第5章限失真信源编码
合集下载
第5章无失真信源编码定理

如果我们要对信源的N次扩展信源进行编码,也必须满足
qN rl , 两边取对数得: l log q
l
N log r
N 表示平均每个信源符号所需的码符号个数。
5.2 等长码
例:对英文电报得32个符号进行二元编码,根据上述关系:
l log 32 5 log 2
我们继续讨论上面得例子,我们已经知道英文的极限 熵是1.4bit,远小于5bit,也就是说,5个二元码符号只携带 1.4bit的信息量,实际上,5个二元符号最多可以携带5bit 信息量。我们可以做到让平均码长缩短,提高信息传输率
0.8112
0.4715
若采用等长二元编码,要求编码效率 0.96 ,允许错误率
105 ,则: N 4.13107
也就是长度要达到4130万以上。
5.5 变长码
1、唯一可译变长码与及时码
信源符号 出现概率 码1
码2
码3
码4
s1
1/2
0
0
1
1
s2
1/4
11
10
10
01
s3
1/8
00
00
密码:是以提高通信系统的安全性为目的的编码。通常通过加 密和解密来实现。从信息论的观点出发,“加密”可视为增熵 的过程,“解密”可视为减熵的过程。
5.1 编码器
信源编码理论是信息论的一个重要分支,其理论基础是信源编 码的两个定理。 无失真信源编码定理:是离散信源/数字信号编码的基础; 限失真信源编码定理:是连续信源/模拟信号编码的基础。
5.1 编码器
信源编码:以提高通信有效性为目的的编码。通常通过压缩信 源的冗余度来实现。采用的一般方法是压缩每个信源符号的平 均比特数或信源的码率。即同样多的信息用较少的码率传送, 使单位时间内传送的平均信息量增加,从而提高通信的有效性。
第5章 限失真信源编码

R(D) min I(X ;Y) min
Pij PD
Pij PD
n i1
m j 1
p(xi
)
p( y
j
/
xi
) log
p(y j / p( y j
xi) )
其单位是比特/信源符号。
应当注意,在研究R(D)时,我们引用的条件概 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
第5章 限失真信源编码
1. 信息率失真函数
2. 限失真信源编码定理
3. 常用信源编码方法
第三章我们讨论了无失真信源编码。但是,在很多 场合,特别是对于连续信源,因为其绝对熵为无限 大,若要求无失真地对其进行传输,则要求信道的 信息传输率也为无限大,这是不现实的。因此也就 不可能实现完全无失真传输。
显然或者是最小值不变,或者是变小了,所以 R(D)是非增的。
关于R(D)的连续性,这里我们就不再证明了。 所以,R(D)有如下基本性质: • R(D) 0,定义域为 0 ~ Dma,x 当 D Dm时ax ,
R(D)=0。 • R(D)是关于D的连续函数。 • R(D)是关于D的严格递减函数。
因此,当规定了允许失真,又找到了适当的失真
函数 dij ,就可以找到该失真条件下的最小信息
率R(D),用不同的方法进行数据压缩时(在允 许的失真限度D内),其压缩的程度如何,可以 用R(D)来衡量。由它可知是否还有压缩潜力, 有多大的压缩潜力。因此,有关R(D)的研究也 是信息论领域的一个研究热点。
0 1
1 0
求 Dmax
解:Dmax min d ' ( y) min p(x)d (x, y)
信息论与编码第5章限失真信源编码

4 1 0
第一节 失真测度
• 以上所举的三个例子说明了具体失真度的定义. 一般情况下根据实际信源的失真, 可以定义不同 的失真和误差的度量.
• 另外还可按照其他标准, 如引起的损失、风险、 主观感受上的差别大小等来定义失真度d(ui,vj).
• 从实用意义上说, 研究符号实际信源主观要求的、 合理的失真函数是很重要的.
第一节 失真测度
设信源变量为U={u1,…,ur}, 接收端变量为 V={v1,…,vs}, 对于每一对(u,v), 指定一个非负 函数
d(ui,vj)≥0 称为单个符号的失真度(或称失真函数). 失真函数用来表征信源发出符号ui, 而接收端再现 成符号vj所引起的误差或失真. d越小表示失真越小, 等于0表示没有失真.
➢ 应该指出, 研究R(D)时, 条件概率p(v|u)并没有 实际信道的含义. 只是为了求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最 小值, 实质上是选择编码方式使信息传输率为最小.
率失真理论与信息传输理论的对偶关系
– 接收端获得的平均信息量可用平均互信息量I(U;V)表示;
– 这就变成了在满足保真度准则的条件下 D D 找平均互信息量I(U;V)的最小值.
,寻
– 因为BD是所有满足保真度准则的试验信道集合, 即可以 在D失真许可的试验信道集合BD中寻找某一个信道 p(vj|ui), 使I(U;V)取最小值.
本章所讨论的内容是量化、数模转换、频带 压缩和数据压缩的理论基础.
前言
本章主要介绍信息率失真理论的基本内容, 侧 重讨论离散无记忆信源.
首先给出信源的失真度和信息率失真函数的定 义与性质, 然后讨论离散信源的信息率失真函数计 算. 在这个基础上论述保真度准则下的信源编码定 理.
第一节 失真测度
• 以上所举的三个例子说明了具体失真度的定义. 一般情况下根据实际信源的失真, 可以定义不同 的失真和误差的度量.
• 另外还可按照其他标准, 如引起的损失、风险、 主观感受上的差别大小等来定义失真度d(ui,vj).
• 从实用意义上说, 研究符号实际信源主观要求的、 合理的失真函数是很重要的.
第一节 失真测度
设信源变量为U={u1,…,ur}, 接收端变量为 V={v1,…,vs}, 对于每一对(u,v), 指定一个非负 函数
d(ui,vj)≥0 称为单个符号的失真度(或称失真函数). 失真函数用来表征信源发出符号ui, 而接收端再现 成符号vj所引起的误差或失真. d越小表示失真越小, 等于0表示没有失真.
➢ 应该指出, 研究R(D)时, 条件概率p(v|u)并没有 实际信道的含义. 只是为了求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最 小值, 实质上是选择编码方式使信息传输率为最小.
率失真理论与信息传输理论的对偶关系
– 接收端获得的平均信息量可用平均互信息量I(U;V)表示;
– 这就变成了在满足保真度准则的条件下 D D 找平均互信息量I(U;V)的最小值.
,寻
– 因为BD是所有满足保真度准则的试验信道集合, 即可以 在D失真许可的试验信道集合BD中寻找某一个信道 p(vj|ui), 使I(U;V)取最小值.
本章所讨论的内容是量化、数模转换、频带 压缩和数据压缩的理论基础.
前言
本章主要介绍信息率失真理论的基本内容, 侧 重讨论离散无记忆信源.
首先给出信源的失真度和信息率失真函数的定 义与性质, 然后讨论离散信源的信息率失真函数计 算. 在这个基础上论述保真度准则下的信源编码定 理.
第5章限失真信源编码.

第5章 限失真信源编码
例 题:
0 1 1/2 删除信道 X {0 , 1} , Y {0 , 1, 2} , D ,求 Dmin 1 0 1/2
5.2 信息率失真函数
第5章 限失真信源编码
5.2.1 信息率失真函数的一般概念
如果信源和失真度给定,则根据式( 5-3) , D 就只与信道特性有关,把所有满足保真度 准则 D ≤ D 的信道集中起来,构成一个所谓 D 失真允许的试验信道集合,记为 PD ,即:
PD = p( y j | xi ); D ≤ D ; i = 1 , 2 , , m ; j = 1 , 2 , ,n
yn p( y 2 ) p( y n ) y2
对于每一对 ( xi , y j ) ,指定一个非负的函数 d ( xi , y j ) ≥ 0, i 1 , 2 , , m ; j 1 , 2 , , n , 称 d ( xi , y j ) 为单位符号的失真度或失真函数,用它来表示信源发出一个符号 x i ,而在接收端再 现为 y j 所引起的误差或失真的大小。通常较小的 d 值代表较小的失真,而 d ( xi , y j ) 0 表示没 有失真。由于信源 X 有 m 个符号,信道传输 Y 有 n 个符号,所以 d ( xi , y j ) 有 m n 个,这 m n 个非负的函数可以排列成矩阵形式,即:
第5章 限失真信源编码
汉明失真矩阵 D 通常为方阵,且对角线上的元素为 0。即:
0 1 D 1
D 是 m m 阶方阵。
例 题:
1 1 1 0 1 1 1 1 0
设信道输入 X {0 , 1} ,输出 Y {0 , 1 , 2} ,规定失真函数 d (0 , 0) d (1 , 1) 0 , d (0 , 1) d (1 , 0) 1 , d (0 , 2) d (2 , 0) 0.5 ,求 D 。 解:由失真函数和失真矩阵可得出:
第五章信源编码(编码定义及定长编码)

所以送一个信源符号x需要的平均信息率为:
K KL logm L
信息率最小就是找到一种编码方式使
KL logm L
最小。
5.2.1定长编码定理
定义:各个码字码长都相等的码 定长码中每个码字长度相等,所以只要定长码是非奇异
码,则必为唯一可译码
非奇异码 唯一可译码
即时码
非奇异码 唯一可译码
即时码
变长码
等长码
消息
概率
C1
C2
C3
C4
C5
C6
u1
1/2
000
0
0
0
1
01
u2
1/4
001
01
10
10
000
001
u3
1/16
010
011
110
1101 001
100
u4
1/16
011
0111 1110 1100 010
101
u5
1/16
100
01111 11110 1001 110
110
u6
1/16
101
解码:按照码符号的顺序,从根节点依次查询到终端节点,就得到对应的 信源符号。再从根节点对剩下的码符号序列做相同的处理,直到处理完码 符号序列中所有的码符号
对应表中的码4分析
A01Fra bibliotek01
1
0
0
1
0
10 1
0
1
000
001 010
011 100 101 110
111
一阶节点 二阶节点 三阶节点
唯一可译码存在的充要条件
我们之后介绍的是二元信道中的编码。
第5章2无失真和限失真信源编码

i 1 2
28
5.2.3
最佳变长编码
最佳变长编码 凡是能载荷一定的信息量,且码字的 平均长度最短,可分离的变长码的码字集 合称为最佳变长码。
29
5.2.3
最佳变长编码
能获得最佳码的编码方法主要有:
香农(Shannon)
费诺(Fano)
哈夫曼(Huffman)等
30
5.2.3
最佳变长编码
2
2.83
7.11
Pe=0.04 太大
16
5.2.1
定长编码定理
0.28
H(X ) = 0.90, H(X )
2 8 i 1
( X ) D[ I ( xi )] pi (log pi ) 2 [ H ( X )]2 7.82(bit) 2
若要求译码错误概率 10-6
对于平均符号熵为 HL(X) 的离散平稳 无记忆信源,必存在一种无失真编码方法, 使平均信息率满足不等式
H L (X) K H L (X)
其中为任意小正数。
20
5.2.2
变长编码定理
用变长编码来达到相当高的编码效率, 一般所要求的符号长度 L可以比定长编码小得 多。 编码效率的下界:
编码。
12
5.2.1
定义
定长编码定理
H L ( X) K
为编码效率,即信源的平均符号熵为H(X), 采用平均符号码长为 来编码,所得的效 K 率。 编码效率总是小于1,且最佳编码效率为
H L ( X) , 0 H L ( X)
13
5.2.1
定长编码定理
编码定理从理论上阐明了编码效率接 近1的理想编码器的存在性,它使输出符号 的信息率与信源熵之比接近于1,即
28
5.2.3
最佳变长编码
最佳变长编码 凡是能载荷一定的信息量,且码字的 平均长度最短,可分离的变长码的码字集 合称为最佳变长码。
29
5.2.3
最佳变长编码
能获得最佳码的编码方法主要有:
香农(Shannon)
费诺(Fano)
哈夫曼(Huffman)等
30
5.2.3
最佳变长编码
2
2.83
7.11
Pe=0.04 太大
16
5.2.1
定长编码定理
0.28
H(X ) = 0.90, H(X )
2 8 i 1
( X ) D[ I ( xi )] pi (log pi ) 2 [ H ( X )]2 7.82(bit) 2
若要求译码错误概率 10-6
对于平均符号熵为 HL(X) 的离散平稳 无记忆信源,必存在一种无失真编码方法, 使平均信息率满足不等式
H L (X) K H L (X)
其中为任意小正数。
20
5.2.2
变长编码定理
用变长编码来达到相当高的编码效率, 一般所要求的符号长度 L可以比定长编码小得 多。 编码效率的下界:
编码。
12
5.2.1
定义
定长编码定理
H L ( X) K
为编码效率,即信源的平均符号熵为H(X), 采用平均符号码长为 来编码,所得的效 K 率。 编码效率总是小于1,且最佳编码效率为
H L ( X) , 0 H L ( X)
13
5.2.1
定长编码定理
编码定理从理论上阐明了编码效率接 近1的理想编码器的存在性,它使输出符号 的信息率与信源熵之比接近于1,即
[工学]信息论与编码_第5章有失真信源编码
![[工学]信息论与编码_第5章有失真信源编码](https://img.taocdn.com/s3/m/47bf031b2f60ddccdb38a022.png)
D D.
13
5.1 信息率失真函数
有失真信源编码器模型
X
信源编码器
Y
xi{a1,,an}
yj{b1,,bm}
假想信道
信源编码器 有干扰的假想信道 信息传输率R I(X;Y)
14
5.1 信息率失真函数
nm
D
p(ai ) p(bj | ai )d (ai , bj )
例5.1.1. 设信源符号X{0,1}, 编码器输出符号Y{0,1,2}, 规定失真函数为
d(0,0 )= d(1,1)=0 d(0,1 )= d(1,0)=1 d(0,2 )= d(1,2)=0.5 则失真矩阵为
d
0 1
1 0
0.5
0.5
.
6
a1
b1
a2
b2
an
bn
1
0 i j
8
5.1 信息率失真函数
均方失真: d(xi , yj ) (xi yj )2 绝对失真: d(xi , y j ) | xi y j |
相对失真: d(xi , y j ) | xi y j | | xi | 误码失真(适用于离散信源):
适用于连续信源
0,
i1 j1
若p(ai)和d(ai,bj)已定,则平均失真由信道转移概率{p(bj|ai)} 完全确定,所有满足平均失真小于等于门限D的信道集合
PD p(bj | ai ) : D D,1 i n,1 j m
15
5.1 信息率失真函数
信息率失真函数
R(D) min I (X ,Y ) PD
允许压缩信源输出的信息率。
研究内容:信息率
13
5.1 信息率失真函数
有失真信源编码器模型
X
信源编码器
Y
xi{a1,,an}
yj{b1,,bm}
假想信道
信源编码器 有干扰的假想信道 信息传输率R I(X;Y)
14
5.1 信息率失真函数
nm
D
p(ai ) p(bj | ai )d (ai , bj )
例5.1.1. 设信源符号X{0,1}, 编码器输出符号Y{0,1,2}, 规定失真函数为
d(0,0 )= d(1,1)=0 d(0,1 )= d(1,0)=1 d(0,2 )= d(1,2)=0.5 则失真矩阵为
d
0 1
1 0
0.5
0.5
.
6
a1
b1
a2
b2
an
bn
1
0 i j
8
5.1 信息率失真函数
均方失真: d(xi , yj ) (xi yj )2 绝对失真: d(xi , y j ) | xi y j |
相对失真: d(xi , y j ) | xi y j | | xi | 误码失真(适用于离散信源):
适用于连续信源
0,
i1 j1
若p(ai)和d(ai,bj)已定,则平均失真由信道转移概率{p(bj|ai)} 完全确定,所有满足平均失真小于等于门限D的信道集合
PD p(bj | ai ) : D D,1 i n,1 j m
15
5.1 信息率失真函数
信息率失真函数
R(D) min I (X ,Y ) PD
允许压缩信源输出的信息率。
研究内容:信息率
第五章信源编码

(每个符号有m种可能值)进行定长编码。对任意的 0,0
只要
KLHL(X)ε L logm
,则:当L足够大时,必可使译码差
错小于 (几乎无失真编码);反之,当 KLHL(X)2ε L logm
时,译码差错一定是有限值,而当L足够大时,译码几乎必定 出错(译码错误概率接近于1)。
1、解释: KL/L-----编码时,每个信源符号输出的 码长。即每个信源符
其中:左边--KL长码字所能携带的最大信息量, 右边--L长信源序列携带的信息量。
定理表明,只要码字所能携带的信息量大于信源序列输出的信 息量,则可以实现几乎无失真编码,当然条件是L足够大。 反之,不可能实现无失真的编码,也就是不可能做一种编码 器,能使收端译码时差错概率趋于零。
2、举例: (1 单 ) 符号 X A 信 {a1,a源 2...8} ., .n,a 8 ,等,L 概 1 。 分 H 1(X )H (X )lb3 8b /信 it 源符号。 若进行二进B制 {0编 ,1}m ,码 2,据定理,只要 K LLKLH lo(X g)m 3码元 /信源符号,就 无可 失以 真实 编现 码 事实上 3位,二进制码确实示 可8种 以信 表源符号。
或映射规则 元 b 转 j,j换 1,2..m 成 .构由 成码 的码 (也元 称序 为列
y i,i1,2..n.L。
f:xiyi
码K 长 L, i i1,2..n.L .; 平 均_KL 码 nL长 KLPi(: yi)码/元 符 号 序
i1 _
定长编 KL1 码 KL: 2...K .L .L n.KL, KLKL
注:奇异码一定非惟一可译。(非奇异码则不一定)
4、即时码和非即时码:
收到一个完整的码字后能立即译码,或曰及时可译---即时码
- 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、"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、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)。
0 1 0 .5 D= 1 0 0 .5
第5章 限失真信源编码 章
2.误差失真函数 2.误差失真函数 误差失真函数有两种,一种是: 误差失真函数有两种,一种是:
d ( x i , y j ) =| xi − y j |
称为绝对值误差失真函数。之所以取绝对值,是为了保证失真函数为非负。 称为绝对值误差失真函数。 之所以取绝对值,是为了保证失真函数为非负。负的失 真函数违反数据处理定理,不可以使用。由于绝对值处理麻烦,因而应用很少。 真函数违反数据处理定理, 不可以使用。由于绝对值处理麻烦 ,因而应用很少。 另一种是: 另一种是:
5.1失真测度 5.1失真测度
第5章 限失真信源编码 章
5.1.1 失真函数
设离散信源 X 为:
X x1 P( X ) = p( x ) 1
x2 L xm p( x 2 ) L p( x m )
经过信道传输后接收端的离散变量 Y 的概率空间为: 的概率空间为:
(5-2)
在离散对称信道(m=n)中, 定义单个符号的 失真度为汉明失真,它表示当再现的接 收符号 中 定义单个符号的失真度为汉明失真,它表示当再现的接收 在离散对称信道 与发送的信源符号相同时,就不存在失真的错误,所以失真度 d ( xi , y j ) = 0 。 当再现的接收符 与发送的信源符号相同时, 就不存在失真的 错误, 当再现的接收 号与发送符号不同时,就有失真存在 ,而且认为发送符号与再现符号不同时所引起的失真都相 号与发送符号不同时 ,就有失真存在,而且认为发送符号与再现符号不同时所引起的失真都相 为常数, 同 ,所以失真度 d ( xi , y j ), xi = y j 为常数,通常取值为 1,这种失真称为汉明失真 。 ,这种失真称为汉明失真。
第5章 限失真信源编码 章
这时, D 就是允许失真的上界,是由设计要求决定的,式( 5-4)就称为保真度 这时, 就是允许失真的上界,是由设计要求决定的, ) 准则,人为地定义出一个对系统平均失真度的技术要求。 准则,人为地定义出一个对系统平均失真度的技术要求。 值的所有信道( 显然, 显然 , 式 (5-3) 中 , 凡是 D 值小于等于 D 值的所有信道 ( 用信道统计特性 p ( y j | x i ) 表示) 都是满足平均失真度要求的信道, 表示) 都是满足平均失真度要求的信道, ,都是满足平均失真度要求的信道 , 最小,但仍是能满足平均失真度要 其中一个最差的信道就是传信率 R = I (X;Y ) 最小,但仍是能满足平均失真度要 求的信道,而更差的信道必然不能满足平均失真度的要求。可见, 求的信道,而更差的信道必然不能满足平均失真度的要求。可见,把保真度准则作 为约束条件, 的最小值,就是一个不为零的有实际意义的值了。 为约束条件,再求信道传信率 R 的最小值,就是一个不为零的有实际意义的值了。 要找出一个最差但仍能满足平均失真度要求的信道,是为了用最低的代价满足通信 要找出一个最差但仍能满足平均失真度要求的信道, 的失真要求。 的失真要求。
第5章 限失真信源编码 章
d ( x1 , y1 ) d ( x 2 , y 2 ) L d ( x1 , y n ) d (x , y ) d (x , y ) L d (x , y ) 2 1 2 2 2 n D= M M M d ( x m , y1 ) d ( x m , y 2 ) L d ( x m , y n )
PD = p ( y j | x i ); D ≤ D ; i = 1 , 2 , L , m ; j = 1 , 2 , L,n
{
}
PD 中一般有许多符合条件的信道,从经济、高效的角度考虑,在满足允许失真度 D 的情 中一般有许多符合条件的信道,从经济、高效的角度考虑
况下,传递信源所需的传信率越小越好。而对于信宿端,在满足保真度准则的条件下,要确 况下,传递信源所需的传信率越小越好。而对于信宿端,在满足保真度准则的条件下, 定所需的最小平均信息量,即求平均互信息量的最小值, 中的“最差” 定所需的最小平均信息量, 即求平均互信息量的最小值,由此可找出存在于 PD 中的 “最差” 的信道。 的信道。 这样在满足保真度准则的所有 D 失真许可的试验信道集合 PD 中寻找某一个信道 P ( y j | x i ) , 达到最小, 使 I ( X ; Y ) 达到最小,即:
d ( xi , y j ) =(xi − y j)
2
称为平方误差失真函数。也有一个对应的失真矩阵,矩阵中的非零元素表示发送 x i , 称为平方误差失真函数。也有一个对应的失真矩阵, 所引起的失真 取平方主要也是为了保证失真函数为负数。 起的失真。 接收 y j 所引起的失真。 取平方主要也是为了保证失真函数为负数 。
Y y1 P (Y ) = p ( y ) 1
L yn p ( y 2 ) L p( y n ) y2
对于每一对 ( xi , y j ) ,指定一个非负的函数 d ( x i , y j ) ≥ 0, i = 1 , 2 , L , m ; j = 1 , 2 , L , n , 为单位符号的失真度或失真函数, 称 d ( xi , y j ) 为单位符号的失真度或失真函数, 用它来表示信源发出一个符号 x i , 而在接收端再 所引起的误差或失真的大小。 值代表较小的失真, 现为 y j 所引起的误差或失真的大小。通常较小的 d 值代表较小的失真,而 d ( xi , y j ) = 0 表示没 有失真。 个符号, 个符号, 有失真。由于信源 X 有 m 个符号 ,信道传输 Y 有 n 个符号,所以 d ( x i , y j ) 有 m × n 个, 这 m × n 个非负的函数可以排列成矩阵形式, 个非负的函数可以排列成矩阵形式, 即:
5.2 信息率失真函数
第5章 限失真信源编码 章
5.2.1 信息率失真函数的一般概念
如果信源和失真度给定,则根据式( ) 如果信源和失真度定,则根据式( 5-3) D 就只与信道特性有关,把所有满足保真度 , 就只与信道特性有关, 的信道集中起来, 失真允许的试验信道集合, 准则 D ≤ D 的信道集中起来,构成一个所谓 D 失真允许的试验信道集合,记为 PD , 即:
D = E[ d ( x i , y j )]
=
∑∑ p( x y
i i =1 j =1
m n i
m
n
j )d ( x i
yj)
=
的联合概率空间求平均。 它是在 X,Y 的联合概率空间求平均。
∑∑ p( x ) p( y
i =1 j =1
j
| xi )d ( xi y j )
(5-3)
为了系统能满足使用要求, 为了系统能满足使用要求, 技术上往往要求平均失真度 D 不大于某个额定值 D ,即: D≤D (5-4)
对于给定的信源, 的前提下, 对于给定的信源,在满足保真度准则 D ≤ D 的前提下,信息率失真函数 R(D) 是信 源输出的允许达到的最小值, 的下凸函数, 集合中, 源输出的允许达到的最小值 ,由于 I ( X ; Y ) 是 P ( y j | x i ) 的下凸函数,所以在 PD 集合中, 的最小值一定存在。 I ( X ; Y ) 的最小值一定存在。 由以上分析可知: 由以上分析可知:信息率失真函数 R(D) 是在信源概率分布 p ( x i ) 和允许失真 D 给定 的条件下求平均互信息的极小值的问题, 的条件下求平均互信息的极小值的问题,而前面讲的信道容量 C 是在 P ( y j | xi ) 给定的条 件下求平均互信息的极大值的问题。 件下求平均互信息的极大值的问题。 是指在信道固定的前提下, 信道容量 C = max I ( X , Y ) 是指在信道固定的前提下, 选择一种信源概率分布使信息
第5章 限失真信源编码 章
5.1.2 平均失真度
都是随机变量, 也是随机变量,显然, 由于 X,Y 都是随机变量 ,故单个符号失真度 d ( xi , y j ) 也是随机变量,显然 ,规定了 之后,传输一个符号引起的平均失真,即信源的平均失真度为: 单个符号失真度 d ( xi , y j ) 之后,传输一个符号引起的平均失真 ,即信源的平均失真度为:
(5-1)
称为失真矩阵, 阶矩阵。 D 称为失真矩阵,它是一个 m × n 阶矩阵。 失真函数是根据人们的实际需要和失真引起的损失、风险大小等人为规定的。 失真函数是根据人们的实际需要和失真引起的损失、 风险大小等人为规定的。常用的失 真函数有: 真函数有: 1.汉明失真函数 1.汉明失真函数
0 xi = y j d ( xi , y j ) = 1 xi ≠ y j
RD =
p ( y j | xi )∈BD
min
I ( X ;Y )
(5-5)
就是信息率失真函数,简称为率失真函数, 信源符号、 这个最小值 R(D) 就是信息率失真函数,简称为率失真函数,它的单位是比特 /信源符号 、 信源符号。 哈特莱 /信源符号或奈特 /信源符号。
第5章 限失真信源编码 章
第5章 限失真信源编码 章
通常为方阵, 汉明失真矩阵 D 通常为方阵, 且对角线上的元素为 0。即 : 。
0 1 D= M 1
阶方阵。 D 是 m × m 阶方阵。 例 题:
1 1 L 1 0 1 L 1 M M M 1 1 L 0
设信道输入 X = {0 , 1} , 输出 Y = {0 , 1 , 2} , 规定失真函数 d (0 , 0) = d (1 , 1) = 0 , d (0 , 1) = d (1 , 0) = 1 , d (0 , 2) = d (2 , 0) = 0.5 ,求 D 。 由失真函数和失真矩阵可得出: 解 :由失真函数和失真矩阵可得出:
信息论与编码
第5章 限失真信源编码
北京大学出版社
2012-4-21