信息率失真函数.doc

合集下载

ch04 信息率失真函数

ch04 信息率失真函数

P (Y X )
⎧0 xi = y j d ( xi , y j ) = ⎨ ⎩a xi ≠ y j
3
⎡ p ( y1 x1 ) p ( y2 x1 ) ... p ( ym x1 ) ⎤ ⎢ ⎥ ⎢ p ( y1 x2 ) p ( y2 x2 ) ... p ( ym x2 ) ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ p ( y1 xn ) p ( y2 xn ) ... p ( ym xn ) ⎦ ⎥ ⎣
⎡ d ( x1, y1 ) d ( x1, y2 ) ⎢d ( x , y ) d ( x , y ) 2 1 2 2 D= ⎢ ⎢ ⎢ ⎣d ( xn , y1 ) d ( xn , y2 )
d ( x1, ym ) ⎤ d ( x2 , ym )⎥ ⎥ ⎥ ⎥ d ( xn , ym )⎦
4
4.1 基本概念
i =1 j n
(
)
离散信源 连续信源
Dmin = ∑ p(xi )min d(xi , y j )
i=1 j
n
仅当失真矩阵每行均 有零元素时, Dmin= 0
R(Dmin ) = R(0) = H ( X )
R(Dmin ) = R(0) = H(x) =∞
12
4.1 基本概念
西华师范大学 物理与电子信息学院
失真函数d(αi,βj)
d(αi , β j ) = d(xi1 xi2
N k =1
xiN , yj1 yj2
= ∑d(xik , yjk )
D ≤ D ,D——允许失真的上界
7
平均失真度—— 单符号时的N倍
D( N ) = ND
8
4.1 基本概念
西华师范大学 物理与电子信息学院

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:

第4章信息率失真函数

第4章信息率失真函数

R( D) min p(ai ) p(b j / ai ) log
Pij PD i 1 j 1
n
m
p(b j / ai ) p(b j )
p(ai),i=1,2,…,n 是信源符号概率分布; p(bj/ai),i=1,2,…,n,j=1,2,…,m 是转移概率分布; p(bj),j=1,2,…,m 是接收端收到符号概率分布。
如果选取对压缩更为有利的编码方案,则压缩的 效果可能更好。但一旦达到最小互信息这个极限 值,就是R(D)的值,或超过这个极限值,那么失 真就要超过失真限度,如果需要压缩的信息率更 大,则可容忍的平均失真就要更大。
普通高等教育“十五”国家级规划教材《信息论与编码》 曹雪虹等编著
17
4.1.4 信息率失真函数的性质
1 L d L (x i , y j ) d ( xil , y jl ) L l 1
其中d(xil,yjl)是信源输出L长符号样值xi中的第l个符号xil
时,编码输出L长符号样值yj中的第l个符号yjl的失真函数。
7
普通高等教育“十五”国家级规划教材《信息论与编码》 曹雪虹等编著
4.1.2
以R(D)也是一个非负函数,它的下限值为0。当 R(D)=0意
味着什么呢? 不需传输任何信息。显然D越大,直至无限大都能满足这
样的情况。
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
n
D 0, Dmax
第4章
信息率失真函数
本章主要讨论在信源允许一定失真情况下所需的最少
信息率,从分析失真函数、平均失真出发,求出信息 率失真函数R(D) 。 平均失真和信息率失真函数 离散信源和连续信源的R(D)计算

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

信息论 第四章 信息率失真函数(1)

信息论  第四章 信息率失真函数(1)

4.1 基 本 概 念
当i=j时,X与Y的取值一样,用Y来代表X就没有误差,所以 定义失真度为0; 当i≠j时,用Y代表X就有误差。
这种定义认为对所有不同的i和j引起的误差都一样,所以定 义失真度常数a。 失真矩阵的特点是对角线上的元素均为0,对角线以外的其 它元素都为常数a。
第四章 信息率 失真函数
第1章:概述
第2章:信源熵 第3章:信道容量
第4章:信息率失真函数
第5章:信源编码
第6章:信道编码 第7章:密码体制的安全性测度
§4.1 信息率失真函数
§4.2 离散信源的信息率失真函数 §4.3 连续信息的率失真函数
§4.4 保真度准则下的信源编码定理
第四章 信息率 失真函数
基本概念
在前面几章的讨论中,其基本出发点都是如何保 证信息的无失真传输。 但在许多实际应用中,人们并不要求完全无失真 地恢复消息,而是只要满足一定的条件,近似地 恢复信源发出的消息就可以了。 然而,什么是允许的失真?如何对失真进行描 述?信源输出信息率被压缩的最大程度是多少? 信息率失真理论回答了这些问题,其中香农的限 失真编码定理定量地描述了失真,研究了信息率 与失真的关系,论述了在限失真范围内的信源编 码问题,已成为量化、数据转换、频带压缩和数 据压缩等现代通信技术的理论基础。
1 2 N 1 2 N
4.1 基 本 概 念
i ai , ai , , ai , ai , ai , , ai a1 , a2 , , an
i1 , i2 , , iN =1, 2, , n,i=1, 2, , n N
信道的输出共有mN个不同的符号
j bi , bi , , bi , bi , bi , , bi b1 , b2 , , bm

信息率失真函数 第4章— 1

信息率失真函数 第4章— 1

② 均方失真: d(ai ,bj ) (ai bj )2
③ 绝对失真: d (ai ,bj ) | ai bj |
④ 相对失真: d (ai ,bj ) | ai bj | / | ai |

误码失真:
d
(ai
,bj
)
(ai
bj
)
0, 1,
ai bj 其他
9
4.1.2 平均失真
• xi和yj都是随机变量,所以失真函数d(xi,yj)也是随 机变量,限失真时的失真值只能用数学期望表示
11
4.1.3 信息率失真函数R(D)
• 若平均失真度 D 不大于我们所允许的失真,即
DD
• 则称此为保真度准则
• 当信源p(xi)给定,单个符号失真度d(xi,yj) 给定时, 选择不同的试验信道p(yj|xi),相当于不同的编码 方法,其所得的平均失真度不同。
• 试验信道
D D 满足保真度准则
D
>D
12
4.1.3 信息率失真函数R(D)
• 满足 D D 条件的所有转移概率分布pij ,构成 了一个信道集合
PD {p(bj | a)i :D D} • D失真允许的试验信道:
– 满足保真度准则的试验信道。
• PD:
– 所有D失真允许的试验信道组成的一个集合。
13
4.1.3 信息率失真函数R(D)
信道容量
• 信道容量:
– 假定信道固定的前提下,选择一种试验信源 使信息传输率最大。
– 它所反映的是信道传输信息的能力,是信道 可靠传送的最大信息传输率。
• 一旦找到了信道容量,它就与信源不再有关, 而是信道特性的参量,随信道特性的变化而变 化。

第7章 信息率失真函数

第7章 信息率失真函数

(7.1.35)
D p(ai ) p (b j ai )d (ai , b j ) D1 (1 ) D2 D (1 ) D D
DD
I ( X ; Y ) R( D) R[ D (1 ) D ]
I ( X ; Y ) I ( X ; Y1 ) (1 ) I ( X ; Y2 ) R( D ) (1 ) R( D )
D E[d (ai , bj )] p(ai ) p(bj / ai )d (ai , bj )
i 1 j 1 n m
(7.1.7)
保真度准则
DD
允许失真
(7.1.8)
对于N次无记忆扩展信源和信道,定义平均失真度为
D( N ) D1 D2
DN Dk
k 1
信 息 价 值
7.4
信道容量与信息率失真函数的比较
7.2.1 离散信源信息率失真函数的参量表达式
p(ai ), d (ai , bj ), p(bj ai ) PD , D D
I ( X ; Y ) p(ai ) p(b j ai ) ln
i 1 j 1
n m
n
m
p(b j ai ) p(b j )
n
m
(7.1.26)
线性分配
0 1, a1 (1 )a2
a1
a2
假定所有Dj中,Ds最小,令
1 p (b j ) 0
js js
j
Dmax min D j
d (a1 , b1 ) d (a1 , b2 ) ... d (a1 , bm ) ... d (an , b1 ) D1 ... d (an , b2 ) D2 ... ... ... ... d (an , bm ) Dm

第四章 信息率失真函数

第四章 信息率失真函数
即:离散无记忆信源的N次扩展信源, 通过离散无记忆信 的N次扩展信道的平均失真度是单符号信源, 通过单符号 信道的N倍。 相应的保真度准则为:
D (N ) ND
例:设信源X取值于{0,1},失真函数数分别
为d(0,0)=d(1,1)=0,d(0,1)=d(1,0)=1.其N=3次
扩展信源的输入X=X1X2X3,经信道传导输 后,输出为Y=Y1Y2Y3,求失真矩阵[D(N)].
译码必定出错。
K L
log 2
m
H
(X
)
2
• 变长编码定理
– 若一离散无记忆信源的符号熵为H(X),对信源 符号进行m元变长编码,一定存在一种无失真
编码方法,其码字平均长度满足下列不等式
1 H(X) K H(X)
log 2 m
log 2 m
信道编码定理
• 信道编码定理:若有一离散无记忆平稳信道,其
那么在允许一定程度失真的条件下,能 够把信源信息压缩到什么程度,也就是,允 许一定程度失真的条件下,如何能快速的传 输信息,这就是本章所要讨论的问题。
1、失真函数
信源
信源 编码
信道 信道 编码
信道 译码
信源 译码
信宿
干扰
根据信道编码定理,我们可以把信道编码、信道和信道 解码等价成是一个没有任何干扰的广义信道,这样收信者收 到消息后,所产生的失真只是由信源编码带来的。我们也可
(N)
I
(X
;Y
)
RN (D) NR(D)
§4.1.3 率失真函数性质
R(D)
连续
H(X)
离散
D D Dmax D
1 定义域:0, Dmax
D=0 R(D)=H(X)

第四章:信息率失真函数

第四章:信息率失真函数



信息率失真函数
R( D)
p ( y j / xi )PD
min I ( X ;Y )
I ( X ; Y ) NR( D)
N N
对于离散无记忆信源的N次扩展信源和离散无记忆 信道的N次扩展信道:
RN ( D)
p (b j / ai )PD ( N )
min
信息率失真函数

在研究R(D)时,引用的条件概率p(y/x)并没有 实际信道的含义。只是为了求平均互信息的 最小值而引用的、假想的可变试验信道。实 际上这些信道反映的仅是不同的有失真信源 编码或信源压缩。所以改变试验信道求平均 互信息的最小值,实质上是选择一种编码方 式使信息传输率最小。
信息率失真函数的性质
基本概念
失真函数与平均失真度
失真函数 常用的失真函数 平均失真度 离散无记忆信道的N次扩展信道的平均失真
基本概念
失真函数
X {x1...xn} Y { y1... ym} P( yj / xi )
对任一 ( xi, yj ) 指定一个非负数d ( xi, yj ) 0 称 d ( xi, yj ) 为单个符号的失真度或失真函数。
p ( xi1 ) p( xiN ) p( y j1 / xi1 ) p( y jN / xiN ) d ( xik , y jk )
i1 1 n iN 1 j1 1 jN 1 k 1
n
m
m
N
p ( xi1 ) p( y j1 / xi1 )d ( xi1 , y j1 ) p( xi2 ) p( y j2 / xi2 ) d ( xi2 , y j2 )
i 1 j 1
n
m
p( xi ) p( y j / xi )d ( xi , y j )

第五章 信息率失真函数

第五章 信息率失真函数

H (Y ) H ( pq pq)
q
1-H(q)
0
0.5
1
p
0.5
1
q
I(X;Y)
H(p)
0
q不变时, I(X;Y)为上凸曲线。p=0.5时有最大值
p不变时, I(X;Y)为下凸曲线。q=0.5时有最小值
【注】
由于平均互信息量I(X;Y)是p(yj|xi)的下凸函数,
所以在PD集合(满足保真度准则的试验信道的集
d K KD (K维信源矢量)
称为保真度准则。
信息率失真函数
如果信源输出的信息率大于信道的传输能力,须对信源进行压
缩,使其压缩后的信息传输速率小于信道的传输能力,同时要保
证压缩所引入的失真不超过预先规定的限度 D(满足保真度准
则)。
信源压缩问题就是对于给定的信源(给定信源概率分布),又
信息率失真理论的基本概念:
在允许传输消息出现一定的失真条件下,传
输该消息所需的信息率(最小值)将会比不允许失
真时小,并且允许的失真度越大,则信息率(最小
值)允许减小的程度就越大。
5.2平均失真和信息率失真函数
实际问题中,信号有一定的失真可以容忍。当失真
大于某一限度后,信息质量将被严重损伤,丧失其实用
失真函数
解:失真矩阵D为:
d11
D
d21
d12 0


d22 1
1
0
消息传输图为:
x
y
0
a1
b1=a1
1
1
a2
b2=a2
0
例2:已知X={0,1,2,3,4,5},Y={0,1,2},X和Y集合符号之间的失真函数值分别

信息率失真函数的定义

信息率失真函数的定义

信源最小平均失真度Dmin
是非负函数d(xi , yj)的数学期望,也是一个非负 D 函数,显然其下限为 0。因此允许平均失真度 。因此允许平均失真度D的下 限也必然是0,这就是不允许有任何失真的情况。 – 允许平均失真度D能否达到其下限值0,与单个符号 的失真函数有关。 – 信源最小平均失真度 Dmin :对于每一个xi,找出一个 yj与之对应,使d(xi , yj)最小,不同的xi对应的最小 d(xi , yj)也不同。这相当于在失真矩阵的每一行找出 一个最小的d(xi , yj) ,各行的最小d(xi , yj)值都不同。 对所有这些不同的最小值求数学期望,就是信源的 最小平均失真度。
(2)若设此信源的失真度为汉明失真。因为是二元信源, 输入是等概率分布,所以信源的信息率失真函数 R(D)=1R(D)=1-H(D) 比特/信源符号 Rt(D)=2.66*R(D) Rt(D)=2.66*R(D) 比特/秒 若当 Ct>=Rt(D ) Ct>=Rt(D) 则此信源在此信道中传输时不会引起错误,也就是不会因信 道而增加信源新的失真。总的信源的失真是信源压缩编码所 造成的允许失真D 所以有 2=2.66*[12=2.66*[1-H(D)] 2.66H(D)=0.66 H(D) ≈ 0.2481 故 D ≈ 0.0415 允许信源平均失真D ≈ 0.0415时,此信源就可以在次信道 中传输。
R ( D)
1 D I (U ;V ) = H (U ) − H (U | V ) = H ( ) − H ( ) 2 α
α
0, D >
α
2
2
A = − , ,失真 = 4.1设无记忆信源 p ( x ) 1 3, 1 3, 1 3 ,接收符号集 2 2 1 2 矩阵 D = 1 1 ,试求:Dmax 和 Dmin及达到 Dmax , 时的转移概率矩 D min 2 1 阵。
  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)。

第四章信息率失真函数(第九讲)(2课时)主要内容:(1)平均失真和信息率失真函数(2)离散信源和连续信源的R(D)计算重点:失真函数、平均失真、信息率失真函数R(D)、信息率失真函数的计算。

难点:信息率失真函数R(D)、信息率失真函数的计算。

作业:4、lo说明:本堂课推导内容较多,枯燥平淡,不易激发学生兴趣,要注意多讨论用途。

另外,注意,解题方法。

多加一些内容丰富知识和理解。

§4-1引言(一)引入限失真的必要性:失真在传输中是不可避免的;接收者(信宿)无论是人还是机器设备,都有一定的分辨能力与灵敏度,超过分辨能力与灵敏度的信息传送过程是毫无意义的;即使信宿能分辨、能判别,但对通信质量的影响不大,也可以称它为允许范围内的失真;我们的目的就是研究不同的类型的客观信源与信宿,在给定的Qos要求下的最大允许(容忍)失真D,及其相应的信源最小信息率R(D).对限失真信源,应该传送的最小信息率是R(D),而不是无失真情况下的信源爛H(U). 显然H(U)2R(D).当且仅当D=0时,等号成立;为了定量度量D,必须建立信源的客观失真度量,并与D建立定量关系;R(D)函数是限失真信源信息处理的理论基础;(二)R(D)函数的定义信源与信宿联合空间上失真测度的定义:d (见叩:t/xV^/r[0,oo)其屮:u*U(单消息信源空I'可)v y eV (单消息信宿空间)则有万=Y工〃(吧称7为统计平均失真,它在信号空I'可屮可以看作一类“距离”,它有性质1〉= 0,当比=Vj2〉min 〃(吧)=°3〉05〃(比/匕)<00对离散信源:i=j=l,2............. n , d(upj) = djj, 则有:d 」0,当;可(无失真) 厂]〉0,当iHj (有失真)若取冷为汉明距离,则有:Jo,当i = j (无失真) 厂[1,当iHj (有失真)对连续信源,失真可用二元函数d(u,v)表示。

推而广之,d(u,v)可表示任何用V 表达U 时所引进的失真,误差,损失,风险,甚至是 主观感觉上的差异等等。

进一步定义允许失真D 为平均失真的上界:D>d =工=工工〃£皿・••对离散• • • •在讨论信息率失真函数时,考虑到信源与信宿之I'可有一个无失真信道,称它为试验信 道,对离散信源可记为p 〃,对限失真信源这一试验信道集合可定义为:P D =\P ji -D>d = YLP :P J^根据前面在互信息中已讨论过的性质:1(U\ I,p ;j\且互信息是门的上凸函数,其极限值存在且为信道容量:C = max/(卫: p< •这里,我们给出其对偶定义:R(D)= mi 1Y U # ) m"pQp2,_ DPj f P D陆 j i P D即互信息是◎的下凸函数。

其极限值存在且为信息率失真函数。

它还存在下列等效定义:D(R) = minD>d =工工门叽<P 泸 P Ri JP R = {© : /(t/;V) < R (给定速率)}称D(R)为失真信息率函数,是R(D)的逆函数,它是求在允许最大速率情况下的最大 失真Do 至此,我们已给定R(D)函数一个初步描述。

则有:d(u. v)= (w-仍 H= \u-v由定义,R(D)函数是在限定失真为最大允许失真为D时信源最小信息速率,它是通过改变试验信道/乙•特性(实际上是信源编码)來达到的。

所以R(D)是表示不同D值时对应的理论上最小信息速率值。

然而对于不同的实际信源,存在着不同类型的信源编码,即不同的试验信道特性并可以求解出不同的信息率失真R7D)函数,它与理论上最佳的R(D)之间存在着差异,它反映了不同方式信源编码性能的优劣,这也正是R(D)函数的理论价值所在。

特别对于连续信源,无失真是毫无意义的,这时R(D)函数具有更大的价值。

例:若有一个离散、等概率单消息(或无记忆)二元信源:p(如(叮,且采用[0, 当u i = u .汉明距离作为失真度量标准:即尙= 业•若有一具体信源编码方案为:N个[1, 当均工Uj码元中允许错一个码元,实现时N个码元仅送N・1个,剩下一个不送,在接收端用随机方式决定(为掷碾币方式)。

此时,速率R'及平均失真D相应为:R W以符号”丄厶丄,N 2 2N.・. /?'(D) = 1-丄= l-2x —= 1-2DN 2N若已知这一类信源理论上的R(D)= H^-y- H(D:(后面将进一步给出计算),则有阴影范围表示实际信源编码方案与理论值间的差距,我们完全可以找到更好,即更靠近理论值,缩小阴影范围的信源编码,这就是工程界寻找好的信源编码的方向和任务。

§4-2 R(D)函数的性质讨论R(D)性质以前先简要介绍R(D)的定义域。

对离散:[0,%]对应R(D)值:7?(0)= max/? Q 尹H 0R(DQ = min R(D),即当7? t (出寸功直。

对连[D min,Dj/?(D m in) = H c(P)=0CR(DQ = min R(D),即当R t OH 寸R(D)函数性质可用下列定理总结:定理4 — 2—1:对离散、单个消息限定失真信源,其R(D)函数满足下列性质:(1)R(D)是D的下凸(U)函数;(2)R(D)是D的单调非增函数;(3)R(D)是D的连续函数;(4)/?(Z) = 0) = //(/?);证明:(1)证明思路:根据R(D)函数定义,与下凸函数定义,只需证明:何D" = 0D+ (1 -&)/)”] < 刃?(D) + (1 -〃)/?(/)“)首先证玖已P^,再利用互信息对坨•的下凸性。

即:若用P;与磅表示达到R(DJ与R(D「时的条件分布,且磅=昭・+(1 -0)弓则有:万(圧)=工2>%广工2>砂+(1-&)空4・・• •J 丿I J〃工2>加力(1-&E工矿尸"O• •• •J f J= 0d( (40 飞“ D二&(1 P) 〃这里d(P^)<D\ d(P^<D u由存={厅:2(用)SZ/}可得马丘依再利用互信息对号,•的下凸性,有W min /(门;硝)"S;硝)"/(门;匕)+ (1-0"(门;巧)= 0R(DJ + Q — 0)R(D「(2)设 D 2 >D }则 Pg o P D[min/(A ;P,.)<min/(A ;^) R(D»R(DJ即R(D)是D 的单调非增函数。

(3)设 D l =D+8 当5T 0 DI D°由匕定义,有P L y P D o 同时,由于I(Pj ;Pj)是匕连续函数。

即当 5P.. TO,有+5匕•)T/S;©)的连续函数。

小毗;常,/?(0) = /(□;©)二 H(p)§4-3离散信源R(D)函数计算:/?(£))= m i/np^pPj fP D可见,求解R(D)实质上是求解互信息的条件极值,可采用拉氏乘子法求解。

但是,在 一般情况下只能求得用参量 (R(D)的斜率S)來描述的参量表达式,并借助计算机进行 迭代运算。

由信道容量C 与R(D)数学上对偶关系:C = max /(X ;y ) R(D) = min /(t/;V)PiP ji ePD其迭代运算与求信道容量迭代运算相仿的。

在正式讨论R(D)迭代运算前,这里,我们 先介绍特殊情况下的R(D)计算。

具有等概率、对称失真信源的R(D)计算:例1:有一个二元等概率平稳无记忆信源U,且失真函数为:/. R(D 、= min PEg ; P"+5PQ t R(D) = min 畑匕)即 R(D) T R(D) , R(D)是 D(4)当£) = 0 ,即无失真时,址o 片——对应I(piQj) EZpAiog^Pi~dr00、«;)= 1 1k°°°>试求其R(D)=?解:由:聞=工工卩时• •上式中,已知:Pj =片,D (允许失真)给定。

则P. -------- 对应。

这时,由概率归一性,可进一步假设:(A \-A 0、Pji~[o \-A 外0<^ A可见:<11 — ACO O 0代入上述公式,有D 二工工PiP£「 J= -[Ax0 + 0xoo + (l-A)xl] + i[0xoo+Ax0 + (l-A)xl]再将它代入转移概率公 2 2= |(1-A) + 1(1-A) = (1-A)式中:fl-D D 0 、 Pji_〔0 D 1 — pm q •产 得:(幻)=(字,。

三2)则: \-D H(V) = H(qj ) = H(——,D \-D2H(V/U) = H(PjJ = H(\- D D)R(D) = I(U;V)\D ^=[H(V)-H(V/U)]\D ^\-D\-D = H(—,A —)-H(l-D,D)=(1 - D) log 2-(l-D) log(l-D) + (l-D)log(l- D)= (l-£>)log2例2:若有一个,2元等概率、平稳无记忆信源且规定失真函数为:试求R(D)=? 解:(%) =1、n-l<■>(©) =( \A1-" n-l由门=丄,求得 n11-AA(斤—1丿< H-l丿=—2x1_£>log-―—-£>log£> + (l-D) log(l-£>) + £> log D 0 1Gj = n-\■1 n-i 0n-l 1 n-l ■Axl + /?x — xO = l- An(n-l) n1 ——1 2nqj=》PiPji =-|lxn +(A2-l)x-― \ = -q=^ p.p =-|lxn +(A2-l)x-― ]=- : n n-l n :n n-l nR(D) = W;V)|D鉀可H(幻)-H(©)]D参量i-AD二工工门叽• •f JR(D) = /Q ;V )|° 参厳=[H(乞) — //(£•)]血= log H + (l-D)10g(l-O) +(H-l)——log ——-n-1 n-\ =log n 一 H(D,\-D)-D log(n 一 1)1ft « = 2, 4, 8,有由上图可见 无失真D = 0时n = 8, R(0) = H(p) = 3bit , n = 4, R(0) = H(p) = 2bi , n = 2, R(0) = H(p) = ]bit , 有失真,比如0 = 0.2时n =压缩比:K, = °AOBn = 4,压缩比:K 4 = OCOD n = 2, 压缩比:K°= °EOF显然 ①K 2>K 4>K^进制〃越小,压缩比K 越大; ②Of, KT,但相对关系不变,允许失真D 越大,压缩比亦越大。

相关文档
最新文档