UA MATH636 信息论7 高斯信道
UA MATH636 信息论7 高斯信道
- 高斯信道的容量
- Shannon Limit
- Beyond Shannon Limit
这一讲讨论Capacity of Bandwidth-Limited Gaussian Channel。这种高斯信道有两个重要特征:连续时间、带宽限制。假设Bandwidth-Limited Gaussian Channel输入与输出的关系是:
Yt=(Xt+Zt)∗htY_t = (X_t + Z_t)*h_tYt=(Xt+Zt)∗ht
这个信道的功能可以用下面的图表示:
其中XtX_tXt是输入的信号,ZtZ_tZt是高斯白噪声(参考SDE第一讲),h(t)h(t)h(t)是理想带通滤波器(ideal band-pass filter),YtY_tYt是接收端收到的信号。假设hth_tht(也记作H(f)H(f)H(f),fff是信号的频率)的带宽为WWW,则
H(f)=I(∣f∣≤W)H(f)=I(|f| \le W)H(f)=I(∣f∣≤W)
运算∗*∗表示卷积。根据卷积的线性性,
Yt=(Xt+Zt)∗ht=Xt∗ht+Zt∗htY_t = (X_t + Z_t)*h_t = X_t *h_t + Z_t*h_tYt=(Xt+Zt)∗ht=Xt∗ht+Zt∗ht
根据这个式子画出的信道的示意图为:
高斯信道的容量
使用信号处理的Nyquist-Shannon采样定理:如果随机信号ftf_tft带宽被限制为WWW,则抽样率为12W\frac{1}{2W}2W1(每秒从随机信号中抽样2W2W2W次)的样本是ftf_tft的充分统计量;根据这个定理可以将连续时间信号转换为离散时间的来考虑。因为Xt∗htX_t*h_tXt∗ht的带宽为WWW,因此可以按2W2W2W的频率采样将其离散化。
关于ZtZ_tZt,它有一个重要的性质,高斯白噪声信号的功率谱密度(PSD)是常数,假设ZtZ_tZt的方差为N0N_0N0,则
PSD(f)=N02PSD(f)=\frac{N_0}{2}PSD(f)=2N0
考虑Zt∗htZ_t*h_tZt∗ht,这一项为filtered noise,它的功率谱密度为
RZ∗h(f)=N02I(∣f∣≤W)R_{Z*h}(f) = \frac{N_0}{2}I(|f| \le W)RZ∗h(f)=2N0I(∣f∣≤W)
根据Nyquist-Shannon采样定理,按2W2W2W的频率对Zt∗htZ_t*h_tZt∗ht采样,样本是这个连续信号的充分统计量,并且是一个离散信号。
上一讲推导了离散时间高斯信道的容量为:
12ln(1+PN)\frac{1}{2}\ln \left(1 + \frac{P}{N} \right)21ln(1+NP)
这一讲的目标是把这个公式套用到连续时间高斯信道上。
首先计算filtered noise的自相关函数(ACF,auto-correlation function),
ACF(τ)=F−1(PSD)=N02sinc(τ)ACF(\tau) = \mathcal{F}^{-1}(PSD) = \frac{N_0}{2} sinc(\tau)ACF(τ)=F−1(PSD)=2N0sinc(τ)
根据sincsincsinc函数的性质,样本的自相关函数为
ACFsample(n2W)=N02I(n=0),n∈NACF_{sample}(\frac{n}{2W}) = \frac{N_0}{2}I(n = 0),n\in \mathbb{N}ACFsample(2Wn)=2N0I(n=0),n∈N
不妨记离散的噪声序列为Z~(i2W)\tilde{Z}(\frac{i}{2W})Z~(2Wi),上式说明
E[Z~(i2W)Z~(i2W)]=N02E[Z~(i2W)Z~(j2W)]=0E[\tilde{Z}(\frac{i}{2W})\tilde{Z}(\frac{i}{2W})]=\frac{N_0}{2} \\ E[\tilde{Z}(\frac{i}{2W})\tilde{Z}(\frac{j}{2W})]=0E[Z~(2Wi)Z~(2Wi)]=2N0E[Z~(2Wi)Z~(2Wj)]=0
从而采样的离散噪声序列服从N(0,N02)N(0,\frac{N_0}{2})N(0,2N0)。
信号的power per sample为P2W\frac{P}{2W}2WP,因此做了离散处理后这个信道的容量为(这里的单位是bits/sample*sec)
12ln(1+PN)=12ln(1+P2WN02)\frac{1}{2}\ln \left(1 + \frac{P}{N} \right) = \frac{1}{2}\ln \left(1 + \frac{\frac{P}{2W}}{\frac{N_0}{2}} \right)21ln(1+NP)=21ln(1+2N02WP)
因此这个信道的信道容量为
C=Wln(1+PN0W)C = W \ln \left(1 + \frac{P}{N_0W} \right)C=Wln(1+N0WP)
如果PPP固定,
C∞=limW→∞C=limW→∞Wln(1+PN0W)=PN0C_{\infty}=\lim_{W \to \infty} C = \lim_{W \to \infty} W \ln \left(1 + \frac{P}{N_0W} \right) = \frac{P}{N_0}C∞=W→∞limC=W→∞limWln(1+N0WP)=N0P
如果用bits为单位,则为
C∞=PN0ln2C_{\infty} = \frac{P}{N_0 \ln 2}C∞=N0ln2P
Shannon Limit
假设某个通讯系统的传输率为RbR_bRb,其含义是传输一个kkk bits的信号需要TTT s,则
Rb=kTR_b = \frac{k}{T}Rb=Tk
这个信号的能量为
E=PT=kEbE = PT = kE_bE=PT=kEb
EbE_bEb的含义是energy per bit,则
Eb=PTkE_b = \frac{PT}{k}Eb=kPT
根据信道容量的定义,
Rb≤C∞⇔C∞Rb>1⇒P/N0ln2Tk=EbN0ln2>1⇒EbN0>ln2R_b \le C_{\infty} \Leftrightarrow \frac{C_{\infty}}{R_b}>1 \\ \Rightarrow \frac{P/N_0}{\ln 2} \frac{T}{k} = \frac{E_b}{N_0 \ln2} >1 \Rightarrow \frac{E_b}{N_0} > \ln 2Rb≤C∞⇔RbC∞>1⇒ln2P/N0kT=N0ln2Eb>1⇒N0Eb>ln2
也就是说,要实现reliable communication,单个字节的信噪比至少要超过ln2\ln 2ln2,这里ln2\ln 2ln2又叫做Shannon Limit,它是reliable communication的极限。
Beyond Shannon Limit
假设固定压缩率,对于长度为NNN的信号,假设信源编码后被压缩为kkk bits,则压缩率为R=k/nR=k/nR=k/n。假设这一段是连续时间随机信号,则采样得到的样本数为2WT=N2WT=N2WT=N(Nyquist-Shannon)。从而
Rb=kT=kN2W=2WkN=2WRR_b = \frac{k}{T} = \frac{k}{\frac{N}{2W}} = 2W \frac{k}{N} = 2W RRb=Tk=2WNk=2WNk=2WR
根据信道容量的含义
Rb=2WR<Wln(1+PN0W)R_b = 2WR < W \ln \left(1 + \frac{P}{N_0W} \right)Rb=2WR<Wln(1+N0WP)
因为
PN0W=kEbTN0W=2REbN0\frac{P}{N_0W} = \frac{kE_b}{TN_0W} = \frac{2RE_b}{N_0}N0WP=TN0WkEb=N02REb
带入到上面的不等式
2R<ln(1+2REbN0)2R < \ln (1+\frac{2RE_b}{N_0})2R<ln(1+N02REb)
从中求解出Eb/N0E_b/N_0Eb/N0:
EbN0>22R−12R\frac{E_b}{N_0} > \frac{2^{2R}-1}{2R}N0Eb>2R22R−1
当R→0R \to 0R→0时,这个下界趋近于Shannon Limit。
UA MATH636 信息论7 高斯信道相关推荐
- UA MATH636 信息论7 高斯信道简介
UA MATH636 信息论7 高斯信道简介 微分熵的性质 Gaussian Channel简介 微分熵的性质 讨论Gauss信道之前,先给出几条微分熵的有用的性质: Gibbs不等式:D(p∣∣q) ...
- UA MATH636 信息论7 并行高斯信道简介
UA MATH636 信息论7 并行高斯信道简介 考虑并行的高斯信道:将一个长信号分为kkk段,走一个并行的高斯信道,被接受后再把信号拼起来.每一个高斯信道的输入为Xi,i=1,⋯,kX_i,i=1, ...
- UA MATH636 信息论9 Berlekamp-Welch算法
UA MATH636 信息论9 Berlekamp-Welch算法 Naive RS decoder Berlekamp-Welch算法 一个例子 上一讲介绍了RS code,这一讲介绍RS code ...
- UA MATH636 信息论9 Reed-Solomon Code
UA MATH636 信息论9 Reed-Solomon Code Reed-Solomon Code的构造 一个例子 先介绍一类code,maximum distance separable cod ...
- UA MATH636 信息论9 有限域简介
UA MATH636 信息论9 有限域简介 域.有限域 有限域上的多项式的四则运算 有限域是研究Reed-Solomon code (RS code)的基础,RS code是一种非常常用的error- ...
- UA MATH636 信息论8 线性纠错码的解码算法
UA MATH636 信息论8 线性纠错码的解码算法 standard array decoding syndrome decoding 考虑BSC,上一讲提到了ML decoder与MAP deco ...
- UA MATH636 信息论8 线性纠错码
UA MATH636 信息论8 线性纠错码 线性码的性质 Decode Linear Code 更细致地定义下记号,记 kkk bits信号为向量 m=[m0,⋯,mk−1]m=[m_0,\cdots ...
- UA MATH636 信息论8 纠错码简介
UA MATH636 信息论8 纠错码简介 Hamming Distance Property of Error Correction 这一讲开始介绍纠错码,error correction code ...
- UA MATH636 信息论6 微分熵
UA MATH636 信息论6 微分熵 Differential Entropy Conditional Differential Entropy Differential Entropy of Ga ...
最新文章
- 计算机书籍-Go语言入门经典SAMS Teach Yourself
- Cytoscape制作带bar图和pie图节点的网络图
- linux tomcat自启动设置
- VTK:图表之TreeBFSIterator
- Sentinel降级_RT_分布式系统集群限流_线程数隔离_削峰填谷_流量控制_速率控制_服务熔断_服务降级---微服务升级_SpringCloud Alibaba工作笔记0039
- html引入html include_PostgreSQL引入插件EXTENSION的常用方法
- 免疫算法小结及算法实例(附Matlab代码)
- word 图 按居中,居中不了的问题
- python eof是什么_EOF是什么?
- unreal歌曲百度云下载_Unreal_Engine_4_1
- Android Studio实现记单词App,背完四六级一次过~
- 关于meta标签中的http-equiv属性使用介绍
- 大数据云计算支撑公安工作跨越发展
- 在线二维码生成工具html源码
- 数据结构(一) --- 开篇
- Win2003 Server磁盘配额揭密之删除篇
- 计算机系统中三级存储器结构,计算机三级存储体系(1)
- 鸿蒙支持lOS,读了鸿蒙 OS 的代码后,我发现优秀项目都有这个共性!
- html表格固定首行首列
- 梯度是什么,简单说梯度下降是什么