推导N个串联BSC信道容量——王仁杰、徐欣宇、杨鑫、夏熠

Infor_Theory_AHU

已于 2023-07-19 13:27:10 修改

阅读量1.2k

点赞数 2

分类专栏：信息论文章标签：信息论

于 2022-06-11 01:32:14 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/lily_ahu/article/details/125230160

版权

信息论专栏收录该内容

59 篇文章 2 订阅

订阅专栏

目录

马尔可夫链

N个相同的BSC信道串联，其转移概率矩阵为 $P=P^N$ 的证明

N个串联BSC信道容量的推导

马尔可夫链

状态空间中经过从一个状态到另一个状态的转换的随机过程。该过程要求具备无记忆的性质：下一状态的概率分布只能由当前状态决定，在时间序列中它前面的事件均与之无关。

正交变换

N个相同的BSC信道串联，其转移概率矩阵为 $P=P^N$ 的证明

我们先从两个信道的串联入手，构建其模型框图,如下图所示。

在给定Y之后，Z的取值与X无关，故 $P(c_k |a_i b_j )=P(c_k |b_j )$ 。

对于所有的i，j，k，X、Y、Z构成一个马尔科夫链。

$\therefore P(c_k |a_i )= \sum_{j=1}^{s}P(b_j c_k |a_i ) =\sum_{j=1}^{s}P(b_j |a_i )P(c_k |a_i b_j )= \sum_{j=1}^{s}P(b_j |a_i )P(c_k |b_j )$

故说明这两个信道串联的转移概率为信道1和信道2的转移概率矩阵之积。

由此可得推论，N个相同的BSC信道串联，其转移概率矩阵为 $P=P^N$

N个串联BSC信道容量的推导

$P_1=P_2=\cdot \cdot \cdot P_n=\bigl(\begin{smallmatrix} 1-\varepsilon &\varepsilon \\ \varepsilon & 1-\varepsilon \end{smallmatrix}\bigr)$

只要 $\varepsilon \neq 0$ ，当N 趋于无穷大时， $P_1^\infty =\lim_{N\to\infty}P_1^N=\bigl(\begin{smallmatrix} \frac{1}{2} &\frac{1}{2} \\ \frac{1}{2} & \frac{1}{2} \end{smallmatrix}\bigr)$

总结：通过此次的证明，我们更加熟悉了串联信道的相关内容，同时了解到了马尔科夫链和正交变换，通过自己动手亲自证明对该结论印象更加深刻。

Infor_Theory_AHU

关注

2
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
推导N个串联BSC信道容量——王仁杰、徐欣宇、杨鑫、夏熠

状态空间中经过从一个状态到另一个状态的转换的随机过程。该过程要求具备无记忆的性质：下一状态的概率分布只能由当前状态决定，在时间序列中它前面的事件均与之无关。我们先从两个信道的串联入手，构建其模型框图,如下图所示。在给定Y之后，Z的取值与X无关，故。对于所有的i，j，k，X、Y、Z构成一个马尔科夫链。故说明这两个信道串联的转移概率为信道1和信道2的转移概率矩阵之积。由此可得推论，N个相同的BSC信道串联的信道容量
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。