熵和互信息的一点理解

一.熵

先回顾一下前面自信息的定义。
在这里插入图片描述

再看看熵的定义:是随机变量不确定性的度量。乍看一下,这个跟前面的自信息的定义有点类似,下面举个例子看看这两个概念之间的区别。
在这里插入图片描述
 当上表中,先验概率为1/16的事件,其自信息量是4;而当事件先验概率等概为1/8时,所有的事件自信息量均是3。可以看出,不等概时部分时间的自信息量是比等概时大的,而我们知道,信息量在等概的时候是最大的。这是因为,我们一般考虑的是一个整体情况,不等概时,可能存在部分事件自信息量大的情况,但整体而言,等概的情况下自信息量是最大的。比如说,在计算通信容量的时候,假如有一个有限信道,其速率是1Mbit/s,误码率为0,即无扰动信道。另外有一个无限信道,其在无扰情况下速率为2Mbit/s,其出现干扰的概率是2/3。也就是说,该信道只有1/3的概率是可以正常工作的。那么,该如何去衡量这个信道的好坏,显然,这里不能单纯的比较速率,例如,我们以3秒为门限时间,前一个信道3s可以传3M,后一个信道3s只能传2M,.也就是说,某一个特定事件的自信息量大并不能代表信整体的自信息量大。那么,对于通信而言,该怎么去衡量一个信源呢,这里,考虑信源整体的平均自信息量的大小也就是熵的定义公式:
在这里插入图片描述

互信息

关于互信息,可以理解为一个随机变量中包含的另一个随机变量的信息量。或者理解为,由于另一个随机变量导致原随机变量不确定度的缩减量。定义如下:
在这里插入图片描述

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

打赏作者

通信仿真爱好者

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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