信源编码定理
在信息论中,香农的信源编码定理(或无噪声编码定理)确立了数据压缩的限度,以及香农熵的操作意义。
信源编码定理表明(在极限情况下,随着独立同分布随机变量数据流的长度趋于无穷)不可能把数据压缩得码率(每个符号的比特的平均数)比信源的香农熵还小,又不丢失信息。但是有可能使码率任意接近香农熵,且损失的概率极小。
码符号的信源编码定理把码字的最小可能期望长度看作输入字(看作随机变量)的熵和目标编码表的大小的一个函数,给出了此函数的上界和下界。
陈述.
信源编码是从信息源的符号(序列)到码符号集(通常是bit)的映射,使得信源符号可以从二进制位元(无损信源编码)或有一些失真(有损信源编码)中准确恢复。这是在数据压缩的概念。
信源编码定理.
在信息论中,信源编码定理非正式地陈述为:
N 个熵均为 "H"("X") 的独立同分布的随机变量在 "N" → ∞ 时,可以很小的信息损失风险压缩成多于 "N H"("X") bit;但相反地,若压缩到少于 "N H"("X") bit,则信息几乎一定会丢失。
码符号的信源编码定理.
令 Σ1, Σ2 表示两个有限编码表,并令 Σ 和 Σ (分别)表示来自那些编码表的所有有限字的集合。
设 X 为从 Σ1 取值的随机变量,令 "f" 为从 Σ 到 Σ 的唯一可译码,其中 " class="serif">Σ2。令 S 表示字长 "f" ("X") 给出的随机变量。
如果 "f" 是对 X 拥有最小期望字长的最佳码,那么(Shannon 1948):
formula_1
证明:码符号的信源编码定理.
对于 1 ≤ "i" ≤ "n" 令 "si" 表示每个可能的 "xi" 的字长。定义 formula_2,其中 C 会使得 "q"1 + ... + "qn"
1。于是
formula_3
其中第二行由吉布斯不等式推出,而第五行由克拉夫特不等式推出:
formula_4
因此 log "C" ≤ 0.
对第二个不等式我们可以令
formula_5
于是
formula_6
因此
formula_7
并且
formula_8
因此由克拉夫特不等式,存在一种有这些字长的无前缀编码。因此最小的 S 满足
formula_9
生成维基百科快照图片,大概需要3-30秒!