熵和互信息

熵和互信息

读文献想要算信道容量的时候,遇到了需要用到熵和互信息相关的推导,所以找纪佬要来信息论的课件拿来看了看,在这里也是一个记录。

定义

先搬上来两个定义。
熵的定义:在这里插入图片描述
互信息量的定义:
在这里插入图片描述
(E: Expectation; p:possibility)

Venn图理解——低阶

接下来我们从Venn图开始了解熵的概念。H(·)表示熵,那么它有类似于如下所示的关系。
H(X,Y)为联合熵,可以用并集来理解;
H(X|Y)为条件熵,可以用补集来理解;
I(X;Y)为互信息量,可以用交集来理解。
Venn图表示
通过Venn图,不难得出如下性质:(表达式见下)
集合X和它本身的交集等于它本身。
集合X和Y的交集是从X的基础上挖去X中不含Y的部分。
集合X和Y的交集是从Y的基础上挖去Y中不含X的部分。
集合X和Y的交集是从X和Y相加的基础上挖去X或Y拥有的部分。(类似于容斥定理的感觉,容斥不懂的同学可以百度,低维度情形下是个很简单的定理)
在这里插入图片描述

Venn图理解——高阶

好的,掌握到这里基本上就ok了,但是在信息论研究中我们还是要经常用一点条件互信息的东西,那么可以用这个Venn图来看。
在这里插入图片描述
(图转侵删)

这里,我们的讨论就把Z当作所谓的“条件”来讲咯。
那么如下的四个性质是不难推出来的。值得一提的是,互信息量中的I(X;Y|Z)的这个Z相当于是在I(X;Y)基础上挖下来涉及Z的部分,这么一来就可以和H进行对比理解了。
在这里插入图片描述

注意的地方

和集合有所不同的是,熵和互信息是可累加的量,也就是说H(A)+H(B)并不等于H(A+B),而需要再加一个I(A;B)!这一点请务必注意。

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值