teo info
DESCRIPTION
EntropiaTRANSCRIPT
-
Teoria da Informao
Limites Fundamentais daInformao
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 1
-
Introduo
A Teoria da Informao responde a certas questes fundamentais: Qual a menor complexidade que uma fonte de informaes pode ser reduzida? Entropia da fonte.Qual a maior taxa de transmisso para comunicao Qual a maior taxa de transmisso para comunicao confivel em um canal ruidoso? Capacidade do canal.
Um resultado mais especfico: Se a entropia da fonte for menor que a capacidade do canal, ento a comunicao atravs do canal pode ser realizada livre de erros (ou com uma taxa de erros arbitrariamente pequena) .
2UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro
-
Incerteza, Informao e Entropia
Incerteza Informao Quando se obtm informao, diminui-se a incerteza.
Exemplo: Suponha uma varivel aleatria discreta S Exemplo: Suponha uma varivel aleatria discreta Sassuma os valores com probabilidades dadas por
Qual a quantidade de informao obtida ao se observar os resultados de S?
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 3
{ }110 ,,, = KsssS K
1,,1,0,)Pr( === Kkpss kk K
-
Incerteza, Informao e Entropia
Caso 1: p0 = 1 Neste caso no h diminuio da incerteza ou ganho deinformao.
Caso 2: p1 0Caso 2: p1 0 Neste caso haveria um ganho de informao tendendo ainfinito.
Caso 3 (geral): 0 < pk < 1 Neste caso ocorre um ganho de informao entre zero einfinito.
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 4
-
Incerteza, Informao e Entropia
Quantidade de informao
)(log1log)( kbk
bk ppsI =
=
Unidades de informao b = e 2,718 nat b = 2 bit
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 5
k
-
Incerteza, Informao e Entropia
Propriedades
1. I(sk) = 0 para pk = 12. I(sk) 0 para 0 pk 13.3. I(sk) > I(sj) para pk < pj4. I(sj sk) = I(sj) + I(sk) se sj e sk so estatisticamente
independentes.
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 6
-
Incerteza, Informao e Entropia
Entropia a quantidade de informao mdia de uma fonte de dados.
[ ]= )()( ksIESH
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 7
[ ]
=
=
=
=
=
1
0
1
0
1log
)(
)()(
K
k kk
K
kkk
k
pp
sIp
sIESH
-
Incerteza, Informao e Entropia
Ex.1: Qual a entropia de uma fonte de dados binria S1 com probabilidades de smbolos dadas por p0 = e p1 = ?
( ) ==
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 8
( )
bits 811,0415,0432
41)(
bits 415,034log)(
bits 24log)(
1
21
20
=+=
=
=
==
SH
sI
sI
-
Incerteza, Informao e Entropia
Ex.2: Qual a entropia de uma fonte de dados binria S2 equiprovvel (p0 = p1 = ) ?
( ) bit 12log)()( 210 === sIsI
Note que a entropia mxima ocorre para a fonte S2que equiprovvel.
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 9
bit 11211
21)( 2
210
=+=SH
-
Incerteza, Informao e Entropia
Propriedades Entropia de uma fonte discreta sem memria com Ksmbolos: 0 H(S) log2 K .
H(S) = 0 se e somente se p = 1 para algum smbolo s . H(S) = 0 se e somente se pk = 1 para algum smbolo sk. H(S) = log2 K se e somente se pk = 1/K para todo k, isto , quando todos os smbolos so equiprovveis.
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 10
-
Incerteza, Informao e Entropia
Entropia de uma fonte binria
)()1(log)1(logloglog)(
0020020
121020
pHppppppppSH
==
=
H(p =0,5) = 1
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 11
H(p0=0) = 0 H(p0=1) = 0
H(p0=0,5) = 1
Probabilidade de smbolo, p0
-
Incerteza, Informao e Entropia
Fontes Estendidas
Blocos de n smbolos de uma fonte discreta Sproduzem uma fonte estendida Sn.
Smbolos da fonte original independentes: Smbolos da fonte original independentes:
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 12
)()( SHnSH n =
-
Incerteza, Informao e Entropia
Exemplo: S = {s0, s1, s2}, p = {, , }
1log1log1log)(2
221
210
20
+
+
=
pp
pp
ppSH
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 13
( ) ( ) ( )bits
23
2log214log
414log
41
222
210
=
++=
ppp
-
Incerteza, Informao e Entropia
Smbolos de S 2 0 1 2 3 4 5 6 7 8
Sequncia de S s0s0 s0s1 s0s2 s1s0 s1s1 s1s2 s2s0 s2s1 s2s2
p(i) 1/16 1/16 1/8 1/16 1/16 1/8 1/8 1/8 1/4
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 14
( ) ( ) ( ) ( )( ) ( ) ( ) ( )
)(2bits 34log
418log
818log
8116log
161
16log1618log
8116log
16116log
161
)(1log)()(
2222
2222
8
02
2
SH
ppSH
iii
==
++++
+++=
=
=
-
Teorema de Codificao de Fonte
Um problema importante em comunicaes arepresentao eficiente dos dados gerados poruma fonte discreta.
O processo que fornece essa representao O processo que fornece essa representaoeficiente conhecido por codificao de fonte.
Um codificador de fonte eficiente deve satisfazerdois requisitos funcionais: Palavras-cdigo devem ser geradas na forma binria. Cdigo de sada deve ser unicamente decodificvel.
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 15
-
Teorema de Codificao de Fonte
Comprimento mdio das palavras-cdigo
1 Teorema de Shannon (1948)
=
=
1
0
K
kkklpL
1 Teorema de Shannon (1948)
Eficincia de codificao
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 16
LSH
LL )(min
==
)(SHL
-
Compactao de Dados
Decodificabilidade nica
A concatenao de palavras, sem mecanismo de pontuao, deve ser unicamente decodificvel.
Contra-exemplo: Contra-exemplo:S = {a, b, c, d, e, f } = {0, 1, 00, 01, 10, 11}01 = ab ou d S no unicamente decodificvel!Lmin = H(S) = log2 (6) 2,58
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 17
!!! )(67,16
10 SHL
-
Compactao de Dados
Um cdigo binrio unicamente decodificvel deve satisfazer a desigualdade de Kraft-McMillan.
121
Klk
Para o contra-exemplo anterior:
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 18
120
=k
!!! 1242222 211
0>=+=
=
K
k
lk
-
Compactao de Dados
Cdigos Prefixo
Nenhuma palavra-cdigo prefixo de outra palavra-cdigo.
Um cdigo prefixo unicamente decodificvel e, Um cdigo prefixo unicamente decodificvel e, portanto, satisfaz a desigualdade de Kraft-McMillan.
Um cdigo unicamente decodificvel no necessariamente um cdigo prefixo.
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 19
-
Compactao de Dados
Smbolo Probabilidade Cdigo I Cdigo II Cdigo III
s0 0,5 0 0 0
s1 0,25 1 10 01
s2 0,125 00 110 011
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 20
O cdigo I viola a desigualdade de Kraft-McMillan e, portanto, no prefixo nem unicamente decodificvel.
A desigualdade de Kraft-McMillan satisfeita para os cdigos II e III.
Somente o cdigo II cdigo prefixo.
s3 0,125 11 111 0111
-
Compactao de Dados
rvore de decodificao para o cdigo II Cdigo prefixo: decodificao instantnea.
Estado
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 21
Estadoinicial
-
Compactao de Dados
Comprimento mdio das palavras de um cdigo pode ser arbitrariamente prximo da entropia.
Ex.: S = {a = 0, b = 10, c = 11}, pk = {0,8; 0,1; 0,1}
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 22
ok! 2,121,02180
92,0)1,0(log1,02)8,0(log8,0)( 22
>=
+=
=
=
H(S),L
SH
-
Compactao de Dados
Melhor cdigo para S2 (letras duplas):
=
=
=
1011000
ac
abaa
2/)]46(01,0)1433(08,0
)11(64,0[
+
++
=L
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 23
=
=
=
=
=
=
=
1111111111101110111101111100110
2
cc
cbca
bcbbba
S92,0)(96,0
2/)]46(01,0=>=
+
SH
Aumentando o nmero de letras codificadas de cada vez, o comprimento mdio das palavras se aproxima da entropia da fonte (ao preo de maior consumo de memria).
-
Compactao de Dados
Limitantes para cdigos prefixo
Limitantes para cdigos prefixo estendidos
1)()( +
-
Compactao de Dados
Cdigo de Huffman Cdigo prefixo timo para fontes sem memria.
Associa uma sequncia de bits de comprimento aproximadamente igual quantidade de informao aproximadamente igual quantidade de informao de cada smbolo da fonte.
O comprimento mdio das palavras do cdigo de sada se aproxima da entropia da fonte H(s).
25UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro
-
Compactao de Dados
Construo do cdigo de Huffman1. Os smbolos da fonte so listados em ordem de
probabilidade decrescente. Aos dois smbolos de menor probabilidade so associados bits 0 e 1.
2. Esses dois smbolos so combinados em um novo smbolo com probabilidade igual a soma das duas probabilidades originais. A probabilidade do novo smbolo reposicionada na lista de acordo com seu valor.
3. O procedimento repetido at que a lista s contenha dois elementos aos quais so associados bits 0 e 1.
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 26
-
Compactao de Dados
Exemplo:
{ }}1,0;1,0;2,0;2,0;4,0{
,, 40
=
=
pssS K
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 27
bits 12,266,093,053.0
1,01log1,02
2,01log2,02
4,01log4,0)( 222
=
++=
+
+
=SH
-
Compactao de Dados
Cdigo de Huffman resultante:
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 28
bits 12,2)(bits 2,231,031,022,022,024,0
==
++++=
SHL
( )16,0)2,23(1,02)2,22()2,024,01( 22
1
0
22
=++=
=
=
K
kkk Llp
-
Compactao de Dados
Outra soluo:
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 29
LL
==
++++=
bits 2,241,041,032,022,014,02
2
222222
36,1)2,24(1,02)2,23(2,0)2,22(2,0)2,21(4,0
>=
+++=
-
Compactao de Dados
Limitaes do cdigo de Huffman
Necessrio conhecer as estatsticas da fonte a priori. A codificao direta de fontes com memria ineficiente. ineficiente.
A codificao da fonte estendida melhora a eficincia ao custo de maior complexidade e dispndio de memria.
A limitao de recursos computacionais impede a captao das relaes de dependncia de ordem elevada (p.ex., entre palavras e frases em um texto).
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 30
-
Compactao de Dados
Algoritmo LZ (Lempel-Ziv)
Inventado em 1977 por Abraham Lempel e Jacob Ziv.
Mtodo adaptativo: utiliza dicionrio.Mtodo adaptativo: utiliza dicionrio.
Amplamente utilizado (incluindo variantes e
implementaes mistas).
Programas: GZIP, LHA, ARJ, PKZIP, DEFLATE, DPKG, RPM
Formatos: GIF, TIFF, PDF, RPM, DEB, PNG, GZ, ZIP, 7z
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 31
-
Compactao de Dados
Variantes LZ
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 32
-
Compactao de Dados
Algoritmo LZ78 Insere palavras correspondentes a um ou mltiplos caracteres, da mensagem a ser codificada em um Dicionrio.
Os padres de mltiplos caracteres so da forma: C1, Os padres de mltiplos caracteres so da forma: C1, C2,, Cn-1, Cn. O prefixo de um padro consiste de todos os caracteres do padro exceto o ltimo: C1, C2,, Cn-1.
Sada LZ78:
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 33
(0, Caractere) Se um caractere no est no dicionrio
(IndicePrefixo, Caractere) Se o padro de mltiplos caracteres no est no dicionrio
(IndicePrefixo, ) Se o padro de mltiplos caracteres est no dicionrio
-
Compactao de Dados
Exemplo: Codificao LZ78 Mensagem de entrada: ABBCBCABABCAABCAAB
Cdigo de sada: (0,A)(0,B)(2,C)(3,A)(2,A)(4,A)(6,B)
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 34
-
Compactao de Dados
Comprimento de sada
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 35
Sada (0, A) (0, B) (2, C) (3, A) (2, A) (4, A) (6, B)ndice 1 2 3 4 5 6 7Lsaida: (1 + 8) + (1 + 8) + (2 + 8) + (2 + 8) + (2+ 8) + (3 + 8) + (3 + 8) = 70 bitsLentrada: 18 8 = 144 bits; Taxa de compresso: 144 : 70 = 2,06 : 1
-
Compactao de Dados
Exemplo: Decodificao LZ78 Cdigo de entrada: (0,A)(0,B)(2,C)(3,A)(2,A)(4,A)(6,B)
Mensagem de sada: ABBCBCABABCAABCAAB
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 36
-
Compactao de Dados
Taxas de compresso tpicas
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 37
-
Canais Discretos sem Memria
DMC (Discrete Memoryless Channel) Alfabetos de entrada e sada discretos. Sada depende apenas da entrada atual.
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 38
-
Canais Discretos sem Memria
Matriz de Probabilidades de Transio
=
)|()|()|()|()|()|(
111110
010100
K
K
xypxypxypxypxypxyp
MMM
L
L
P
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 39
)|()|()|( 111110 JKJJ xypxypxyp LMMM
1,,1,0 para 1)|()|()|(
1
0==
===
=
Jjxyp
xXyYPxypK
kjk
jkjk
K
-
Canais Discretos sem Memria
Distribuio Conjunta
)()|()()|(
),(),(
jjk
jjk
kjkj
xpxyp
xXpxXyYP
yYxXPyxp
=
====
===
Distribuio Marginal
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 40
)()|( jjk xpxyp=
1,,1,0 para )()|(
)()|()()(
1
0
1
0
==
====
==
=
=
Kkxpxyp
xXpxXyYP
yYPyp
J
jjjk
J
jjjk
kk
K
-
Canais Discretos sem Memria
BSC (Binary Simmetric Channel) O canal binrio simtrico o canal discreto sem memria mais simples.
Probabilidade de erro: Pe = p Probabilidade de erro: Pe = p
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 41
=
=
pppp
xypxypxypxyp
11
)|()|()|()|(
1110
0100P
-
Canais Discretos sem Memria
Canal Binrio Assimtrico1
Probabilidade de Erro
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 42
1
10
110001
1001
)()|()()|(),(),(
)(
ppxpxypxpxyp
xypxypxyPP kke
+=+=
+=
=
-
Informao Mtua
Hipteses (recepo)
O receptor: No conhece a entrada X
No conhece o rudo do canal e os seus efeitos No conhece o rudo do canal e os seus efeitos
Conhece a sada Y
Conhece a distribuio de entrada p(xj) Conhece as probabilidades de transio p(yk | xj)
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 43
-
Informao Mtua
A quantidade de informao na entrada do canal medida pela entropia da fonte H(X). H(X) a incerteza do receptor antes da transmisso, pois o mesmo no tem acesso direto aos dados da fonte X.fonte X.
Aps a transmisso, a observao da sada do canal Y reduz a incerteza do receptor para H(X |Y). A informao sobre a entrada que foi obtida pela observao da sada do canal a informao mtua:
I(X;Y) = H(X) H(X |Y)UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 44
-
Informao Mtua
Entropia Condicional
=
==
1
0 )|(1log)|()|(
J
j kjkjk yxp
yxpyYXH
[ ]== )|()( kyYXHEYXH
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 45
[ ]
=
=
=
=
=
=
=
==
==
1
0
1
0
1
0
1
0
1
0
)|(1log),(
)|(1log)()|(
)|()()|()(
K
k
J
j kjkj
K
k
J
j kjkkj
K
kkk
k
yxpyxp
yxpypyxp
yYXHyp
yYXHEYXH
-
Informao Mtua
Informao Mtua
=
=
=
1
0
1
0 )()|(
log),();(J
j
K
k j
kjkj
xpyxp
yxpYXI
1 1 )|(J K xyp
Regra de Bayes:
Informao mtua simtrica: I(X;Y) = I(Y;X)
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 46
=
=
=
1
0
1
0 )()|(
log),();(J
j
K
k k
jkkj yp
xypyxpXYI
)()|(
)()|(
k
jk
j
kj
ypxyp
xpyxp
=
-
Informao Mtua
Propriedades1.
2.
3.
);();( XYIYXI =0);( YXI
);()()();( XYHYHXHYXI +=3.
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 47
);()()();( XYHYHXHYXI +=
-
Capacidade de Canal
A capacidade de canal de um DMC a mxima informao mtua que pode ser obtida em um intervalo de sinalizao.
A capacidade do canal alcanada para uma A capacidade do canal alcanada para uma determinada distribuio de probabilidade de entrada {p(xj)}.
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 48
);(max)}({
XYICjxp
=
-
Capacidade de Canal
Capacidade do BSC
que?)(por 1)()(2/1 para 1)(
loglog)(
maxmax
10max
121020
==
===
=
XHYHppXH
ppppXH
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 49
que?)(por 1)()( maxmax == XHYH
2/1
max
max
2/1)}({
10
10
|)|(1)|()()|()(
|);();(max
==
==
=
=
=
==
pp
ppxp
XYHXYHYHYXHXH
YXIYXICj
-
Capacidade de Canal
Capacidade do BSC (cont.)
)|(log)|()|(log)|()|(log)|()|(log)|(1
|)|(1
112111012001
102110002000
2/110
xyppxypxyppxypxyppxypxyppxyp
XYHC pp
++
++=
===
Canal sem rudo (p = 0):C = 1 bit/smbolo
Canal mais ruidoso (p = 1/2):C = 0
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 50
)(1)1(log)1(log1
)|(log)|()|(log)|(22
112111012001
pHpppp
xyppxypxyppxyp
=
++=
++
-
Teorema de Codificao de Canal
O rudo no canal causa erros de transmisso. O objetivo da codificao de canal aumentar a
robustez do sistema de comunicao contra o rudo. O codificador de canal introduz certa redundncia nos O codificador de canal introduz certa redundncia nos
dados, de modo que na recepo o decodificador de canal possa corrigir os erros de transmisso.
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 51
-
Teorema de Codificao de Canal
2 Teorema de Shannon (1948)
Existe um esquema de codificao de canal que permite que os dados de uma fonte de entropia H(S) e intervalo de sinalizao Ts sejam transmitidos e intervalo de sinalizao Ts sejam transmitidos atravs de um canal de capacidade C e intervalo de utilizao de canal Tc com probabilidade de erro arbitrariamente pequena, desde que
A razo C/Tc denominada de taxa crtica.
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 52
cs TC
TSH )(
-
Teorema de Codificao de Canal
Taxa de codificao:
Canal binrio simtrico (H(S) = 1):TC1
s
c
TT
r
Assim, pode-se reduzir significativamente a taxa de erro do BSC desde que se use um cdigo com a taxa de codificao menor que a capacidade do canal.
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 53
CrCTT
TC
T sc
cs
1
-
Teorema de Codificao de Canal
Exemplo: BSC (p = 0,01) Pe = 0,01 H(p) = 0,081 C = 1 0,081 = 0,919
Cdigo de repetio (0 000; 1 111) r = 0,333 < C = 0,919 Erro se, p.ex., Tx = 000 e Rx = 011, 101, 110 ou 111
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 54
e
e
P
pppP
-
Teorema de Codificao de Canal
Desempenho dos cdigos de repetio
Taxa de Codificao, r Prob. de Erro, Pe
1 10-2
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 55
1/3 3 10-4
1/5 10-6
1/7 4 10-7
1/9 10-8
1/11 5 10-10
-
Entropia Diferencial
Entropia Diferencial
Entropia Absoluta de uma V.A. Contnua
= dx
xfxfXh XX )(1log)()( 2
Entropia Absoluta de uma V.A. Contnua
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 56
+==
=
=
=
=
=
=
)(loglim)(
)(loglim)(1log)(
)(log)(1log)(lim
)(1log)(lim)(
20
202
220
20
XhxXh
dxxfxdxxfxf
xxfxxxfxf
xxfxxfXH
x
Xx
XX
kkX
k kXkX
x
k kXkX
x
-
Entropia Diferencial
Distribuio Uniforme
-
Entropia Diferencial
Distribuio Gaussiana
pi= 2
2
2)(
exp21)( xxf X
2)(
x
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 58
( )( ) ( )[ ]
( )22
2
2
22
2
2
2log21
)log(2log21
22log
)()(2
1)(2log
2)(
exp2log)()(
pi=
+pi=
+pi=
+pi=
pi=
e
e
dxxfxdxxf
dxxxfXh
XX
X
-
Entropia Diferencial
Propriedades da Distribuio Gaussiana
1. A entropia de uma varivel gaussiana depende apenas de sua varincia (independe da mdia).
2. Para uma dada varincia 2, a varivel aleatria 2. Para uma dada varincia 2, a varivel aleatria gaussiana a que apresenta a maior entropia diferencial entre todas as variveis aleatrias. Devido a essa propriedade que o modelo de canal
gaussiano to usado como um modelo conservativo no estudo de sistemas de comunicao digital.
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 59
-
Informao Mtua
Informao Mtua de uma V.A. Contnua
Propriedades
dydxxf
yxfyxfYXIX
XYX
= )(
)|(log),();( 2,
Propriedades1.
2.
3.
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 60
);();( XYIYXI =0);( YXI
)|()()|()();(
XYhYhYXhXhYXI
=
=
-
Teorema da Capacidade de Informao
Canal Gaussiano Canal limitado em potncia (P) e em banda (B). Entrada X(t) amostrada na taxa de Nyquist 2B amostras por
segundo e as amostras so transmitidas em um intervalo total T. Nmero total de amostras: K = 2BT.
Rudo gaussiano N(t) de mdia nula e varincia 2 = N0B. Amostras de sada do canal:
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 61
KkNXY kkk ,,2,1, K=+=
-
Teorema da Capacidade de Informao
Informao Mtua
)()()|()(
)|()();(
kk
kkkk
kkkkk
NhYhXNXhYh
XYhYhYXI
=
+=
=
Capacidade de Informao do Canal
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 62
( )PXEYXIC kkkxf x
== ][:);(max 2)(
)()( kk NhYh =
PXEXYXIC kkkk ==
][ gaussiano, :);( 2
-
Teorema da Capacidade de Informao
Entropia da Sada
Entropia do Rudo
[ ])(2log21)( 22 +pi= PeYh k
Entropia do Rudo
Capacidade de uso do canal
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 63
( )22 2log21)( pi= eNh k
do transmitismbolopor bits22 1log21
+=
PC
-
Teorema da Capacidade de Informao
3 Teorema de Shannon (1948)
segundopor bits22
1log
1log2
+=
+=
PB
PT
KC
mais fcil ampliar a capacidade de informao aumentando a largura de banda do canal do que elevando a potncia de transmisso (linear log).
Esse teorema estabelece o limite fundamental para a transmisso confivel de informaes em um canal gaussiano com potncia e banda limitados.
UFF - Engenharia de Telecomunicaes Prof. Jos Santo G. Panaro 64
segundopor bits
02 1log
+=
BNPB
-
Implicaes do 3 Teo. de Shannon
Para se obter taxa de erro arbitrariamente pequena:
Relao entre potncia e energia de bit: P = EbRb
+=