当前位置: 首页 > news >正文

信源编码与信道转移矩阵

目录

一. 信息论模型

二. 点对点通信模型

三. 信源编码

四. 信道转移矩阵

4.1 二进制对称信道

4.2 二进制擦除信道

五. 小结

(1)信道直射与反射

(2)信道散射

(3) 信道时变性


一. 信息论模型

1948年,Claude E. Shannon在《A mathematical theory of communication》论文中提出了信息论(information theory)。在点对点的通信中,发射方产生一个信息(比如像素的灰度值,传感器测量的物理量),接收方恢复出该信息。

信源(information source):根据随机性产生消息;

发射机(transmitter):产生信号;

信道(channel):包含噪声源,比如电路的热噪声,无线信道的多径衰落;

接收机(receiver):根据接受信号,恢复出消息;

一般提前已知信源与信道的统计特征,信息论尝试从数学的角度来解释安全传输流程。

二. 点对点通信模型

从模块化的角度来讲,物理层安全通信需要编码和解码的过程。信源编码的本质是压缩。

U^k:信源符号;

M:消息;

X^n:信道编码结果;

Y^n:信道传输结果;

\hat M:信道解码后的消息;

\hat U^k:解码后的信源符号;

三. 信源编码

信源是离散无记忆的DMS(discrete memoryless source),代表产生的符号都是独立同分布的,写做:

(U,P_u)

其中U代表有限字母集(alphabet),P_u代表概率分布,也可以把U看做随机变量。

信源编码写做C_k,其中k代表序列长度。编码后的消息集合为:

M=[1,2^{kR}]

编码函数e可以将k长的信源符号u^k编码成消息m,如下:

e:U^k\to M

解码函数可以将一个消息m解码成k长的信源符号,当然也可能会出现解码失误,如下:

d:M\to U^k\cup\lbrace ?\rbrace

输入长度为k,输出长度为kR,所以压缩率为R。考虑一般性,kR可能非整数,所以压缩率(compression rate)的一般表达形式为:

\frac{1}{k}log\lceil 2^{kR}\rceil

单位为bit/source symbol。

\hat U^k\neq U^k时,则会出现译码错误,由此可定义错误概率:

其中编码译码方案C_k全局已知。在网络安全通信中,我们希望合法端错误概率低,窃听端错误概率高。

四. 信道转移矩阵

信道模型抽象成离散无记忆信道(discrete memoryless channel DMC),表示为:

(X,P_{Y|X},Y)

其中X代表输入字母集,Y代表输出字母集,P_{Y|X}代表条件概率分布,也就是X代表信道输入,Y代表信道输出。

条件概率也可以写做信道转移矩阵,如下:

(P_{Y|X}(y|x))_{X,Y}

4.1 二进制对称信道

二进制对称信道,binary symmetric channel,BSC

BSC(P)也属于离散无记忆信道DMC,写做:

(\lbrace0,1\rbrace,P_{Y|X},\lbrace0,1\rbrace)

输入为0或1,输出为0或1。转移概率为P,代表0变1的概率为P,1变0的概率为P,0变0的概率为1-P,1变1的概率为1-P。写成信道转移矩阵,如下:

4.2 二进制擦除信道

二进制擦除信道,binary erasure channel, BEC

擦除概率写做\epsilon\in [0,1],该信道模型为BEC(\epsilon),同样也属于离散无记忆信道DMC,如下:

(\lbrace0,1\rbrace,P_{Y|X},\lbrace0,?,1\rbrace)

0变成?的概率为\epsilon,0变成0的概率为1-\epsilon,0变成1的概率为0

1变成?的概率为\epsilon,1变成1的概率为1-\epsilon,1变成0的概率为0

写成信道转移矩阵如下:

五. 小结

无线信道具有互易性,时变性和空间唯一性。

典型无线信道环境中电磁波的基本传播机制如下图:

一般认为,无线通信中电波传播机制主要包括直射(direct)、反射(reflection)和散射(Scattering),有的场景还会涉及到折射、穿透等。

(1)信道直射与反射

直射传播指信号直接从发射天线到达接收天线,没有经过任何障碍物的传播方式。这种传播方式在空旷的地区效果最好,信号传输距离远,信噪比高。

反射传播指无线信号在遇到介质表面时,一部分能量被反射回去,沿原路返回,另一部分能量则继续传播的现象。这种传播方式通常发生在金属、水面、建筑物等表面。

反射信号与直射信号叠加在一起,形成多路径传播的效应。

(2)信道散射

散射传播指信号在经过物体表面或介质中微小不规则的颗粒或边缘时,发生多次反射、折射、绕射等现象,使得信号在空间中分散的传播方式。这种传播方式会造成信号的强度分布不均匀,信号失真和多径效应等问题。

另外,存在直射传播的信道被称为视距传输(Line-of-Sight, LOS),而其他传播机制的信道被称为非视距传输(Non-line of Sight, NLOS)。

(3) 信道时变性

无线信道衰落可以分为大尺度衰落和小尺度衰落,又称为快衰落和慢衰落。大尺度衰落是指在信号传输的大范围距离内(一般为数百米以上),由于信号的路径损耗和阴影衰落等因素导致的信号功率变化。大尺度衰落的特点是空间相关性强,变化缓慢,可以通过减小传输距离、使用更高的天线高度、增大发送功率等方法来降低其影响。

小尺度衰落是指在信号传输的短距离范围内(一般为数十米以下),由于信号经历多条不同路径导致的信号幅度和相位的随机变化,包括多径效应和多普勒效应等。小尺度衰落的特点是空间相关性弱,变化快速,可以通过使用合适的调制技术、信号预处理、天线阵列等方法来抑制或利用其特性来提高系统性能。

小尺度衰落,时域上对应多径效应, 频率域上对应多普勒频移效应引发的频率色散。若考虑多输入多输出 MIMO技术,小尺度衰落还需要考虑空域上的特性,即无线信道的空间角度扩展信息。

总的来说,大尺度衰落主要受到距离和环境的影响,而小尺度衰落主要受到多径效应和信号随机性的影响。 

相关文章:

信源编码与信道转移矩阵

目录 一. 信息论模型 二. 点对点通信模型 三. 信源编码 四. 信道转移矩阵 4.1 二进制对称信道 4.2 二进制擦除信道 五. 小结 (1)信道直射与反射 (2)信道散射 (3) 信道时变性 一. 信息论模型 194…...

React 实现拖放功能

介绍 本篇文章将会使用react实现简单拖放功能。 样例 布局侧边栏拖放 LayoutResize.js import React, {useState} from "react"; import { Button } from "antd"; import "./LayoutResize.css";export const LayoutResize () > {const […...

马克思主义基本原理笔记

马克思主义哲学、政治经济学、科学社会主义理论 哲学 马克思主义中国化的理论成果:毛泽东思想、邓小平理论、三个代表重要思想、科学发展观 物质和意识哪个是本原,是哲学的基本问题 辩证法认为世界上的事物都是相互联系的、运动发展的,形…...

Vue+JavaSpingBoot笔记(1)

一、前后端通信参数问题 1.集合【字典】类型 Vue前端传递参数: export default {methods: { test(){// 将 filteredData 中的每一行值放入 newData 对象数组中 const newData filteredData.map(item > ({key1: item.Value1,key2: item.Value2,key3: "测试"}));r…...

10-单例模式(Singleton)

意图 保证一个类只有一个实例,并提供一个访问它的全局访问点 实现 1 懒汉式,线程不安全 public class Singleton { private static Singleton instance; private Singleton (){} public static Singleton getInstance() { if (instance null) {…...

C++ 求一个数是否是丑数。

#include<string.h> #include <iostream> using namespace std; int isChou(int num) { if (num < 0) { return 0; } while (num % 2 0) { // 不断除以2&#xff0c;直到不能整除为止 num / 2; } while (num % 3 0) { // 不断除…...

SpringCloud系列篇:核心组件之注册中心组件

&#x1f973;&#x1f973;Welcome Huihuis Code World ! !&#x1f973;&#x1f973; 接下来看看由辉辉所写的关于SpringCloud的相关操作吧 目录 &#x1f973;&#x1f973;Welcome Huihuis Code World ! !&#x1f973;&#x1f973; 一.注册中心组件是什么 二.注册中心…...

通过IP地址防范钓鱼网站诈骗的有效措施

随着互联网的普及&#xff0c;钓鱼网站诈骗成为一种广泛存在的网络犯罪行为。通过冒充合法网站&#xff0c;攻击者试图窃取用户的敏感信息。本文将探讨如何通过IP地址防范钓鱼网站诈骗&#xff0c;提供一系列有效的措施&#xff0c;以加强网络安全&#xff0c;保护用户免受诈骗…...

服务器GPU温度过高挂掉排查记录

服务器GPU挂掉 跑深度学习的代码的时候发现中断了。通过命令查看&#xff1a; nvidia-smi显示 Unable to determine the device handle for GPU 0000:01:00.0: Unknown Error。感觉很莫名其妙。通过重启大法之后&#xff0c;又能用一段时间。 shutdown -r now但是过了一个小…...

服务器终端快速下载coco数据集

######解压到当前文件夹 sudo apt-get install aria2 aria2c -c <url> #<url>即为官网下载地址# url # download images http://images.cocodataset.org/zips/train2017.zip http://images.cocodataset.org/zips/val2017.zip# download annotations http://i…...

el-select下拉框 change事件返回该项所有数据

主要代码 value-key <template><div><el-selectv-model"value"value-key"label"placeholder"请选择"change"selectChange"><el-optionv-for"item in options":key"item.label":label"…...

MySQL基础篇(一)SQL

视频地址: 黑马程序员 MySQL数据库入门到精通&#xff0c;从mysql安装到mysql高级、mysql优化全囊括 SQL&#xff0c;全称 Structured Query Language&#xff0c;结构化查询语言。操作关系型数据库的编程语言&#xff0c;定义了一套操作关系型数据库统一 标准。 一、SQL通用语…...

多类指针式仪表自动读数系统的LabVIEW开发应用案例

多类指针式仪表自动读数系统的LabVIEW开发应用案例 工业环境中&#xff0c;多类指针式仪表的自动读数一直是一个具有挑战性的问题。本案例旨在展示如何使用LabVIEW开发一个高度智能化的多类指针式仪表自动读数系统&#xff0c;以应对复杂的工业环境。通过结合图像处理技术和深…...

攀登者2 - 华为OD统一考试

OD统一考试 分值: 200分 题解: Java / Python / C++ 题目描述 攀登者喜欢寻找各种地图,并且尝试攀登到最高的山峰。 地图表示为一维数组,数组的索引代表水平位置,数组的元素代表相对海拔高度。其中数组元素0代表地面。 例如:[0,1,2,4,3,1,0,0,1,2,3,1,2,1,0],代表如下…...

归并排序例题——逆序对的数量

做道简单一点的题巩固一下 归并排序实现步骤 将整个区间 [l, r] 划分为 [l, mid] 和 [mid1, r]。 递归排序 [l, mid] 和 [mid1, r]。 将左右两个有序序列合并为一个有序序列。 题目描述 给定一个长度为 n 的整数数列&#xff0c;请计算数列中的逆序对的数量。 逆序对的定义…...

数据库连接使用问题 - 1

原理 open-in-view 是 Spring Boot ⾃动加载 Spring Data JPA 提供的⼀个配置&#xff0c;全称为 spring.jpa.open-in-viewtrue&#xff0c;它只有 true 和 false 两个值&#xff0c;默认是 true。 这个配置为true时&#xff0c;会导致Web MVC请求处理的一开始&…...

【已解决】You have an error in your SQL syntax

报错讯息 java.sql.SQLSyntaxErrorException: You have an error in your SQL syntax; check the manual that corresponds to your MySQL server version for the right syntax to use near ‘desc,target_url,sort,status,create_by,modify_by,created,last_update_time FROM…...

如何在Ubuntu安装SVN服务并结合cpolar实现公网TCP地址远程访问本地服务

文章目录 前言1. Ubuntu安装SVN服务2. 修改配置文件2.1 修改svnserve.conf文件2.2 修改passwd文件2.3 修改authz文件 3. 启动svn服务4. 内网穿透4.1 安装cpolar内网穿透4.2 创建隧道映射本地端口 5. 测试公网访问6. 配置固定公网TCP端口地址6.1 保留一个固定的公网TCP端口地址6…...

windows监控进程是否还活着,查看内存使用率

windows监控进程是否还活着&#xff0c;查看内存使用率 1、导入库psutil pip install psutil2、查看进程是否活着 def is_process_running(self, process_name):# 查看程序是否还存活for process in psutil.process_iter():try:if process.name() process_name:return True…...

C#-词法结构

程序 C# 程序 (program) 由一个或多个源文件 (source file) 组成,源文件的正式名称是编译单元 (compilation unit)。源文件是有序的 Unicode 字符序列。 源文件与文件系统中的文件通常具有一对一的对应关系,但这种对应关系不是必需的。为实现可移植性的最大化,建议这些文件…...

React Native 开发环境搭建(全平台详解)

React Native 开发环境搭建&#xff08;全平台详解&#xff09; 在开始使用 React Native 开发移动应用之前&#xff0c;正确设置开发环境是至关重要的一步。本文将为你提供一份全面的指南&#xff0c;涵盖 macOS 和 Windows 平台的配置步骤&#xff0c;如何在 Android 和 iOS…...

基于Flask实现的医疗保险欺诈识别监测模型

基于Flask实现的医疗保险欺诈识别监测模型 项目截图 项目简介 社会医疗保险是国家通过立法形式强制实施&#xff0c;由雇主和个人按一定比例缴纳保险费&#xff0c;建立社会医疗保险基金&#xff0c;支付雇员医疗费用的一种医疗保险制度&#xff0c; 它是促进社会文明和进步的…...

大模型多显卡多服务器并行计算方法与实践指南

一、分布式训练概述 大规模语言模型的训练通常需要分布式计算技术,以解决单机资源不足的问题。分布式训练主要分为两种模式: 数据并行:将数据分片到不同设备,每个设备拥有完整的模型副本 模型并行:将模型分割到不同设备,每个设备处理部分模型计算 现代大模型训练通常结合…...

【Java_EE】Spring MVC

目录 Spring Web MVC ​编辑注解 RestController RequestMapping RequestParam RequestParam RequestBody PathVariable RequestPart 参数传递 注意事项 ​编辑参数重命名 RequestParam ​编辑​编辑传递集合 RequestParam 传递JSON数据 ​编辑RequestBody ​…...

大语言模型(LLM)中的KV缓存压缩与动态稀疏注意力机制设计

随着大语言模型&#xff08;LLM&#xff09;参数规模的增长&#xff0c;推理阶段的内存占用和计算复杂度成为核心挑战。传统注意力机制的计算复杂度随序列长度呈二次方增长&#xff0c;而KV缓存的内存消耗可能高达数十GB&#xff08;例如Llama2-7B处理100K token时需50GB内存&a…...

GitFlow 工作模式(详解)

今天再学项目的过程中遇到使用gitflow模式管理代码&#xff0c;因此进行学习并且发布关于gitflow的一些思考 Git与GitFlow模式 我们在写代码的时候通常会进行网上保存&#xff0c;无论是github还是gittee&#xff0c;都是一种基于git去保存代码的形式&#xff0c;这样保存代码…...

Spring AI Chat Memory 实战指南:Local 与 JDBC 存储集成

一个面向 Java 开发者的 Sring-Ai 示例工程项目&#xff0c;该项目是一个 Spring AI 快速入门的样例工程项目&#xff0c;旨在通过一些小的案例展示 Spring AI 框架的核心功能和使用方法。 项目采用模块化设计&#xff0c;每个模块都专注于特定的功能领域&#xff0c;便于学习和…...

学习一下用鸿蒙​​DevEco Studio HarmonyOS5实现百度地图

在鸿蒙&#xff08;HarmonyOS5&#xff09;中集成百度地图&#xff0c;可以通过以下步骤和技术方案实现。结合鸿蒙的分布式能力和百度地图的API&#xff0c;可以构建跨设备的定位、导航和地图展示功能。 ​​1. 鸿蒙环境准备​​ ​​开发工具​​&#xff1a;下载安装 ​​De…...

LLaMA-Factory 微调 Qwen2-VL 进行人脸情感识别(二)

在上一篇文章中,我们详细介绍了如何使用LLaMA-Factory框架对Qwen2-VL大模型进行微调,以实现人脸情感识别的功能。本篇文章将聚焦于微调完成后,如何调用这个模型进行人脸情感识别的具体代码实现,包括详细的步骤和注释。 模型调用步骤 环境准备:确保安装了必要的Python库。…...

CSS3相关知识点

CSS3相关知识点 CSS3私有前缀私有前缀私有前缀存在的意义常见浏览器的私有前缀 CSS3基本语法CSS3 新增长度单位CSS3 新增颜色设置方式CSS3 新增选择器CSS3 新增盒模型相关属性box-sizing 怪异盒模型resize调整盒子大小box-shadow 盒子阴影opacity 不透明度 CSS3 新增背景属性ba…...