- •Теория информации Учебное пособие
- •Введение
- •1. Информационные характеристики источников сообщений
- •Энтропия как мера неопределенности физической системы
- •1.2 Энтропия сложной системы
- •Сложение энтропии независимых систем
- •Условная энтропия
- •1.3. Количественные аспекты информации
- •1.4. Количество информации, как мера снятой неопределенности
- •1.5. Объем информации
- •1.6. Взаимная информация
- •Упражнения
- •Решение
- •Лабораторная работа Свойства энтропии
- •2. Неопределенность непрерывных случайных величин
- •2.1. Энтропия непрерывной случайной величины х
- •2.2. Количество информации для непрерывных систем
- •2.3. Принцип экстремума энтропии и экстремальные распределения
- •Подставим (2.9) в (2.6)
- •При взятии интеграла учтем, что имеется соответствующий табличный интеграл
- •Сравнительная оценка сообщений, передаваемых по нормальному закону и равновероятному закону распределений
- •2.4. Епсилон энтропия (ε-энтропия )
- •3. Передача информации по каналам связи
- •3.1. Источники сообщений
- •3.2. Избыточность информации
- •3.3. Передача информации по каналу связи. Пропускная способность канала
- •Матрица для нахождения условной вероятности
- •Матрица условных вероятностей имеет вид
- •3.4. Пропускная способность непрерывных каналов связи
- •Скорость передачи информации будет равняться
- •Тогда , (3.8) где p мощность сигнала, а n мощность помехи
- •3.5. Согласование скорости выдачи информации, выдаваемой источником, с пропускной способностью канала связи
- •3.6. Согласование оконечных устройств с каналами связи
- •Упражнения
- •Лабораторная работа
- •4. Кодирование информации
- •4.1. Префиксные коды
- •Коды 1,2,3 не обладают свойством префикса, а код 4 обладает.
- •4.2. Основные теоремы кодирования
- •4.3. Оптимальное кодирование
- •4.4. Код Шеннона – Фано
- •Средняя длина полученного кода будет равна
- •4.5. Блочное кодирование
- •4.6. Код Хаффмана
- •4.7. Совмещенный способ построения кода Хаффмана Совмещенный способ построения кода Хаффмана представляет объединение двух процессов: обычного алгоритма построения и метода дерева.
- •Лабораторная работа
- •5. Сжатие информации
- •5.1. Основные понятия
- •5.2. Методы сжатия без потерь
- •Кодирование длин серий (rle - кодирование)
- •Коды Фибоначчи
- •Методы энтропийного сжатия
- •Метод арифметического сжатия
- •Методы контекстного моделирования
- •Словарные методы сжатия
- •5.3. Методы сжатия с потерями
- •6. Помехоустойчивое кодирование
- •6.1 Коды с обнаружением ошибок
- •Код с проверкой на четность.
- •Код Грея записывается следующим образом
- •Обратный переход из кода Грея в двоичный код
- •6.2. Корректирующие коды
- •6.3. Код Хемминга
- •Проверяем ее
- •6.4. Техническая реализация кода Хэмминга
- •6.5 Циклические коды
- •Декодирование циклических кодов
- •Аппаратурная реализация циклических кодов.
- •Пусть на вход подается комбинация 1101001
- •Теперь пусть на вход подается комбинация с ошибкой 1100001
- •Упражнения
- •Лабораторная работа
- •Задание 2
- •Задание 3
- •Задание 4
- •Задание 5
- •Задание 7
- •Задание 8
- •Задание 9
- •Задание 10
- •Задание 11
- •Задание 12
- •Задание 13
- •Задание 14
- •Задание 15
- •Задание 16
- •Задание 17
- •Задание 18
- •Задание 19
- •Задание 20
- •Список литературы
- •Оглавление
Лабораторная работа Свойства энтропии
1) Рассмотрите первое свойство энтропии. Для этого составьте программу построения графика функции Hi = -pi log pi при изменении вероятности от нуля до единицы. Значения рi возьмите через интервал 0,05. Сделайте соответствующие выводы.
2) Рассмотрите второе свойство энтропии. Для этого задайте такие значения рi (i = 1, 2, 3) для системы Х = (х1, х2, х3), чтобы одно из состояний было достоверно известно. Найдите энтропию.
3) Рассмотрите третье свойство энтропии.
Необходимо считать, что имеется три системы, каждая из которых имеет по четыре состояния. Задайтесь различными распределениями вероятностей, например:
система 1 0,5; 0,2; 0,25; 0,05;
система 2 0,25; 0,25; 0,25; 0,25;
система 3 0,2; 0,3, 0,28, 0,22.
Определите, при каких распределениях вероятностей энтропия максимальна. Сделайте соответствующие выводы.
2. Неопределенность непрерывных случайных величин
2.1. Энтропия непрерывной случайной величины х
Сообщения с дискретным распределением состояний элементов характеризуются множеством возможных сообщений X = (x1, x2, … xi,… xn) и вероятностями появления этих сообщений p(x1), p(x2),…p(xi),… p(xn), при этом . Неопределенность дискретных систем описывается выражением
, (2.1)
Это выражение можно обобщить и на случай непрерывных сообщений. При этом роль распределения вероятности по состояниям в непрерывном случае играет плотность вероятности w(x) (рис.2.1).
w(x)
pk(xk<x<xk+1)
x
xk xk+1 Δx
Рис.2.1. Плотность вероятности случайной величины x
Для
перехода от дискретных сообщений к
непрерывным сообщениям произведем
квантование значений случайной
непрерывной величины x
на счетное
число уровней с интервалом Δx.
Полученная, таким образом, дискретная
случайная величина x
характеризуется распределением, в
котором вероятность kго
состояния равна
,
где w(x)
плотность
вероятности квантуемой непрерывной
величины. Для дискретного случая pk=w(x)·
Δx.
Чем меньше
Δx
тем более точной будет замена. Энтропия
эквивалентного сообщения равна
При
уменьшении Δx
(увеличении m)
первая сумма в пределе стремится к
интегралу
,
а вторая сумма при достаточно малом Δx
с высокой точностью равна
,
так как
и тогда
(2.2)
Обозначим
,
тогда
(2.3)
Величину
называют приведенной или дифференциальной
энтропией.
Непрерывные случайные системы сохраняют свои свойства подобно свойствам дискретных систем. Рассмотрим эти свойства:
1. Энтропия объединения равна
,
где
,
,
2. При любых двух случайных переменных x и y
причем знак равенства будет тогда, когда x и y независимы.
3. Всякое сглаживание огибающей плотности вероятности w(x) приводит только к увеличению энтропии.
