在信息论中,直接求 往往比较复杂,因为它涉及在满足平均失真约束下对所有可能的转移概率 进行优化。为了简化计算,通常会引入一个拉格朗日乘子 (或者这里的 )来构造一个辅助函数,从而通过求偏导的方式找到最小值。

离散信源信息率失真函数的参量表达式,通常是通过引入一个参数 来定义的。这个 可以看作是一个“斜率”或者“代价因子”,它将互信息量和平均失真度结合起来。

构造拉格朗日辅助函数函数

对转移概率求偏导之后等于 0,一通化简。在满足给定失真函数 和信源概率 的条件下,能够使平均互信息量最小化的最优试验信道转移概率 满足以下形式:

其中:

  • 是一个参数,通常
  • 是接收端符号 的概率。
  • 是失真函数。
  • 是一个归一化常数,确保 对所有 都成立。

下面紫色的是斜率,也就是 S。反正就记住这个图长这样就行


下面是一个计算实例

二元及等概率离散信源的信息率失真函数的计算方法

二元及等概率离散信源的定义

首先,我们明确信源的特性:

  • 信源 : 只有两个可能的输出符号,例如
  • 概率分布 :
  • 等概率信源:意味着 。当 时,信源熵 比特。

失真矩阵

PPT 中给出了失真矩阵 ,其中 。这表示:

  • :发送 收到 没有失真。
  • :发送 收到 没有失真。
  • :发送 收到 产生 的失真。
  • :发送 收到 产生 的失真。 这是一种对称失真,是汉明失真的一种推广(当 时就是标准的汉明失真)。

最大允许失真度

最大允许失真度 是指在不传输任何信息(即信息率 )的情况下,能够达到的最小平均失真度。 ,其中

对于二元信源和上述对称失真:

  • 如果接收端总是输出 .
  • 如果接收端总是输出 中的较小值。在二元等概率信源()的情况下,,所以 .

计算步骤(参量表达式法)

信息率失真函数的计算通常采用拉格朗日乘子法,引入参数

确定最优转移概率 的形式

最优的信道转移概率 满足以下形式:

其中 是归一化常数,确保

计算 的表达式:

根据归一化条件 ,我们可以得到:

所以,。对于二元信源()和二元输出(),且失真矩阵如上所示:

  • (发送 ).
  • (发送 ).

计算 的表达式

,且 ,代入并简化

  • .
  • .

的表达式代入 最终得到:

  • .
  • .
  • .
  • .

需要注意,这些概率值必须大于等于零,所以存在 的取值范围,通常

计算 (平均失真度) 的参量表达式

将上面得到的 代入,经过化简,对于二元信源和对称失真,可以得到:

计算 (信息率) 的参量表达式

这里 是自然对数,如果互信息量用 表示,则公式需要乘以

的具体表达式代入,经过化简,可以得到

(注意这里的对数基数通常是 ,如果最终结果需要比特,则需转换为

最终 表达式 (当 时)

其中 是信源熵。 是二元熵函数。对于等概率信源,即 比特。所以,对于二元等概率信源和对称失真函数,信息率失真函数最终简化为:

总结

计算二元及等概率离散信源的信息率失真函数,通常涉及以下步骤:

  1. 定义信源和失真函数:确定信源符号概率 和失真矩阵 。对于二元等概率信源,通常 ,失真矩阵是对称的,非对角线元素为
  2. 引入参数 :通过拉格朗日乘子法,构造一个辅助函数,并对 求偏导。
  3. 推导最优转移概率 : 这是核心步骤,需要解出一组以 和信源参数表示的
  4. 计算 的参量表达式:将推导出的最优 代入平均失真度和互信息量的公式,得到 的表达式。
  5. 消除参数 (如果可能):通常情况下,可以从 的表达式中反解出 关于 的函数,再代入 ,从而得到 的显式表达式。对于二元等概率对称失真信源,这个最终形式非常简洁,即