信道容量的计算

巡山小妖精
823次浏览
2021年01月05日 17:05
最佳经验
本文由作者推荐

图片背景-四边形的认识

2021年1月5日发(作者:阳翰笙)


§4.2信道容量的计算
这里 ,我们介绍一般离散信道的信道容量计算方法,根据信道容量的定义,就是在固定
信道的条件下,对所有 可能的输入概率分布
P(x)
求平均互信息的极大值。前面已知
I

X;Y

是输入概率分布的上凸函数,所以极大值一定存在。而
I(X;Y)

r
个变量
{p(x
1
),p(x
2
),p(x
r
)}
的多元函数。并且满足

p(x
i
)1< br>。所以可用拉格朗日乘子法来
i1
r
计算这个条件极值。引入一个函数:
I(X;Y)



p(x
i
)[I(X;Y)


p(x)
解方程组
i
i
p(x
i
)]
i
p(x
i
)
0



p(x)1
(4.2.1)
i
i
可以先解出达到极值的概率分布和拉格朗日乘子

的值,然后在解出信道容量
C
。因

rs
I(X;Y)

p(x
i
)Q(y
i
x
i
)log
i1j1
Q(y
i
x
i
)

p(y
i
)

p(y
i
)

p(x
i
)

p(x)Q(y
i
i1
r
i
x
i< br>)
,所以
Q(y
i
x
i
)
p(y
i
)

logp(y
i
)(
p

e
(x
i
)
lnp(y
i
))logloge

解(4.2.1)式有
Q(y
i
x
i
)
rsQ(y
i
x
i
)
Q(y
i
x
i
)log

p(x
i
)Q(y
i
x
i
)loge

0


p(y)p(y)
j1i1j1
ii
s
(对
i1,2,,r
都成立)
又因为


p(x)Q(y
k
k1
s
j
r
k
x
k
)p(y
j
)

Q(y


j1
x
i
)

1,i

1,2,

,r

所以(4.2.1)式方程组可以转化为


Q(y
j
x
i
)log
j1
r
s
Q(y
j
x
i
)
p(y
j
)



loge(i

1,2,

,r)



p(x)1

i
i 1


假设使得平均互信息
I(X;Y)
达到极值的输入概率分布
{p
1
,p
2
,p
r
}
这样有


p(x
i
)Q(y
j
x
i
)log< br>i1j1
rs
Q(y
j
x
i
)
p(y< br>j
)


loge

从而上式左边即为信道容量,得

C

loge

现在令

I(x
i
;Y)

Q(y
j
x
i
)log
j1
s
Q(y
j
x
i
)
p( y
j
)

式中,
I(x
i
;Y)
是输出端 接收到Y后获得关于
Xx
i
的信息量,即是信源符号
Xx
i对输
出端Y平均提供的互信息。
一般来讲,
I(x
i
;Y)< br>值与
x
i
有关。根据(4.2.2)式和(4.2.3)式,

I(x
i
;Y)C

(i1,2,,r)

所以对于一般离散信道有如下定理。
定理4.2.1 一般离散信道的平均互信息
I(X;Y)
达到极大值(即等于信道容量)的充
要条件是输入概率分布
{p(x1
),,p(x
n
)}
满足

(a)

I(x
1
;Y)C
对所有的
x
i
,p(x
i
)0


(b)

I(x
i
;Y)C
对所有的
x
i
,p(x
i
)0

这时C就是所求的信道容量。
对于离散信道来说,其实信道容量还有一个解法:迭代解法。
定理4.2.2 设信道的向前转移概率矩阵为
Q(Q(y
j
x
i
))
KJ

P
是任给的输入字母的
一个初始概率分布, 其所有分量
P
0
(x
k
)0
。按照下式不断地对概率分布 进行迭代,更新:
0
P(x
k
)P(x
k
)

r1r

k
(P
r
)

P(x)

(P)

rr
ii
i1
r
K
其中

k
(P
r
)exp[I(Xx
k
;Y)]< br>PP



Q

y
j
x
i



J

exp


Q

y
j
x
k

log
K

r

j1

PQ

y
j
x
i





i1



r
由此所得的
IP,Q< br>序列收敛于信道容量C。

我们还可以将上述过程写成算法以便编制程序实现(如图4.2.1)

I
L
log{

P(x)

k
k1< br>K
k
(P)}


I
U
log{max

k
(P)}

k

开始



I
L
log{

P(x
k
)

k
(P)}

k1
K
P
0
P

I
U
log{max

k
(P)}

k

k
(P)



I
L
(P)


I
U
(P)






I
U
I
L








CI
L







图4.2.1 信道容量的迭代算法
对于一些特殊的离散信道,我们有方便的方法计算其信道容量。

(P)
P (x)P(x)

1
P(x)

(P)

定义4.2.1 设X和Y分别表示输入信源与输出信源,则我们称
HXY
为损失熵 ,

H

YX

为信道噪声熵。
如果信道的损失熵
HXY0
,则次信道容量为



C

maxI

X;Y

max

H(x)H

XY

maxH(X)1ogr
(bit符号 )这里输入
P(x)P(x)P(x)
信源X的信源符号个数为
r

如果信道的噪声熵
HYX0
,则此信道容量为

C
 
maxI

X;Y

maxH(Y)logs
(b it符号)
P(x)P(x)
这里输出信源符Y的符号个数为s.
定义4.2.2 一个信道Q称为对称离散信道,如果它满足下面的性质:
(1)信道Q矩阵中每一行是另一行的置换;
(2)每一列式另一列的置换。
例如,信道矩阵

1

Q

3
1



6
1
3
1
6
1
6
1
3

1
1




2
6

1
1


Q


6

3


1

3
1
3
1
2
1
6
1

6

1



3
1

2

满足对称性,所以对应信道是对称离散信道。
定义4.2.3 对称离散信道的信道容量为

2

,

,P
s


(bit符号)

ClogsH

P
1
,P

2

,,P
s

}
和输 出符号集的个数s有关。 上式只与対称信道矩阵中行矢量
{P
1
,P
证明
I(X;Y)H(Y)HYX


HYX


P(x)

P

yx

log
1

p

yx

xy



P(x)H

YXx


x
由于信道的对称性,所以
HYXx

x
无关,为一常熟,即
 

2

,

,P
s





Cmax

H(Y) H

P
1
,P
P(x)

2

, ,P
s

)

logsH(P
1
,P
接着举一个例子加以说明。
例4.2.1 某对称离散信倒的信道矩阵为

1


3

P

1


6
1
3
1
61
6
1
3
1


6


1


3


用公式计算信道容量

Clog4H(,,,)


2

log
1111
3366

1

3
1111111

logloglog


3336666


0.0817
(bit符号)
定义4.2.3 若信道矩阵Q的列可以划分成若 干互不相交的子集矩阵
B
K
,即
B
i
B
j


,(ij)

B
1
B
2
 B
n
Y
。由
B
K
为列组成的矩阵
Q
k< br>是对称矩阵,
则称信道矩阵Q所对应的信道为准对称信道。
例如,信道矩阵

1


3

P
1


1


6
1
3
13
1
6
1
6
1


6

0.70.10.2



P

2

0.20.10.7


< br>
1


3

都是准对称信道,在信道矩阵
P
1
中,Y可以划分为三个子集,由子集的列组成的矩阵


1


3



1


6
1


6



1


3


1



3




1



3


1


6




1



3

它们满足对称性,所以
P
1
对应的信道是准对称信道。同理
P
2
可划分为




0.70.2





0.20.7


0.1



0. 1




这两个矩阵也满足对称性。
下面,我们给出准对称离散信道的信道容量计算公式

2

,,P
s

)

ClogrH(P
1
,P

N
k1
n
k
logM
k


2

,,P
s
)
为准对称信道矩阵中的行矢量。设矩阵可其中,
r
是输入符号集的个 数,
(P
1
,P
划分为
n
个互不相交的子集。
N< br>k
是第
k
个子矩阵
Q
k
中行元素之和,
M< br>k
是第
k
个子矩

Q
k
中列元素之和,即

N
k

yY
k
P

yx


i



M
k


P

yx

,y

Y,(k

1,2,

,n)

ik
x
并且可以证明达到准对称离散信道容量的输入分布式等概分布,我们将推导作为习题留
给读者 。
例4.2.2 设信道传递矩阵为
0 0
p

1pqq
1-p-q


P


pq1pq



q
可表示成如图4.2.2所示,计算其信道容量
p
根据上面计算公式可得

N
1
1q,N
2
q


p 2
M
1
1q,M
2
2q


q
则有


Clog2H(1pq,q,p)

1-p-q
1 1

(1q)log1(q)qlog2q


plogp(1pq)log1(pq)(1q)log
下面我们举一些其他 信道容量的例子
例4.2.3 设离散信道如图4.2.3所示,输入符号集为
{a
1
,a
2
,a
3
,a
4
,a
5
}
,输出符号
集为
{b
1
,b
2
}
,信道 矩阵为
2
图4.2.2
1q
X

Y

a
1

a
2

b
1

a
3

a
4

b
2

a
5

图4.2.3



1< br>

1


P

1

2


0



0
0


0


1


2


1


1


a
5
由于输入符号
a
3
传递到
b
1

b
2< br>是等概率的,所以
a
3
可以省去。而且
a
1
,a2

a
4

都分别传递到
b
1
b
2
,因此可只取
a
1

a
5
,所以 设输入概率分布
P(a
1
)P(a
5
)
1
,< br>2
P(a
2
)P(a
3
)P(a
4
) 0
,可以计算得
P(b
1
)P(b
2
)

I(xa
1
;Y)I(xa
2
;Y)log2


I(xa
4
;Y)I(xa
5
;Y)log2


I(xa
3
;Y)0

可见,此假设分布满足定理4.2.1,因此,信道容量

Clog21
(bit符号)
1
,由定理4.2.1得
2
1
,p(a
2
)P(a
3
)P(a
4
)0

2
1
若设输入分布为
P(a
1
)P( a
2
)P(a
4
)P(a
5
),P(a
3< br>)0
。同理可得
4
1
P(b
1
)P(b
2
)
,根据定理4.2.1有
2
最佳分布是
P(a
1
)P(a
5
)

I(x
i
;Y)log2

(x
i
a< br>1
,a
2
,a
4
,a
5
)


I(x
i
;Y)log2

(x
i
x
3
)

从而,输入分布
P(a
1
)P(a
2
)P(a
4
)P(a
5
)
1
,P(a
3
)0
也是最佳分布,可
4
见 ,信道最佳输入分布不是唯一的。
对于一般的离散信道,我们很难利用特殊计算方法,因此只能采用解 方程组式
(4.2.2)的方法。
我们将(4.2.2)式的前r个方程组改写成


Q

yx

log

yx
< br>

Q

yx

logP(y)C

iiiiiii
j1j1
ss

(i1,2,,r)


移项后得


Q

yx


ClogP(y)
< br>

Q

yx

logQ

yx< br>

jijjiji
j1j1
ss

(i1,2,,r)



j
ClogP(y
j
)
,代入上式得


Q

yx




Q

yx

log

yx


jijjiji
j1j1
ss

(i1,2,,r)

化为矩阵形式为

H

Yx
1




1




H

Yx
2




2


Q













H

Yx


r


s

这是含有
s
个未知数

j
,r
个方程的非齐 次线性方程组。
如果设
rs
,信道矩阵
Q
为非奇异矩阵,则此方 程组有解,并且可以求出

j
的数
值,然后根据

P

y

1
求得信道容量
j
j1
s

Clog

2
j

j
(bit符号) 由这个
C
值可解得对应的输出概论分布
P(y
j
)


P(y
j
)2
r

j
C

(j1,2,,s)

再根据
P(y
j
)
< br>分布
{P(x
i
)}


P(x)Q
< br>yx

,j

1,2,

s,
即可解出达到 信道容量的最佳输入
iji
i1
下面给出一例。
例4.2.4 设离散 无记忆信道输入
X
的符号集为
{a
1
,a
2
,a< br>3
,a
4
}
,输出
Y
的符号集为
{b
1
,b
2
,b
3
,b
4
}
,如图4.2 .4所示。其信道矩阵为




1
< br>
2

0

Q

0


1



4
1
4
1
0
0
0
0
1
1
4
1


4

0



0



1


2

b
1


X

Y


a
1
12
14 14

a
2
1
b
2



a
3
1
b
3

14 14

a
4
12
b
4


我们才用上面所讲的方法来计算信道容量:

111111111

1


2


4
logloglo g

244224444


2
0



3
0


111111111

1


3


4
logl oglog

444444422
解方程组得

2
< br>
3
0;

1


4
2;< br>
信道容量
Clog
2
(2222)log
2
51
(bit符号)
又求得输出分布

P(b
1
)P(b
4
)2

P(b
3
)P(b
2
)
因此可以求得最佳输入分布为

P(a
1
)P(a
4
)
(2log
2
51)
2002

1

10
4

10
4

30



P(a
2
)P(a
3
)
11

30
例4.2.5 设有两个独立并联信道如图4.2.5,计算它的信道容量。

X
1

信道

Y
1

1

Qy
1
x
1




X
2

信道

2

Y
2


Qy
2
x
2



解 根据定理4.1.1有

I (X
1
X
2
;Y
1
Y
2
)


I(X;Y)

ii
i1
2
即联合平均互信息 不大于各自信道的平均互信息之和,因此得到独立并联信道的信道容量为

C
1,2
maxI(X
1
X
2
;Y
1< br>Y
2
)
p(x
1
x
2
)

C

i
i1
2

C
i
max I(X
i
,Y
i
)
,是个独立信道的信道容量。
p(x
i
)
只有当输入符号
x
i
互相独 立,且输入符号
x
i
的概率分布达到各子信道容量的概率分布
时,独立并联信 道的信道容量才等于各信道容量之和,即

C
1,2


C
i1
2
i

这个方法推广到N个独立并联信道容量的计算,即有

C
1,2,

,N

p(x
1
x
2

x
N
)
maxI(X
1
X
2

X
N
;Y
1
Y
2

Y
N
)

C
i

i1
N
对于信道Ⅰ和Ⅱ,我们将它串联起来组成新的信道(如图4.2.6)

X 信道 Y Z
信道Ⅰ 信道Ⅱ

图4.2.6
则此信道容量为
C

(,)maxI(X;Z)

p(x)
例4.2.6 设有两个离散二元对称信道(BSC信道),其串联信道如图4.2 .7,并设第一
个信道输入符号集的概率空间为


0,

X






P(x)




1
,

2
1

1



2



X







Y









Z


道 Ⅰ
道 Ⅱ

图4.2.7
而两个信道的信道矩阵分别为

Q
1
Q
2



p

所以串联信道总的信 道矩阵为

1pp



1p


2p(1p)



22< br>
(1p)p


(1p)
2
p
2

QQ
1
Q
2



2p(1p)

根据平均互信息定义

I(X;Y)1H(p)
(bit符号)

I(X;Z)1H[2p(1p)]
(bit符号)
其中,
I (X;Y)I(X;Z)
(根据信息不增原理)。因此,当串联信道数目越多时,损失的信
息 越多,可证:
limI(X;X
n
)0

n
对于本例中两个串联的二元离散对称信道,其信道容量为

C

(,)maxI(X;Z)1H(2p(1p))
(bit符号)
p(x)

质量考核办法-梁静茹歌


暴走漫画动画-应用伦理学


argued-如同悲伤被下载了两次


背对背拥抱林俊杰-一个人旅行


草本植物有哪些-七年级信息技术课件


鸡肉炖蘑菇-最美女医生


打拼5-四年级科学上册教案


可爱图-邪道沧桑