当前位置: 首页 > news >正文

信息论与编码篇---N次拓展信道

我们接着之前通信的比喻,来聊聊N次拓展信道

如果把之前讨论的单次信道比作"一次交易",那N次拓展信道就是"长期合作"

1. 什么是N次拓展信道?

想象一下,你和朋友不再是一次只敲一下墙,而是连续敲N下,组成一个"敲击序列"

  • 单次使用:你敲1下,代表一个数字。

  • N次拓展:你连续敲3下,比如"1下、3下、2下",代表一个长度为3的序列

这个由N次独立、连续的信道使用组成的整体,就叫N次拓展信道

关键点在于:这N次使用之间是相互独立的。就像抛硬币,这一次抛的结果不会影响下一次。同样,第一次敲墙的结果(可能听错),不会影响第二次敲墙会不会听错。


2. N次拓展信道的容量是多少?

这里有一个非常漂亮且直观的结论

CN=N⋅C

其中:

  • C 是单次使用这个信道的容量(比如每次敲墙最多能传1.28比特)。

  • CN​ 是N次拓展信道的容量(比如敲3次墙,总共能传多少)。

通俗理解:

N次总容量=单次容量×次数

这就像打工赚工资:

  • 干1天活,能赚 C 元(单次容量)。

  • 连续干N天,每天赚的钱一样多,且互不影响。

  • 那么N天总共能赚的钱,就是 N×C 元。


3. 回到猜谜游戏

假设之前那堵墙(对称信道)的单次容量是 C=1.28 比特/次。

  • 如果只敲1次(N=1)
    你最多能可靠传递1.28比特的信息。比如,你可以告诉朋友"是"或者"否"(1比特),还能再夹带一点点私货。

  • 如果连续敲3次(N=3)
    这3次敲击就组成了一个N次拓展信道
    它的总容量是:

    C3=3×1.28=3.84 比特

这意味着,通过这3次敲击组成的序列,你最多能可靠传递3.84比特的信息。比如,你可以在一个长度为3的序列里,编码一个更复杂的信息(比如从20个预设的短语中选择一个说出来,因为 23.84≈14.3,大概能区分14种情况)。


4. 为什么是简单的乘法?有没有坑?

之所以能这么简单地相乘,是因为我们做了一个重要假设:信道是"无记忆"的

  • 无记忆:每次敲墙的干扰是独立的,第一次听错不影响第二次。所以每天赚的钱(容量)是可以直接累加的。

  • 如果有记忆:比如第一次敲太用力,把墙敲松了,导致后面几次更容易听错。那就麻烦了,总容量就不是简单的 N×C 了,可能会变小。这就是更复杂的"有记忆信道"的研究内容了。

5. 总结一下

概念单次信道N次拓展信道
定义使用1次信道连续、独立地使用N次信道
容量CCN=N×C
通俗类比干1天活,赚C元干N天活,赚 N×C 元
核心条件-N次使用之间相互独立(无记忆)
意义单次传输的上限多次传输的总上限,随N线性增长

一句话总结:
N次拓展信道就是把单次信道重复使用N次,因为每次使用互不影响,所以总容量就是单次容量乘以次数。这为通过多次传输来提升信息量提供了理论基础。

框图逻辑解读

  1. 左侧回顾:先回顾单次信道的定义和容量,作为对比基准。

  2. 主角定义:介绍N次拓展信道的定义、数学模型和核心条件(无记忆)。

  3. 核心公式

    • 公式:CN=N×C 用橙色高亮,是整个概念的核心。

    • 拆解:把公式拆解成三个部分,对应打工比喻的"日薪、天数、总收入"。

  4. 为什么是乘法

    • 关键在于无记忆。因为每次使用独立,容量才能线性叠加。

    • 用黄色高亮强调这个前提条件。

  5. 反例提醒

    • 如果信道有记忆,简单乘法就不成立了,可能需要更复杂的模型。

  6. 打工类比

    • 用"干1天赚C元,干N天赚N×C元"的直观比喻,帮助理解线性关系。

  7. 底部总结

    • 一句话点明本质:重复使用N次,总容量 = 单次容量 × 次数

http://www.jsqmd.com/news/379614/

相关文章:

  • 信息论与编码篇---积信道
  • 信息论与编码篇---可逆矩阵信道
  • Spark大数据处理:技术、应用与性能优化【1.2】
  • 有限元模型可视化:两套独立Python代码实现带载荷与纯几何对比
  • 6个提示词,能把混乱的剪辑变成专业策略
  • 26.2.12
  • 完整教程:leetcode算法(112.路径总和)
  • 使用Qwen Code的Skills能力重塑工作流 - yi
  • 大数据ETL工具比较:Sqoop vs Flume vs Kafka
  • Django 中间件
  • temperature定义与使用
  • Google API 教程
  • AI编程工具在高可用架构设计中的应用:从故障注入到灾备方案生成实战
  • 视频转换器HD Video Converter Factory 28.6 便携版
  • XML Schema 复合空元素
  • 2001-2024年上市公司媒体关注度数据+Stata代码
  • 必看!2026年琼海海鲜推荐榜单,探索高性价比家庭聚餐海鲜店与知名夜宵选择
  • 企业AI伦理准则制定中的跨部门协作:AI应用架构师的协调技巧
  • 6大方法教你禁止windows11自动更新,windows自动更新怎么关闭,有效阻止关闭win11更新
  • 把Kindle变成电子表!
  • Turnitin AI率爆表怎么办?揭秘网易有道“学术猹”的官方解决方案 - 品牌观察员小捷
  • Windows优化大师,Windows系统管理工具V9.53绿色优化版,附带实用工具箱,已调整功能优化,windows系统优化管理工具
  • Ruby 条件判断
  • 欧洲医药健康行业招聘数据集:41093条职位记录的全景分析与职业发展应用价值-涵盖了从临床研究、制药销售到医疗器械监管等全产业链的职位信息-人力资源研究、行业发展分析和人才市场预测
  • 法语年鉴数据集-语言学研究、教育资源开发、历史文献分析以及自然语言处理算法训练-深入分析语言演变、教育趋势以及学术内容-法语相关专业的毕业设计
  • 睡前讲一段docker编译镜像的故事
  • 论文降重避坑指南:如何确保 AI 率降至 10% 且不被收录? - 品牌观察员小捷
  • QT UDP网络编程
  • Open-AutoGLM项目实战:在Android设备上构建自动操作与ADB键盘控制
  • 拒绝论文“被收录”风险:2026年最安全的论文降AI率平台深度解析 - 品牌观察员小捷