« Minimal Reproducible »
Home Tags About GitHub

CH3-离散和连续源的信息熵

Published at 2024-11-27
 Licensed under CC BY-NC-SA 4.0 notesjulyfun大四上信息与编码
  • [Chain rules for Entropy]
    • 计算有记忆源的信息熵公式.
  • [带记忆多符号离散平稳源的极限熵]
    • 定义为: image.png|500
    • image.png
      • 平均符号熵和条件熵都会趋于稳定值（极限熵）.
        • [?]

连续熵

  • [微分熵]
    • 这是去掉无穷大项以后的相对熵.
    • 计算机内部先离散.
  • [正态分布熵]
    • 逆天，我推的. 注意积 时，令 :
Misplaced &integral e^(-t^2) t^2 dif t &= u^circle v - u^(circle circle) v^prime \ &= [-1 / 2 e^(-t^2) dot t]_(-oo)^(+oo) - integral -1 / 2 e^(-t^2) dif t \ &= 0 + 1 / 2 sqrt(pi)

image.png

  • 最大熵定理
    • 同样方差情况下，正态分布熵最大.
  • : 符号等概率分布情况下具有的熵. 符号数量
  • 利用率 , 冗余度
  • 信源编码：冗余度越小越好
    • 信道编码：需要增加一些冗余度以提升抗干扰性.

杂项

  • 条件熵一定小于无条件熵