信息率失真函数1029PPT

合集下载

第4章 信息率失真函数

第4章 信息率失真函数

原始图像和限失真图像
原始图像
红色图像
绿色图像
蓝色图像
香农首先定义了信息率失真函数R(D),并论述了关于这个 函数的基本定理。 定理指出:在允许一定失真度D的情况下,信源输出的信 息传输率可压缩到R(D)值,这就从理论上给出了信息传输率与 允许失真之间的关系,奠定了信息率失真理论的基础。 信息率失真理论是进行量化、数模转换、频带压缩和数据 压缩的理论基础。 本章主要介绍信息率失真理论的基本内容,重点讨论离散 无记忆信源。 给出信源的失真度和信息率失真函数的定义与性质; 讨论离散信源和连续信源的信息率失真函数计算; 在此基础上论述保真度准则下的信源编码定理。
XY i 1 j 1
r
s
• 若平均失真度D不大于我们所允许的失真D0,即: D D0 称此为保真度准则。
信源固定(即给定了p(x)),单个符号失真度固定时(即 给定了d(ai,bj)) ,选择不同试验信道,相当于不同的编码方 法,所得的平均失真度是不同的。 有些试验信道满足D D0,而有些试验信道D>D0。 凡满足保真度准则-----平均失真度D D0的试验信通称为 ----D失真许可的试验信道。 把所有D失真许可的试验信道组成一个集合,用符号PD表 示,则: PD={p (bj / ai): D D0}

0 1 D 1 0
1 2 1 2
[例3] 对称信源(s = r) 。信源X={a1,a2,…ar} ,接收Y= {b1,b2,…bs} 。若失真度定义为:
d (ai , bj ) (bj ai )2
如果信源符号代表信源输出信号的幅度值,这就是一种平 方误差失真度。它意味着幅度差值大的要比幅度差值小的所引 起的失真更为严重,其严重的程度用平方来表示。 当 r=3时, X={0,1,2},Y={0,1,2} ,则失真矩阵为:

《信号处理原理》 第4章 信息失真率

《信号处理原理》 第4章  信息失真率

d(0,2)=d(1,2)=0.5
则得失真矩阵
d

0 1
1 0
0.5 0.5
4.1 平均失真和信息率失真函数
说明:失真函数d (xi, yj) 的数值是依据实际应 用情况,用 yj代替xi, 所导致的失真大小是人为决 定的。比如上例中,用y=2代替x=0和x=1所导致 的失真程度相同,用0.5表示;而用y=0代替x=1 所导致的失真程度要大,用1表示。失真函数d (xi, yj) 的函数形式可以根据需要任意选取,例如平方 代价函数、绝对代价函数、均匀代价函数等。
信源编码器的目的是使编码后所需的信 息传输率R尽量小,然而R越小,引起的平 均失真就越大。给出一个失真的限制值D,
在满足平均失真 D D的条件下,选择一种
编码方法使信息率R尽可能小。信息率R就 是所需输出的有关信源X的信息量。
16
4.1 平均失真和信息率失真函数
将此问题对应到信道,即为接收端Y需要 获得的有关X的信息量,也就是互信息 I(X;Y)。这样,选择信源编码方法的问题就 变成了选择假想信道的问题,符号转移概 率p(yj/xi)就对应信道转移概率。
输入符号集 X:{a1, a2, …, an}中有n种不同的符 号xi (i =1, 2, …, n) ;输出符号集Y:{b1, b2, …, bm}中有m种不同的符号yj (j =1, 2, …, m);对于 图所示的系统,对应于每一对(xi, yj)(i = 1, 2, …,n;j=1, 2, …, m),定义一个非负实值函数
平均失真D是对给定信源分布p(ai)经过某一种 转移概率分布为p(bj|ai)的有失真信源编码器后产 生失真的总体量度。
13
4.1 平均失真和信息率失真函数

第4章信息率失真函数

第4章信息率失真函数
信源编码问题的研究 信息率R就是所需输出的有关信源X的信息量。将此问 题对应到信道,即为接收端Y需要获得的有关X的信息量, 也就是互信息I(X;Y)。这样,选择信源编码方法的问题 就变成了选择假想信道的问题,符号转移概率p(yj|xi)就 对应信道转移概率。
2021/2/22
19
4.1.3 信息率失真函数R(D)
1 L
dL(xi,yj)Ll1d(xil ,yjl )
其中d(xil,yjl)是信源输出xi中的第l个符号xil,经编码后 输出yj中的第l个符号yjl时的失真函数。
2021/2/22
12
4.1.2 平均失真
平均失真的定义
由于xi和yj都是随机变量,所以失真函数d(xi , yj)也是随 机变量,要分析整个信源的失真大小,就需要用其数学
1 i j d(ai,aj) 0 i j
即不发生差错时失真为0,出错失真为1。研究在一定编 码条件下信息压缩的程度。
2021/2/22
29
4.1.3 信息率失真函数R(D)
信息率失真函数举例 由信源概率分布可求出信源熵为:
H(1, 1, , 1)log2n 2n2n 2n
如果对信源进行不失真编码,平均每个符号至少需要 log2n个二进制码元。
2021/2/22
4
4.1平均失真和信息率失真函数
失真函数 平均失真 信息率失真函数R(D) 信息率失真函数的性质
2021/2/22
5
4.1.1 失真函数
失真函数的意义 在实际问题中,信号有一定的失真是可以容忍的。但是 当失真大于某一限度后,信息质量将被严重损伤,甚至 丧失其实用价值。要规定失真限度,必须先有一个定量 的失真测度。为此可引入失真函数。

第4章信息率失真函数

第4章信息率失真函数

4.1
第4章 信息率失真函数
定义: 信源序列的失真函数
N

d ( x, y) d (i , j ) d (ail , bjl )
本 概
l 1
x X, y Y;i X N , j Y N ;ail X ,bjl Y

信源序列失真函数等于信源序列中对应的
单符号失真函数之和。也可写成rN sN阶矩阵形 式。
Page 6
4..1.1
第4章 信息率失真函数
4.1 基本概念
失 4.1.1失真函数(失真度)

函 为什么引入失真函数?

在实际问题中,信号有一定的失真是可 以容忍的,但是当失真大于某一限度后,将 丧失其实用价值。
要规定失真限度,必须先有一个定量的 失真测度。为此可引入失真函数.
Page 7
4.1.1
i1 j1
Page 19
4.1.2
第4章 信息率失真函数
(3)均方失真函数
适用于连续 信源
平 均
d(a,b) (a b)2
(a X ,b Y 或 a,b R)

真 在均方失真函数下,平均失真度就是均方误差。

rs
离散信源的均方误差 D (a b)2 P(a,b) i1 j1
连续信源的均方误差D: (a b)2 P(a, b)dxdy
1.离散信源单个符号的失真函数
定义:设离散无记忆信源输出变量X {a1, a2,L , ar},
失 真
概率分布为P(X ) [P(a1), P(a2),L , P(ar )],经过有失真的
函 数
信源编码器,输出的随机变量 Y {b1,b2,L ,bs}。
将所有的 d(ai ,bj ) 0 (ai X ,bj Y ) 排列起来,用

第4章 信息率失真理论.ppt

第4章 信息率失真理论.ppt
表示
DD
4、实验信道
定义
满足保真度准则的所有数据处理信道
信息率失真理论
表示
离散信源的实验信道 PD (Xˆ / X) {P(Xˆ / X) : D D} 全部n×n个实验信道转移概率——实验信道矩阵
PD (xˆ 1 / x1) PD (xˆ 1 / x 2 ) ... PD (xˆ 1 / x n )
信息率失真理论
P(x i ) log P(xˆ j ) P(x i ) log PD (xˆ j / x i ) SP(x i )d(x i , xˆ j ) i 0 i 1,2,, n j 1,2,, n
log
PD (xˆ j / x i P(xˆ j )
)
Sd(xi
i1 j1
n
SD P(x i ) log i i1
信息率失真理论
2、二进制信源的信息率失真函数
二进制信源P(XX) xp1 1x2p
其中p 1 2
失真矩阵[D]

0 1
1 0
2
(1)由 i P(x i )2Sd(xi ,xˆ j) 1求含S的 i

0
i 1,2,, n j 1,2,, n
信息率失真理论
PD (xˆ j / x i ) P(xˆ j )

2Sd (xi ,xˆ j ) i
i 1,2,, n
j 1,2,, n
PD (xˆ j / x i ) iP(xˆ j )2Sd(xi ,xˆ j) i 1,2,, n j 1,2,, n
PD
(Xˆ
/
X)


PD

(xˆ 2 / ...

信息论与编码_PPT_第4章信息率失真函数

信息论与编码_PPT_第4章信息率失真函数
R(D) 0。
R(D)是关于D的下凸函数,因而也是关于D的连
续函数。
R(D)是关于D的严格递减函数。
信息论基础
25
由以上三点结论,对一般R(D)曲线的形态可以画出来
R(D) R(D)
H(X)
R(D)
0
D
Dmax
D
0
Dmax
D
信息率失真曲线
信息论基础
26
4.2 离散信源和连续信源的R(D)计算
信息论基础
23
2、R(D)函数的下凸性和连续性
3、R(D)函数的单调递减性
容许的失真度越大,所要求的信息率越小。反之 亦然。
信息论基础
24
综上所述,可以得出如下结论:
R(D)是非负的实数,即R(D) 0。其定义域为0~
Dmax , 其 值 为 0 ~ H(X) 。 当 D>Dmax 时 ,
R( Dmin ) R(0) H ( X )
对于连续信源
R( Dmin ) R(0) H c ( x)
信息论基础
16
(2) Dmax和R(Dmax)
选择所有满足R(D)=0中D的最小值,定义为R(D)定义域 的上限Dmax,即
Dmax min D
R ( D ) 0
因此可以得到R(D)的定义域为
某些特殊情况下R(D)的表示式为: (1)当d(x,y)=(x-y)2,
p( x) 1
x2 2 e 2
2
时,
R( D) log

D
27
信息论基础
(2)当d(x,y)=|x-y|,p ( x )


2
e
x

信息论与编码-第4章信息率失真函数PPT课件

信息论与编码-第4章信息率失真函数PPT课件
将定义进行扩展,可得N次扩展的信源和信 宿符号序列 a i与b j之间的失真函数为
长江大学电信学院
X
19
4.1 基本概念
d(ai,bj)d(xi1xi2xiN,yj1yj2yjN) d(xi1,yj1)d(xi2,yj2)d(xiN,yjN)
N
d(xik,yjk) k1
对应的失真矩阵为
d(a1,b1)
长江大学电信学院
X
30
4.1 基本概念
说明在保真度准则条件下的信源编码比无失 真情况得到了压缩,同时R(D)是保真度条件下 对信源进行压缩的极限值,亦即信源信息率可 压缩的最低限度,它仅取决于信源特性和保真 度要求,与信道特性无关。
长江大学电信学院
X
31
4.1 基本概念
3. R(D)与C的比较
信道容量表示信道的最大传输能力,反映的 是信道本身的特性,应该与信源无关。但平均 互信息量与信源的特性有关,为排除信源特性 对信道容量的影响,在所有的信源中以那个能 够使平均互信息量达到最大的信源为参考,从 而使信道容量仅与信道特性有关,信道不同, C亦不同。
i 1 j 1
n
nm
m
N
p( xi1 ) p( xiN ) p( y j1 | xi1 ) p( y jN | xiN ) d xik , y jk
i1 1 iN 1 j1 1 jN 1
k 1
nm
p( xi1 ) p( y j1 | xi1 )d ( xi1 , y j1 )
i1 1 j1 1
长江大学电信学院
X
27
4.1 基本概念
I (X; Y)是p(yj|xi ) 的下凸函数,故总可以在 PD集合中找到某一试验信道,使R = I (X;Y)达 到最小值,亦即找到某一个I (X;Y)而使R达到 最小,这个最小值就是R(D),称为信息率失真 函数,简称率失真函数,即

率失真函数-PPT课件

率失真函数-PPT课件

8
率失真函数的定义域
• I(Pji)=0的充要条件是U和V统计独立
P V|U (v | u) (v) Dmax minw(v)Q(u)d(u, v) Dmax minQ(u)d(u, v)
v V u v u
Information Theory and Coding Theory
失真-率函数
D (R )min D
D D R
给定信息率,找 最小的失真的编 码方式
Information Theory and Coding Theory
6
率失真函数的基本性质
0 R(D ) H(U) limR(D ) H(U)
D 0
Information Theory and Coding Theory
第9章 率失真函数
Information Theory and Coding Theory
1
一般概念与定义
• 不等长编码平均长度不超过HL(U)/logD+1/L可 以无失真 • 等长编码[HL(U)+e]/logD失真不会超过给定值 u P (u ) • 传输信息允许失真,信息率可以下降
2 34 5 1
i
0.25 不等长编码 等长编码 允许失真 00 000 00
0.25 01 001 01
0.25 10 010 10
0.15 110 011 11
0.10 111 100 11 2.25bit 3bit 2bit
Information Theory and Coding Theory
2
信道失真
• d(u,v)是U和V的非负函数,U,V为离散变量 • U=V={a1,a2,…,ak}

信息论基础与编码课件第四章 信息率失真函数

信息论基础与编码课件第四章 信息率失真函数

同样,可得Pij时的平均互信息为 I''(X;Y)0.37b9i/t符号
从此例我们可以看到,若固定P(x)不变时,平均互信息量随信
道的转移概率的变化而变化。这是因为信道受到干扰的作用 不同,传递的信息量也不同。可以证明这样一个结论:P(x)一 定时,平均互信息量I(X;Y)是关于信道的转移概率的下凸函数, 即存在一极小值。
m × n个 p i j 的值,代入平均失真的公式中,可解出随S参数值变
化的D值,即
D (S ) p ip j id ij p ip ij ie S d ijd ij (4-16)
ij
ij
25
离散信源的R(D)函数及其计算(续)
信源的信息率失真函数R(D)为
R (S ) i
j
pi p j i e Sdij
源输出符号序列 X (X 1 ,X 2 , ,X L ) ,其中L长符号序列样
值 Y(Y 1,Y 2, ,Y L) ,经信源编码后,输出符号序
列 x i (x i1 ,x i2 , ,x iL )
,其中L长符号序列样
值 y i (y i1 ,y i2 , ,y iL ),则失真函数定义为:
1L
dL(xi,yj)Ll1d(xil,yjl)
其中d(xil,yjl)是信源输出L长符号样值 x i 中的第l个符号xil时,
编码输出L长符号样值 中的y i 第l个符号yjl的失真函数。
7
平均失真
定义平均失真度为失真函数的数学期望,即 d ( xi , yj ) 在 X 和 Y的 联合概率空间 P(XY ) 中的统计平均值
nm
D E [d (x i,y j)] p (x i)p (y j|x i)d (x i,y j) (4-4) i 1j 1

4.1有关信息率失真函数的基本概念

4.1有关信息率失真函数的基本概念

N
E[d (xik , y jk )] k 1
N
N

d ( xik,y jk ) DK
k 1
k 1
DK:每条消息的第 k个符号的平均失真
2019/11/22
18
所以,N次扩展信源的平均失真为(前提为:无 记忆信源)
信息率失真理论的应用:
信息率失真理论是量化、数模转换、频带压缩和数 据压缩的理论基础。
2019/11/22
7
4.1 主要内容
失真函数 平均失真 信息率失真函数 信息率失真函数的基本性质
2019/11/22
8
失真函数
由于信息率与失真有关,为了定量地描述信息率和 失真的关系,必须先规定失真的测度标准。即失真 函数,失真函数
D


d(xn,y1) d(xn,y2) d(xn,ym ) dn 1 dn2 dnm n m
若一个信源没有正确的传输,所有符号的错误传输大
小都为α,则可写作对角线上为0,其余为α,则该单
符号离散信源的失真矩阵可以写作。
d(xi,yj)dij 0,当 0x,ixi yj时 yj
其它表示收发误差的失真函数:
平方误差失真函数或均方失真函数 d(xi,yj)(yj xi)2,
绝对失真函数
d(xi,yj)|yj xi |,
相对失真函数
d(xi,
| yj)
yj xi | xi |
| ,
2019/11/22
10
单符号离散信源的失真函数
设离散无记忆信源为
, , , , , , P ( X X ) p ( x x 1 1 )
  1. 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. 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. 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)。

电视电话
128
112
5.2 M
56 K
在允许一定程度失真的条件下,怎样用尽可能少的码符号来 表达信源的信息,也就是信源熵所能压缩的极限或者说编码 后信息传输率压缩的极限值是多少? 保真度准则下的离散信源编码定理:在允许一定失真度 D 的情 况下,信源输出的信息传输率可压缩到极限值 —— 信息率失 真函数 R ( D )
符号序列的失真度
若信源是单符号离散无记忆信源的 N 次扩展,其限失真编码 可视为 N 长随机序列 X X 1 X 2 X N 经由单符号离散无记忆信 道的 N 次扩散信道,再现为 N 长的随机序列 Y Y1Y2 YN
信道输入:ai ( xi1 xi2 信道输出:b j ( y j1 y j2
1
失真函数
由于本章学习内容只涉及信源编码问题,因此可பைடு நூலகம்把从信源 编码器到信源译码器之间的所有部件合在一起等效为一个有 噪声的试验信道
信源
X
信 源 编码器
无损无噪信道
信 源 译码器
Y
信宿
试验信道
信道输入 : x2 X x1 PX p( x1 ) p( x2 ) 信道输出: y2 Y y1 PY p( y1 ) p( y2 )
0 i j 误码失真函数 d ( xi , y j ) 适用于离散信源 i j 平方失真和绝对失真只与 ( yj xi ) 有关,而不是分别与 xi , yj 有 关,在数学处理上比较方便;相对失真与主观特性比较匹配, 因为主观感觉往往与客观量的相对数成正比,但其数学处理 比较困难 误码失真函数表明,只要发送符号与接收符号不同,由此引 4 起的失真都相同(为常数 )。若常数值为 1,则称为汉明失真
D( N ) E[d (ai , b j )] p(ai ) p(b j | ai )d (ai , b j )
i 1, 2, j 1, 2,
,n ,m
上述非负的失真函数共有 n m 个,可以整体表示成失真矩阵 d ( x1 , ym ) d ( x1 , y1 ) d ( x1 , y2 ) d ( x , y ) d ( x , y ) d ( x , y ) 2 1 2 2 2 m D d ( x n , ym ) d ( xn , y1 ) d ( xn , y2 ) 由于信源发出的符号 X 和信宿收到(再现)的符号 Y 均是随机 变量,因此单个符号的失真函数 d ( xi, yj ) 也是随机变量 (的一 次实现)
平均失真度
由于单个符号的失真函数 d ( xi , yj ) 是随机变量(的一次实现), 它只能表示两个特定的具体符号 xi , yj 之间的失真,无法从整 体上描述信道平均每传递一个符号所引起失真大小 定义平均失真度为失真函数的数学期望,即 d ( xi , yj ) 在 X 和 Y 的联合概率空间 P( XY ) 中的统计平均值
引入限失真的必要性(续)
如果允许信息有某些失真,就可以大大降低信息传输速率, 从而降低通信成本
应用种类 HDTV 普通电视 会议电视 象素数/行 1920 720 352 行数/帧 1080 480 288 信息传输率(码率)bps 压缩前 1.18 G 167 M 36.5 M 压缩后 20~25 M 4~8 M 1.5~2 M
D E[d ( xi , y j )] p( xi ) p( y j | xi )d ( xi , y j )
i 1 j 1 n m
平均失真度 D 与信源统计特性 p( xi ) 、信道统计特性 p( y j | xi ) 和规定的失真度 d ( xi , y j ) 有关;如果信源和失真度给定以后, D 就只是信道统计特性的函数 如果规定平均失真度不超过某一允许失真的上界 D(最大允许 平均失真度,简称允许平均失真度),则称: 满足保真度准则的 限定条件下,求信 D D 5 息传输率的最小值 为保真度准则
2
失真函数(续)
对每一对 ( xi , yj ),指定一个非负的函数
d ( xi , y j ) 0 无失真 d ( xi , y j ) 0 有失真 称为单个符号的 失真度 或 失真函数 ,表示离散信源发出一个 符号 xi 而在接收端再现成 yj 所引起的误差和失真。
d ( xi , y j ) 0
xiN ) y jN )
i 1, 2, j 1, 2,
, nN , mN
N 长输入符号序列 a i 与 N 长输出符号序列 b j 间的失真函数:
d (ai , b j ) d ( xi1 xi2
xiN , y j1 y j2
y jN ) d ( xik , y jk )
k 1
N
由于 N 次扩展信源和 N 次扩展信道都是无记忆的,因此:
p(ai ) p( xi1 xi2
N xiN ) k 1 p( xik )
p(b j | ai ) p( y j1 y j2
y jN | xi1 xi2
N xiN ) k 1 p( y jk | xik )
6
符号序列的 平均失真度
3
常用的失真函数
失真函数是根据人们的实际需要和失真引起的损失、风险、 主观感觉上的差别等因素人为规定的,可以有多种形式 平方误差失真函数 d ( xi , y j ) ( y j xi )2 适用于 d ( x , y ) | y x | 绝对误差失真函数 i j j i 连续信源 相对误差失真函数 d ( xi , y j ) | y j xi | | xi |
xn p( x n )
ym p( y m )
信道转移概率矩阵:PY | X
n m
p( y1 | x1 ) p( y2 | x1 ) p( y | x ) p( y | x ) 1 2 2 2 p( y1 | xn ) p( y2 | xn )
p( ym | x1 ) p( y m | x 2 ) p( y m | x n )
相关文档
最新文档