在信息论中,直接求 R(D)=minI(X;Y) 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 p(bj/ai) 进行优化。为了简化计算,通常会引入一个拉格朗日乘子 λ(或者这里的 S)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 S 来定义的。这个 S 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 I(X;Y)+S⋅Dˉ−μ(∑p(bj∣ai)−1)
−i∑j∑p(ai)p(bj/ai)log2p(bj/ai)−Si∑j∑p(ai)p(bj/ai)d(ai,bj)−μi(j∑p(bj∣ai)−1)
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 d(ai,bj) 和信源概率 p(ai) 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 p(bj/ai) 满足以下形式:
p(bj/ai)=p(bj)⋅2S⋅d(ai,bj)⋅λi
其中:
- S 是一个参数,通常 S<0 。
- p(bj) 是接收端符号 bj 的概率。
- d(ai,bj) 是失真函数。
- λi 是一个归一化常数,确保 ∑jp(bj/ai)=1 对所有 i 都成立。
D(S)=i=1∑nj=1∑mp(ai)p(bj/ai)d(ai,bj)
R(S)=S⋅D(S)+i=1∑np(ai)lnλi

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 X: 只有两个可能的输出符号,例如 a1 和 a2。
- 概率分布 P(X): P(X)=[a1pa21−p]。
- 等概率信源:意味着 p=0.5。当 p=0.5 时,信源熵 H(X)=−0.5log20.5−(1−0.5)log2(1−0.5)=1 比特。
失真矩阵 D
PPT 中给出了失真矩阵 D=[0αα0],其中 α>0。这表示:
- d(a1,a1)=0:发送 a1 收到 a1 没有失真。
- d(a2,a2)=0:发送 a2 收到 a2 没有失真。
- d(a1,a2)=α:发送 a1 收到 a2 产生 α 的失真。
- d(a2,a1)=α:发送 a2 收到 a1 产生 α 的失真。
这是一种对称失真,是汉明失真的一种推广(当 α=1 时就是标准的汉明失真)。
最大允许失真度 Dmax
最大允许失真度 Dmax 是指在不传输任何信息(即信息率 R=0)的情况下,能够达到的最小平均失真度。 Dmax=minjDj,其中 Dj=∑i=1np(ai)d(ai,bj)
对于二元信源和上述对称失真:
- 如果接收端总是输出 b1:D1=p(a1)d(a1,b1)+p(a2)d(a2,b1)=p⋅0+(1−p)⋅α=(1−p)α.
- 如果接收端总是输出 b2:D2=p(a1)d(a1,b2)+p(a2)d(a2,b2)=p⋅α+(1−p)⋅0=pα
Dmax 取 D1 和 D2 中的较小值。在二元等概率信源(p=0.5)的情况下,D1=0.5α 且 D2=0.5α,所以 Dmax=0.5α.
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 S。
确定最优转移概率 p(bj/ai) 的形式
最优的信道转移概率 p(bj/ai) 满足以下形式:
p(bj/ai)=λip(bj)eSd(ai,bj)
其中 λi 是归一化常数,确保 ∑jp(bj/ai)=1。
计算 λi 的表达式:
根据归一化条件 ∑jp(bj/ai)=1,我们可以得到:
1=j=1∑mp(bj/ai)=λij=1∑mp(bj)eSd(ai,bj)
所以,λi1=∑j=1mp(bj)eSd(ai,bj)。对于二元信源(a1,a2)和二元输出(b1,b2),且失真矩阵如上所示:
- 当 i=1 (发送 a1):
1/λ1=p(b1)eSd(a1,b1)+p(b2)eSd(a1,b2)=p(b1)eS⋅0+p(b2)eSα=p(b1)+p(b2)eSα.
- 当 i=2 (发送 a2):
1/λ2=p(b1)eSd(a2,b1)+p(b2)eSd(a2,b2)=p(b1)eSα+p(b2)eS⋅0=p(b1)eSα+p(b2).
计算 p(bj) 和 p(bj/ai) 的表达式
由 p(bj)=∑ip(ai)p(bj/ai),且 p(bj/ai)=λip(bj)eSd(ai,bj),代入并简化
- p(b1)=1−e2Sαp−(1−p)eSα.
- p(b2)=1−e2Sα(1−p)−peSα.
将 λi 和 p(bj) 的表达式代入 p(bj/ai)=λip(bj)eSd(ai,bj) 最终得到:
- p(b1/a1)=p(1−e2Sα)p−(1−p)eSα.
- p(b2/a1)=p(1−e2Sα)(1−p)−peSαeSα.
- p(b1/a2)=(1−p)(1−e2Sα)p−(1−p)eSαeSα.
- p(b2/a2)=(1−p)(1−e2Sα)(1−p)−peSα.
需要注意,这些概率值必须大于等于零,所以存在 S 的取值范围,通常 eSα≤min(1−pp,p1−p)
计算 D(S) (平均失真度) 的参量表达式
D(S)=i=1∑nj=1∑mp(ai)p(bj/ai)d(ai,bj)
将上面得到的 p(bj/ai) 代入,经过化简,对于二元信源和对称失真,可以得到:
D(S)=1+eSααeSα
计算 R(S) (信息率) 的参量表达式
R(S)=S⋅D(S)+i=1∑np(ai)lnλi
这里 ln 是自然对数,如果互信息量用 log2 表示,则公式需要乘以 ln21。
将 D(S) 和 lnλi 的具体表达式代入,经过化简,可以得到 R(S):
R(S)=1+eSαSαeSα−plnp−(1−p)ln(1−p)−ln(1+eSα)
(注意这里的对数基数通常是 e,如果最终结果需要比特,则需转换为 log2)
最终 R(D) 表达式 (当 p=0.5 时)
R(D)=H(p)−H(αD)
其中 H(p)=−plog2p−(1−p)log2(1−p) 是信源熵。H(x)=−xlog2x−(1−x)log2(1−x) 是二元熵函数。对于等概率信源,即 p=0.5:H(0.5)=1 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:
R(D)=1−H(αD)
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:
- 定义信源和失真函数:确定信源符号概率 p(ai) 和失真矩阵 d(ai,bj)。对于二元等概率信源,通常 p(a1)=p(a2)=0.5,失真矩阵是对称的,非对角线元素为 α。
- 引入参数 S:通过拉格朗日乘子法,构造一个辅助函数,并对 S 求偏导。
- 推导最优转移概率 p(bj/ai): 这是核心步骤,需要解出一组以 S 和信源参数表示的 p(bj/ai)。
- 计算 D(S) 和 R(S) 的参量表达式:将推导出的最优 p(bj/ai) 代入平均失真度和互信息量的公式,得到 D(S) 和 R(S) 的表达式。
- 消除参数 S (如果可能):通常情况下,可以从 D(S) 的表达式中反解出 S 关于 D 的函数,再代入 R(S),从而得到 R(D) 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 R(D)=1−H(D/α) 。