分数阶傅里叶变换与信息熵怎么用于信号处理？

天马行空的理解与思考方式：分数阶傅里叶变换与信息熵怎么用于信号处理？

ChiX-Y

快速学习，快速尝试，快速失败

已关注

35 人赞同了该文章

这篇文章希望能写的有趣，同时有质量，学习就是要多维度多角度！

信息熵怎么用于各类信号处理？（信号特征提取？信号识别与分类？）

一.什么是信息熵？

热力学中的热熵是表示分子状态混乱程度的物理量，而信息熵的概念是用来描述信源的不确定度的；信息论之父香农曾在论文中提出“任何信息都存在冗余，冗余大小与信息中每个符号（数字、字母或单词）的出现概率或者说不确定性有关。”香农借助热力学概念，把信息中排除了冗余后的平均信息量称为“信息熵”。

通常，一个信源发送出什么符号是不确定的，衡量它可以根据其出现的概率来度量。出现的概率大，则不确定性小，所提供的信息量就少；反之不确定性就大。

根据以上定义和描述，可以得到不确定性函数应具有的两个条件