基于EM计算信道容量教程.docx

  1. 1、本文档共15页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于EM计算信道容量教程

信息论与编码技术课程设计(论文) 设计(论文)题目基于EM的信道容量计算学院名称管理科学学院专业名称信息与计算科学学生姓名朱宇恒、王军、李诗文学生学号201407020208、201407020123、201407020218指导教师梁元设计(论文)成绩 教务处 制 2016 年 12 月 16 日 基于EM的信道容量计算 摘 要 结合期望最大的基本原理,运用迭代算法计算离散信道容量。迭代算法的基本思想是:设后验概率p(ai|bj)为自变量,并且假设存在一个反向试验信道,反向信道在的转移矩阵就是由p(ai|bj)构成的,这样平均互信息量I(X;Y)就可以表示为信道转移矩阵和反向转移矩阵的函数,通过反向矩阵修正信道输入概率的分布,迭代计算I(X;Y)直到其趋向平稳为止。 关键词: 期望最大思想;迭代算法;反向信道矩阵 目录  TOC \o 1-3 \h \z \u  HYPERLINK \l _Toc469475641 第1章 前 言  PAGEREF _Toc469475641 \h 1  HYPERLINK \l _Toc469475642 1.1内容及要求  PAGEREF _Toc469475642 \h 1  HYPERLINK \l _Toc469475643 1.2 研究思路及结构安排  PAGEREF _Toc469475643 \h 1  HYPERLINK \l _Toc469475644 1.3 算法思想  PAGEREF _Toc469475644 \h 1  HYPERLINK \l _Toc469475645 第2章 相关理论知识  PAGEREF _Toc469475645 \h 3  HYPERLINK \l _Toc469475646 2.1 EM思想  PAGEREF _Toc469475646 \h 3  HYPERLINK \l _Toc469475647 2.2 迭代思想  PAGEREF _Toc469475647 \h 3  HYPERLINK \l _Toc469475648 第3章 算法设计与分析  PAGEREF _Toc469475648 \h 4  HYPERLINK \l _Toc469475649 3.1 算法步骤  PAGEREF _Toc469475649 \h 4  HYPERLINK \l _Toc469475650 3.2 算法流程  PAGEREF _Toc469475650 \h 5  HYPERLINK \l _Toc469475651 第4章 程序实现与测试  PAGEREF _Toc469475651 \h 6  HYPERLINK \l _Toc469475652 4.1 源程序  PAGEREF _Toc469475652 \h 6  HYPERLINK \l _Toc469475653 4.2 输入数据  PAGEREF _Toc469475653 \h 8  HYPERLINK \l _Toc469475654 4.3 输出结果  PAGEREF _Toc469475654 \h 9  HYPERLINK \l _Toc469475655 第5章 结 论  PAGEREF _Toc469475655 \h 10  HYPERLINK \l _Toc469475656 参考文献  PAGEREF _Toc469475656 \h 11  PAGE \* MERGEFORMAT12 第1章 前 言 1.1内容及要求 基于期望极大的思想,采用迭代算法计算一般信道容量。 1.2研究思路及结构安排 对于一般离散信道而言,信道容量的求解是复杂的,所以根据EM思想引入一个反向实验信道。 图1-1 正向实验通道 图1-2 反向实验通道 引入反向实验信道后,平均互信息I(X;Y)就是输入概率分布p(ai)(i=1,2,…,r)和反向概率分布p(ai|bj)的函数,简记为I(Р,Φ),即 I(Р,Φ)=XYp(ai)p(ai|bj)logp(ai|bj)p(ai) 其中,Р,Φ分别表示信道输入概率矢量和反向试验信道的转移矩阵。 1.3 算法思想 以反向转移概率分布p(ai|bj)为自变量,首先假设信道输入概率p(ai)(i=1,2,…,r)保持不变,而信道转移概率p(bj|ai)是固定不变的,因此I(Р,Φ)是变量Φ的∩型凸函数,可以求出maxp(ai|bj)I(Р,Φ)达到最大值

文档评论(0)

shuwkb + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档