目录
- 序
- 决策法则(decision rules)
- Hamming距离
- 信息论基本定理——Shannon 定理
- Shannon定理的逆命题
序
这个算是正本书中关于信息论的最后内容了,后面就是关于编码理论的内容。
这篇文章主要目的还是想引出信息论基本定理的。像决策法则,其实就是某一个信道的逆过程。Hamming距离给出了传输前后在数值意义上的度量。
鉴于Shannon定理——信息论基本定理过于冗长,我单独列了个文章写进去了。详情可以点进去参考
陆艺:信息与编码系列(Appendix1) 信息论基本定理的证明(by Shannon)zhuanlan.zhihu.com决策法则(decision rules)
看似是个新的概念,但是联系之前所讲到的信道(information channel)的含义,从映射的角度来说,它就是信道的逆。
给出信道
这里说一点,其实这个函数并不一定是正确的,它表示的是这类函数的一个特例。这个过程叫做对输出的解码(decoding the output)。
对于这样的函数,一共有多少种呢,考虑对于特定的
依旧是考虑BSC,如果是接收方信赖发送方,那么就有决策法则
我们假定,知
那么对于输入源的推测准确率呢,就是加权求和一下,我们记作
即某些联合概率的和。
然后错误率呢,就是按
于是我们希找一个正确率高,相应地失误率低的决策法则,这样的法则就被称为理想观测法则(ideal observer rule)。
根据前面的推导,我们要想找到正确率高的,也就是要找联合分布概率最高的,让最高的
其中
考虑BSC
然后有决策法则
就是取每列最大的一项。
我们到这里可以总结出一点,就是
如果,碰到了接收方对发送方不是那么的了解,那么对发送方的预测就依赖于信道的特性。假设输入方的每个信号概率都是相等的,只考虑信道矩阵,即只需考虑
该法则对于特定的输入源所得到的正确率可能不是那么高,但是,他是对于下面这个积分满足最大值
其中
于是原积分为