\tfrac{1}{T_{b}}}

T_{B} 是每个码元持续的时间(码元宽度),

事实上是传输一个符号的时间t

考试重点F:传信率R_{b }

R_{b } 即每一秒传输的平均信息量

单位bps

公式:

R_{b}=R_{B}*log_{2}M

考试重点G:误码率 P_{e} 和误信率 P_{b}

公式:

P_{e} =错误接收的码元数/传输的总码元数

P_{b} =错误接收的比特数/传输的总比特数

基于html+python+Apriori 算法、SVD(奇异值分解)的电影推荐算法+源码+项目文档+算法解析+数据集,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档 电影推荐算法:Apriori 算法、SVD(奇异值分解)推荐算法 电影、用户可视化 电影、用户管理 数据统计 SVD 推荐 根据电影打分进行推荐 使用 svd 模型计算用户对未评分的电影打分,返回前 n 个打分最高的电影作为推荐结果 n = 30 for now 使用相似电影进行推荐 根据用户最喜欢的前 K 部电影,分别计算这 K 部电影的相似电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now 根据相似用户进行推荐 获取相似用户 K 个,分别取这 K 个用户的最喜爱电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now Redis 使用 Redis 做页面访问次数统计 缓存相似电影 在使用相似电影推荐的方式时,每次请求大概需要 6.6s(需要遍历计算所有电影的相似度)。 将相似电影存储至 redis 中(仅存储 movie_id,拿到 movie_id 后还是从 mysql 中获取电影详细信息), 时间缩短至:93ms。 十部电影,每部存 top 5 similar movie 登录了 1-6 user并使用了推荐系统,redis 中新增了 50 部电影的 similar movie,也就是说,系统只为 6 为用户计算了共 60 部电影的相似度,其中就有10 部重复电影。 热点电影重复度还是比较高的
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

爱吃草的汪汪

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值