(最新整理)信道容量的计算

合集下载

信道容量计算公式

信道容量计算公式

信道容量计算公式信道容量计算公式是通信领域中最为重要的公式之一。

它用于衡量在给定的信道条件下,所能传送的最大数据速率。

通俗地说,信道容量就是一条通信信道所能传输的最大数据量。

在通信领域中,信道容量是评估通信系统性能的重要指标之一。

信道容量通常用C来表示,它的计算公式是C=B*log2(1+S/N),其中B代表信道带宽,S代表信号功率,N代表噪声功率。

这个公式表明,信道容量与信道带宽、信号功率和噪声功率都有关系。

信道带宽越大,信道容量就越大;信号功率越高,信道容量也越大;噪声功率越小,信道容量也越大。

在信道容量计算公式中,信噪比是一个重要的概念。

信噪比是信号功率与噪声功率之比。

当信噪比增大时,信道容量也会随之增大。

这是因为信号的功率增大,噪声对信号的影响就相对减小了,从而提高了信道的传输能力。

信道容量计算公式的应用非常广泛。

在无线通信系统中,信道容量是评估无线信道质量的重要指标之一。

在数字通信系统中,信道容量是评估数字通信系统性能的重要指标之一。

在信息论中,信道容量是研究通信系统极限性能的重要概念之一。

在实际应用中,为了提高通信系统的性能,我们需要尽可能地提高信道容量。

一种常用的方法是通过增加信道带宽来提高信道容量。

另外,也可以通过增加信号功率或减小噪声功率来提高信道容量。

在无线通信系统中,还可以采用编码和调制技术来提高信道容量。

信道容量计算公式是通信领域中最为重要的公式之一。

它不仅能够评估通信系统的性能,还能够指导我们在实际应用中如何提高通信系统的性能。

在未来的发展中,信道容量计算公式将继续发挥着重要的作用,促进通信技术的不断发展。

信道容量

信道容量

信道容量研究通信的科研人员总是逃不过信道容量的计算。

而且会经常使用到C=B\mathrm{Log(1+SNR)}这个公式。

所以这个信道容量到底是什么意思呢,到底是怎么来的?所以信道容量的定义是什么,怎么推导、计算,实际意义又是什么?信道容量有两种:香农容量(遍历容量)和中断容量。

香农容量信道容量是在不考虑编解码延时和复杂度的情况下,误码率趋近于零的最高传输速率。

通道容量是一个上限。

如果要以高于这个的速率传输,就要付出误码率的代价。

香农是这样描述信道容量的:存在一个输入分布,可以最大化传输信息时的互信息。

这个最大互信息就是信道容量。

至于香农为什么可以这样定义,已经严格证明了,这是信息论的内容,后面再说。

互信息那么什么是互信息(这里默认理解为信息熵)?首先互信息是描述一个信息传递过程的一个量,用来刻画这个传输过程传输了多少有价值的信息。

比如说,你暗恋一个姑娘,你想去告白但是你很忐忑,成功了就很棒,失败了可能连朋友都做不成,所以H(X)就表示这种不确定性。

有一天你终于鼓起勇气给他发告白了,正常情况下对方会回复你,可能是“你是个好人”或者“那我们明天一起去看电影吧”或者给你一个尼克杨表情包,所以互信息就是用来刻画这条携带了多少信息量。

显然“好人”和“电影”这两个信息终究是给了你一个答案,解除了你心中的不确定性,携带的信息量就是你心中本来的不确定性。

但是如果他把你当备胎,回复你一个表情包,当然表情包也是可以看出来一点点她对你的态度,所以你心中的不确定性可能减小了一点,你能感受到对方的态度是有机会的还是没有机会的,所以这个表情包的携带的信息量可能就很小,因为虽然知道了一点对方的态度,但是你还是搞不清楚对方怎么想的。

X,Y分别表示两个随机变量,因为信源发送什么信息是一个随机事件,信息熵H(X)量化了信源的平均不确定性,而接收的信息经过信道的污染,也是随机的,所以H(Y)也量化了接收信息的平均不确定性。

虽然X,Y是两个变量,但是接收到的Y 肯定和X有点关系,并不是完全独立的,那么我们就可以根据Y猜X,能缩小一些X范围,能减小一些不确定性(互信息),这个互信息用I(X,Y)表示。

实验二 计算信道容量

实验二 计算信道容量
{
PXi[i] = ((PXi[i] * a[i]) / sum);
}
n ++;
}
}while(cap_max-cap_result>= e);
printf("\n\n迭代次数为:%d\n" ,n);
for(i=0;i<X_num;i++)
{
printf("最佳信源概率:%f\n" ,PXi[i]);
}
/**************************************************************************
函数名:double Calculate_cap_result(double PXi[],double a[])
功能:计算并输出迭代法所需的参数cap_result
double Calculate_cap_max(double a[])
{
int i;
double max_a = a[0];
for(i=0;i<X_num;i++)
{
if(a[i] > max_a)
{
max_a = a[i];
}
}
printf("较大值=%f",log(max_a));
return log(max_a);
for(i=0;i<X_num;i++)
{
for(j=0;j<Y_num;j++)
{
printf("P[%d][%d]=",i,j);
scanf("%lf",&P[i][j]);

信道容量(Channel Capacity)

信道容量(Channel Capacity)

信道容量(Channel Capacity)无线传输环境中,如果发端和收端均采用单天线发送和接收信号,接收信号y的数学模型可以表示为y=hx+n \tag{1} ,其中h为无线信道, x为发送信号,n为高斯加性白噪声服从正太分布 \mathcal{C}(0,\sigma^2) 。

通信相关专业的学生应该知道香农公式:公式(1)表示的无线信道容量(Channel Capacity)为C=B\log_2\left(1+\frac{P_t|h|^2}{\sigma^2} \right),\tag{2}其中B为信号带宽, P_t 为信号发射功率。

相信很多人知道结论(2),但是不明白它是怎么得到的。

下面将简单的阐述其推导过程。

阅读该过程之前,建议阅读“ 徐光宁:信息论(1)——熵、互信息、相对熵”中关于熵和互信息的定义。

对于接收端,发送信息x是一个随机变量,例如以概率p(x=a)发送x=a。

如果发送信息x对于接收端为一个确定值,那发送本身就没有任何意义。

因为发送信号x和噪声n 都是随机变量,接收信号y也是随机的。

可以引入熵来描述随机变量y所含的信息量,即H(y)=\int_y p(y)\log \frac{1}{p(y)}dy,\\其中p(y)为y的概率密度函数。

当某一时刻发送某一x后(x 此时是确定的), 收到的y的信息量为H(y|x)=\int_y p(y|x)\log \frac{1}{p(y|x)}dy,\\其中p(y|x)为y在给定x下的条件概率。

注意y因为是随机变量x和n的和,且x和n相互独立,其信息量为传输信号x和噪声n的信息量之和。

而y|x的随机性仅仅与噪声n有关,其信息量为噪声n的信息量。

互信息定义为I(x,y)=H(y)-H(y|x)\\ 。

其物理意义为随机变量y的信息量减去噪声n的信息量,等于x的信息量。

信道容量C指信道所实际传输信息量的最大值C=\max\limits_{p(x)} I(x,y) \tag{3}数学证明当x服从高斯分布 \mathcal{C}(0,P_t) 时,C in (3)取得最大值。

bsc信道容量公式

bsc信道容量公式

bsc信道容量公式BSC(Base Station Controller)信道容量是指在无线通信中,基站控制器所能支持的最大数据传输速率。

为了计算BSC信道容量,我们可以借助香农信道容量公式。

香农信道容量公式是由克努特·香农于1948年提出的,被广泛用于计算信道的最大可达传输速率。

该公式描述了在给定信噪比条件下,数据传输速率的上限。

香农信道容量公式如下所示:C = B * log2(1 + S/N)其中,C表示信道容量,B表示信道的带宽,S表示信道的信号功率,N表示信道的噪声功率。

信道带宽(B)是指信道所能传输的频率范围,通常使用赫兹(Hz)作为单位。

较宽的带宽意味着更高的数据传输速率。

信号功率(S)是指信号的强度,通常使用瓦特(W)作为单位。

较强的信号功率意味着更好的信号质量。

噪声功率(N)表示信道中的噪声水平,通常使用瓦特(W)作为单位。

较低的噪声功率意味着较小的干扰。

log2表示以2为底的对数运算。

信道容量的计算需要使用对数运算来表达信噪比与传输速率之间的关系。

通过香农信道容量公式,我们可以得到一个定量的数值,表示在给定信噪比条件下,信道所能支持的最大数据传输速率。

这个容量值通常以比特每秒(bps)作为单位。

需要注意的是,信道容量是一个理论上的上限,实际的数据传输速率往往会低于信道容量。

这是因为在实际通信中,存在各种实际限制因素,如通信协议、编码方式、信号传输距离等。

为了提高BSC信道容量,可以采取一些优化措施,例如使用更高效的调制解调器技术、加强信号的传输功率、优化信道编码和纠错等。

总结起来,BSC信道容量是基站控制器所能支持的最大数据传输速率。

计算BSC信道容量需要借助香农信道容量公式,该公式描述了在给定信噪比条件下,信道的最大可达传输速率。

信道容量的计算涉及信道带宽、信号功率和噪声功率等因素。

然而,实际的数据传输速率往往会低于信道容量,因为存在各种实际限制因素。

为了提高BSC信道容量,可以采取一些优化措施。

信道容量的计算方法

信道容量的计算方法

信道容量的计算方法信道容量的计算方法:1、对于离散无记忆信道,香农公式是计算信道容量的重要方法。

香农公式为C = W log₂(1 + S/N),其中C表示信道容量,W表示信道带宽,S表示信号功率,N表示噪声功率。

2、在计算信道容量时,先确定信道带宽W的值。

例如,在一个无线通信系统中,经过测量或者根据通信标准规定,信道带宽可能是20MHz。

3、接着确定信号功率S。

信号功率可以通过功率测量仪器得到,比如在一个发射机输出端测量到的功率为10W。

4、然后确定噪声功率N。

噪声功率的确定需要考虑多种因素,如热噪声、干扰噪声等。

热噪声功率可以根据公式N₀= kT₀B计算,其中k是玻尔兹曼常数,T₀是绝对温度,B是等效噪声带宽。

在常温下,假设T₀= 290K,若等效噪声带宽与信道带宽相同为20MHz,可算出热噪声功率,再加上其他干扰噪声功率得到总的噪声功率N。

5、将确定好的W、S、N的值代入香农公式计算信道容量C。

6、对于离散有记忆信道,计算信道容量会更复杂。

需要考虑信道的记忆特性,通常采用马尔可夫链来描述信道状态的转移概率。

7、构建马尔可夫链的状态转移矩阵,矩阵中的元素表示从一个状态转移到另一个状态的概率。

8、通过求解马尔可夫链的稳态分布,结合输入符号的概率分布,利用信息论中的互信息公式来计算信道容量。

9、在多输入多输出(MIMO) 系统中,信道容量的计算又有不同。

需要考虑多个发射天线和多个接收天线之间的信道矩阵H。

10、利用矩阵H的特征值等信息,根据MIMO信道容量公式C = log₂det(I + ρHH*)计算信道容量,其中ρ是信噪比,I是单位矩阵,H*是H的共轭转置矩阵。

信道容量的计算

信道容量的计算

信道容量的计算实验一:信道容量的计算一、实验目的(1)进一步熟悉信道容量的迭代算法。

(2)学习如何将复杂的公式转化为程序。

(3)掌握高级语言数值计算程序的设计和调试技术。

二、实验原理:迭代算法计算信道容量的原理如图所示:三、实验步骤11. 初始化信源分布:pi=,循环变量k=1,门限△,C(0)=-∞; r(k)2. φ(k)pjiij=pi∑rp(k)ipjii=1sexp[k)jilogφ(ij]3. p(k+1)∑pi=j=1∑rsexp[∑pk)jilogφ(ij]i=1j=1)rs4. C(k+1=log[∑exp(∑p(k)jilogφij)]i=1j=1+1)5. 若C(k-C(k)C(k+1)>∆,则k=k+1,转第2步6. 输出P*=(P(k+1)i)k+1)r和C(,终止。

7. 。

分别对两个矩阵⎡⎢0.690.260.05⎤⎡⎣0.05 0.25 0.7⎥⎦⎢0.690.26⎤⎣0.05 0.7⎥⎦四、实验程序clc;clear all;N = input('输入信源符号X的个数N=');M = input('输出信源符号Y的个数M=');p_yx=zeros(N,M); %程序设计需要信道矩阵初始化为零 fprintf('输入信道矩阵概率\n')for i=1:Nfor j=1:Mp_yx(i,j)=input('p_yx=');%输入信道矩阵概率 if p_yx(i)error('不符合概率分布')endendendfor i=1:N %各行概率累加求和s(i)=0;for j=1:Ms(i)=s(i)+p_yx(i,j);endendfor i=1:N %判断是否符合概率分布if (s(i)=1.000001) 进行计算比较结果error('不符合概率分布')endendb=input('输入迭代精度:');%输入迭代精度for i=1:Np(i)=1.0/N; %取初始概率为均匀分布endfor j=1:M %计算q(j)q(j)=0;for i=1:Nq(j)=q(j)+p(i)*p_yx(i,j);endendfor i=1:N %计算a(i)d(i)=0;for j=1:Mif(p_yx(i,j)==0)d(i)=d(i)+0;elsed(i)=d(i)+p_yx(i,j)*log(p_yx(i,j)/q(j)); endenda(i)=exp(d(i));endu=0;for i=1:N %计算uu=u+p(i)*a(i);endIL=log2(u); %计算ILIU=log2(max(a));%计算IUn=1;while((IU-IL)>=b) %迭代计算for i=1:Np(i)=p(i)*a(i)/u; %重新赋值p(i)endfor j=1:M %计算q(j)q(j)=0;for i=1:Nq(j)=q(j)+p(i)*p_yx(i,j);endendfor i=1:N %计算a(i)d(i)=0;for j=1:Mif(p_yx(i,j)==0)d(i)=d(i)+0;elsed(i)=d(i)+p_yx(i,j)*log(p_yx(i,j)/q(j)); endenda(i)=exp(d(i));endu=0;for i=1:N %计算uu=u+p(i)*a(i);endIL=log2(u); %计算ILIU=log2(max(a));%计算IUn=n+1;endfprintf('信道矩阵为:\n');disp(p_yx);fprintf('迭代次数n=%d\n',n);fprintf('信道容量C=%f比特/符号',IL);例一的运行结果:输入信源符号X的个数N=2输出信源符号Y的个数M=2五、实验结果对矩阵⎢⎡0.690.260.05⎤⎥进行运算后结果为: 0.050.70.25⎣⎦⎡0.690.26⎤而对矩阵⎢⎥运算发生错误0.050.7⎣⎦六、分析讨论利用迭代算法求信道容量试验中,我们可以看出,当信道矩阵符合概率分布,且其小数表示精度较高时,在判定门限合适的情况下,其计算的信道容量比较符合实际值;当其信道矩阵不符合概率分布,程序报错。

4-第四讲-信道容量及其计算

4-第四讲-信道容量及其计算
(3)、一般DMC容量的计算
一般信道容量的计算方法 (拉格朗日乘子法)
定理1:如果信道的输入随机序列为 通过信道传输,接收到的随机序列为 若信道是无记忆的,即满足 则
(4)、扩展信道的信道容量
证明:设信道输入输出序列X和Y的一个取值为
I(X;Y)是输入随机变量的概率分布的上凸函数,所以对于固定的信道,总存在一种信源分布,使传输每个符号平均获得的信息量最大,也就是说,每一个固定信道都有一个最大的信息传输率。 信道容量定义为信道中每个符号所能传递的最大信息量,也就是最大 I (X;Y)值。
此时输入的概率分布称为最佳输入分布。
例:
( P 95-例3. 5 )
输出符号集个数
(2)、准对称信道的容量
准对称信道:信道矩阵(列)的子阵是对称矩阵。
定理:达到准对称离散信道信道容量的输入分布为 等概分布。
r是输入个数,n是不相交子集数,Nk是行之和,Mk是列之和
解:达到信道容量的输入分布为等概分布。
此时输出分布为:
4-2 信道容量的计算
(1)、对称信道的容量
对称信道:信道矩阵的每一行都是由同一概率分布的 不同排列组成,并且每一列也是同一元素 集的不同的排列组成。
1/3
1/3
1/6
1/6
1/3
1/3
1/6
1/6


1/2
1/3
1/6
1/6
1/3
1/2
1/3
1/6
1/2
0
1
q
1-p
1-q
p
1
2
0
删除信道的必要性
2、 信道容量定义
信息传输率:信道中平均每个符号所能传送的信息量。 R = I(X;Y) = H(X)-H(X|Y) (bit/符号)
  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)。

(完整)信道容量的计算编辑整理:尊敬的读者朋友们:这里是精品文档编辑中心,本文档内容是由我和我的同事精心编辑整理后发布的,发布之前我们对文中内容进行仔细校对,但是难免会有疏漏的地方,但是任然希望((完整)信道容量的计算)的内容能够给您的工作和学习带来便利。

同时也真诚的希望收到您的建议和反馈,这将是我们进步的源泉,前进的动力。

本文可编辑可修改,如果觉得对您有帮助请收藏以便随时查阅,最后祝您生活愉快业绩进步,以下为(完整)信道容量的计算的全部内容。

§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)(x P 求平均互信息的极大值。

前面已知()Y X I ;是输入概率分布的上凸函数,所以极大值一定存在。

而);(Y X I 是r 个变量)}(),(),({21r x p x p x p 的多元函数。

并且满足1)(1=∑=ri i x p 。

所以可用拉格朗日乘子法来计算这个条件极值。

引入一个函数:∑-=ii x p Y X I )();(λφ解方程组0)(])();([)(=∑∂-∂∂∂i ii i x p x p Y X I x p λφ1)(=∑iix p (4.2。

1)可以先解出达到极值的概率分布和拉格朗日乘子λ的值,然后在解出信道容量C .因为 )()(log)()();(11i i i i i ri sj i y p x y Q x y Q x p Y X I ∑∑===而)()()(1i i ri i i x y Q x p y p ∑==,所以e e y p y p i i i i i x y Q i x p i x p log log ))(ln ()(log )()()(==∂∂∂∂。

解(4.2。

1)式有0log )()()()()()(log )(111=--∑∑∑===λe y p x y Q x y Q x p y p x y Q x y Q ii i ii r i s j i i i i sj i i (对r i ,,2,1 =都成立) 又因为)()()(1j k k rk k y p x y Q x p =∑=ri x y Q sj i j,,2,1,1)(1==∑=所以(4.2.1)式方程组可以转化为 ),,2,1(log )()(log)(1r i e y p x y Q x y Q j i j sj i j =+=∑=λ1)(1=∑=ri i x p假设使得平均互信息);(Y X I 达到极值的输入概率分布},,{21r p p p 这样有 e y p x y Q x y Q x p j i j i j ri sj i log )()(log)()(11+=∑∑==λ从而上式左边即为信道容量,得 e C log +=λ 现在令)()(log)();(1j i j sj i j i y p x y Q x y Q Y x I ∑==式中,);(Y x I i 是输出端接收到Y 后获得关于i x X =的信息量,即是信源符号i x X =对输出端Y 平均提供的互信息。

一般来讲,);(Y x I i 值与i x 有关。

根据(4。

2。

2)式和(4.2.3)式, C Y x I i =);( ),,2,1(r i = 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);(Y X I 达到极大值(即等于信道容量)的充要条件是输入概率分布)}(,),({1n x p x p 满足)(a C Y x I =);(1 对所有的0)(,≠i i x p x )(b C Y x I i ≤);( 对所有的0)(,=i i x p x 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J K i j x y Q Q ⨯=))((,0P 是任给的输入字母的一个初始概率分布,其所有分量0)(0≠k x P .按照下式不断地对概率分布进行迭代,更新:∑=+=Ki riirr k k rk r P x P P x P x P 11)()()()()(ββ其中 r P P k r k Y x X I P ===)];(exp[)(β()()()⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧=∑∑==J j i i j r i j k j x y Q P x y Q x y Q 11log exp 由此所得的()Q P I r ,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) })()(log{1∑==Kk k k L P x P I β)}(log{P x ma I k kU β==L I I U =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。

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()Y X H 为损失熵,()X Y H 为信道噪声熵。

如果信道的损失熵()0=Y X H ,则次信道容量为()()()ogr X H Y X H x H I C x P x x P 1)(max )(max Y X;max )()(P )(==-=='(bit/符号)这里输入信源X 的信源符号个数为r 。

如果信道的噪声熵()0=X Y H ,则此信道容量为()s Y H Y X I C x P x P log )(max ;max )()(===''(bit/符号)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⎪⎪⎪⎪⎭⎫ ⎝⎛=3131616161613131Q 和⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛=216131312161613121Q 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()s P PP H s C '''-=,,,log 21 (bit/符号) 上式只与対称信道矩阵中行矢量},,,{21s P PP ''' 和输出符号集的个数s 有关. 证明 ()X Y H Y H Y X I -=)();( 而 ()()()x y p x y P x P X Y H yx1log)(∑∑= ()x X Y H x P x==∑)(由于信道的对称性,所以()x X Y H =与x 无关,为一常熟,即()[]s x P P PP H Y H C '''-=,,,)(max 21)( ),,,(log 21s P PP H s '''-= 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⎪⎪⎪⎪⎪⎭⎫⎝⎛=3131616161613131P 用公式计算信道容量)61,61,31,31(4log H C -=⎪⎭⎫ ⎝⎛++++=61log 6161log 6131log 3131log 3120817.0=(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K B ,即)(,j i B B j i ≠=⋂φ且Y B B B n = 21。

由K B 为列组成的矩阵k Q 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⎪⎪⎪⎪⎪⎭⎫⎝⎛=31613161616131311P ⎪⎪⎭⎫⎝⎛=7.01.02.02.01.07.02P 都是准对称信道,在信道矩阵1P 中,Y 可以划分为三个子集,由子集的列组成的矩阵为⎪⎪⎪⎪⎪⎭⎫⎝⎛31616131 , ⎪⎪⎪⎪⎪⎭⎫ ⎝⎛3131 , ⎪⎪⎪⎪⎪⎭⎫ ⎝⎛3161它们满足对称性,所以1P 对应的信道是准对称信道。

同理2P 可划分为⎪⎪⎭⎫⎝⎛7.02.02.07.0 , ⎪⎪⎭⎫ ⎝⎛1.01.0 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∑=-'''-=nk k k s M N P PP H r C 121log ),,,(log 其中,r 是输入符号集的个数,),,,(21s P P P ''' 为准对称信道矩阵中的行矢量。

设矩阵可划分为n 个互不相交的子集。

k N 是第k 个子矩阵k Q 中行元素之和,k M 是第k 个子矩阵k Q 中列元素之和,即()∑∈=kY y i k x y P N()),,2,1(,,n k Y y x y P M k xi k =∈=∑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⎪⎪⎭⎫ ⎝⎛----=q p q p p q q p P 11 可表示成如图4.2。

2根据上面计算公式可得q N q N =-=21,1 q M q M 2,121=-=则有),,1(2log p q q p H C ---= q q q q 2log )1log()1(----qq q p q p p p --+----+=12log)1()1log()1(log 图4.2。

2 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},,,,{54321a a a a a ,输出符号集为},{21b b ,信道矩阵为X Y1a 2a 1b 3a4a 2b 5a图4。

2.3⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛=101021210101P由于输入符号3a 传递到1b 和2b 是等概率的,所以3a 可以省去.而且21,a a 与4a ,5a 都分别传递到1b 和2b ,因此可只取1a 和5a ,所以设输入概率分布21)()(51==a P a P ,0)()()(432===a P a P a P ,可以计算得21)()(21==b P b P ,由定理4.2.1得 2log );();(21====Y a x I Y a x I 2log );()Y ;(54====Y a x I a x I 0);(3==Y a x I可见,此假设分布满足定理4。

2。

1,因此,信道容量 12log ==C (bit/符号)最佳分布是0)()()(,21)()(43251=====a P a P a p a P a P若设输入分布为0)(,41)()()()(35421=====a P a P a P a P a P .同理可得21)()(21==b P b P ,根据定理4。

相关文档
最新文档