Documente Academic
Documente Profesional
Documente Cultură
36
D. Faur, C. Pătrașcu, A. Popescu, C. Dănișor - Teoria transmisiunii informației -Aplicații, Printech 2016
37
n
X
H(X) = − p(xi ) · log p(xi ) [bit/simbol]
i=1
[Y ] = [y1 , y2 , .., ym ]
(c) Setul de probabilit t, i al simbolurilor din spat, iul de ies, ire:
n
X
H(Y ) = − p(yi ) · log p(yi ) [bit/simbol]
i=1
D. Faur, C. Pătrașcu, A. Popescu, C. Dănișor - Teoria transmisiunii informației -Aplicații, Printech 2016
38
transmisiune.
Spunem despre un simbol yj din spat, iul de ies, ire c este purt tor
de informat, ie dac acesta poate oferi informat, ii despre simbolul emis
la intrare, xi . Matricea de zgomot este stochastic :
m
X
p(yj |xi ) = 1 ∀ i = 1..n
j=1
D. Faur, C. Pătrașcu, A. Popescu, C. Dănișor - Teoria transmisiunii informației -Aplicații, Printech 2016
39
n X
X m
H(X, Y ) = − p(xi , yj ) · log p(xi , yj ) [bit/simbol] (3.2)
i=1 j=1
D. Faur, C. Pătrașcu, A. Popescu, C. Dănișor - Teoria transmisiunii informației -Aplicații, Printech 2016
40
= H(X) − H(X|Y )
C = max(I(X, Y ))
C = 0 [bit/simbol]
n m
1
P P
C= n
p(yj |xi ) log p(yj |xi ) + log(m) [bit/simbol]
i=1 j=1
D. Faur, C. Pătrașcu, A. Popescu, C. Dănișor - Teoria transmisiunii informației -Aplicații, Printech 2016
41
5. Canalul Z.
p(y1 |x1 ) p(y2 |x1 ) 1−p p
P (Y |X) = = (3.8)
p(y1 |x2 ) p(y2 |x2 ) p 1−p
D. Faur, C. Pătrașcu, A. Popescu, C. Dănișor - Teoria transmisiunii informației -Aplicații, Printech 2016
42
1−q 0 q
P (Y |X) = (3.9)
0 1−q q
D. Faur, C. Pătrașcu, A. Popescu, C. Dănișor - Teoria transmisiunii informației -Aplicații, Printech 2016
43
C =1−q [bit/simbol]
erori.
D. Faur, C. Pătrașcu, A. Popescu, C. Dănișor - Teoria transmisiunii informației -Aplicații, Printech 2016
44
D. Faur, C. Pătrașcu, A. Popescu, C. Dănișor - Teoria transmisiunii informației -Aplicații, Printech 2016
45
3.2.5 Canalul Z
Canalul Z modeleaz cazul transmisiei binare puternic asimetrice,
în care zgomotul afecteaz diferit (în situat, iile limit ) cele dou sim-
boluri: un simbol este transmis întotdeauna corect, iar cel de al doilea
poate transmis corect sau eronat cu probabilit t, i egale.
1−p p
P (Y |X) = (3.12)
0 1
2
probabilit t, ile simbolurilor din alfabetul de intrare sunt p(x1 ) = si
5 ,
p(x2 ) = 35 , capacitatea canalului se poate calcula:
C = 0.32 [bit/simbol]
D. Faur, C. Pătrașcu, A. Popescu, C. Dănișor - Teoria transmisiunii informației -Aplicații, Printech 2016
46
Aplicatie 3.1.
, Consider m un canal cu un alfabet de intrare [X]
denit de n=3 simboluri. Alfabetul observat la ies, ire, [Y ], cont, ine
m=3 simboluri.
sau
p_x=rand(1,n);
p_x=p_x./sum(p_x);
D. Faur, C. Pătrașcu, A. Popescu, C. Dănișor - Teoria transmisiunii informației -Aplicații, Printech 2016
47
În condit, iile observ rii unui anumit simbol la ies, ire, se pot evalua
probabilit t, i condit, ionate de acest eveniment pentru ecare simbol al
sursei, notate p(x|y). Suma elementelor pe coloanele P (X|Y ) este 1.
D. Faur, C. Pătrașcu, A. Popescu, C. Dănișor - Teoria transmisiunii informației -Aplicații, Printech 2016
48
D. Faur, C. Pătrașcu, A. Popescu, C. Dănișor - Teoria transmisiunii informației -Aplicații, Printech 2016
49
Aplicatie 3.2.
, Calculati capacitatea canalului binar simetric de pro-
babilitate de eroare p = 0.2 modicând secventele de cod Matlab folo-
,
Modicat, i matricea P
astfel încât s putet, i simula canalul f r
perturbat, ii (p = 0) = 21 ).
s, i canalul cu perturbat, ii puternice (p
Reprezentat, i grac, folosind funct, ia plot capacitatea canalului în
funct, ie de probabilitatea de eroare, C(p).
p=linspace(0,1,1000);
% entropia
H=-(1-p).*log2(1-p)-p.*log2(p);
% capacitatea canalului binar
C=1-H;
plot(p,H)
D. Faur, C. Pătrașcu, A. Popescu, C. Dănișor - Teoria transmisiunii informației -Aplicații, Printech 2016
50
hold on
plot(p,C,'red')
probabilitatea de eroare.
n = 2;
m = 3;
P=[0.5 0.1 0.4; 0.1 0.5 0.4]
Aplicatie 3.4.
, Modicat, i secventele de cod folosite pentru a imple-
menta un canal ternar simetric s, i calculat, i capacitatea acestuia pentru
p = 2q = 0.2.
Aplicatie 3.5.
, Presupunem variabila aleatoare discret , X ce carac-
terizeaz o sursa discret , f r memorie s, i distribut, ie de probabilitate
D. Faur, C. Pătrașcu, A. Popescu, C. Dănișor - Teoria transmisiunii informației -Aplicații, Printech 2016
51
[Y ] = [1; 2; 3; 4; 5; 6];
1 1 1 1 1 1
[PX ] = [ ; ; ; ; ; ];
6 6 6 6 6 6
1 1 1 1 1 1
[QY ] = [ ; ; ; ; ; ]
10 10 10 10 10 2
Divergent, a Kullback-Leibler, respectiv entropia relativ a varibilei X
în raport cu variabila Y este:
X p(xi )
DKL (PX ||QY ) = p(xi ) · log (3.13)
i
q(yi )
Se cere:
D. Faur, C. Pătrașcu, A. Popescu, C. Dănișor - Teoria transmisiunii informației -Aplicații, Printech 2016
52
as, a încât:
D. Faur, C. Pătrașcu, A. Popescu, C. Dănișor - Teoria transmisiunii informației -Aplicații, Printech 2016
53
% citire imagini
a=imread('5255304_2013-02-11_RE3_3A_154060_rgb.tif');
b=imread('5255304_2013-05-07_RE3_3A_160878_rgb.tif');
% decupare zona de interes
a=a(4000:5000,1:1000,:);imshow(a)
b=b(4000:5000,1:1000,:);imshow(b)
D. Faur, C. Pătrașcu, A. Popescu, C. Dănișor - Teoria transmisiunii informației -Aplicații, Printech 2016
54
kl=CD_KL1(a,b,3)
% afisare harta de schimbare
imshow(kl)
index = 0;
% parcurgere imagini
for i = 1 : size(J1,1) - n
for j = 1 : size(J1,2) - n
kl = 0;
for k = 1 : 256
m=1;
if ah(k)*bh(k) > 0
kl = kl + ah(k) * log(ah(k) / bh(k));
m = m + 1;
end
end
index = index+1;
KL(index) = kl;
end
end
D. Faur, C. Pătrașcu, A. Popescu, C. Dănișor - Teoria transmisiunii informației -Aplicații, Printech 2016
55
D. Faur, C. Pătrașcu, A. Popescu, C. Dănișor - Teoria transmisiunii informației -Aplicații, Printech 2016
56
cele trei posibile direct, ii de deplasare formeaz spat, iul de ies, ire, graful
de tranzit, ii asociat tracului în intersect, ie ind prezentat în Fig. 3.15.
D. Faur, C. Pătrașcu, A. Popescu, C. Dănișor - Teoria transmisiunii informației -Aplicații, Printech 2016
57
trei direct, ii pentru ies, irea din intersect, ie. Se consider s, i cazurile în
care direct, ia aleas nu este permis (ex. dreapta de pe banda 3).
Banda xi x1 x2 x3
Num rul de autovehicule 291 368 370
Probabilitatea p(xi ) 0.2827 0.3576 0.3595
Tabel 3.1: Denirea spatiului de intrare în canal.
,
Conform legislat, iei, orice vehicul trebuie s ment, in aceeas, i band
pe ultimii 50 m pân la intrarea în intersectie. M sur torile sunt
f cute în ipoteza ca aceast regul este respectat . Tabelul 3.1 indic
num rul (m surat) de mas, ini s, i probabilitatea asociat pentru ecare
band . Dup m surarea trecerilor prin intersect, ie au fost obt, inute
distribut, iile prezentate în Tabelul 3.2.
Num rul de autovehicule y1 y2 y3
x1 31 209 1
x2 1 366 1
x3 1 189 180
Tabel 3.2: Denirea matricei de zgomot pe baza num rului de
autovehicule care traverseaz intersectia. ,
D. Faur, C. Pătrașcu, A. Popescu, C. Dănișor - Teoria transmisiunii informației -Aplicații, Printech 2016
58
0.1065 0.8900 0.0034
P (Y |X) = 0.0027 0.9945 0.0027 (3.14)
0.0027 0.5100 0.4864
Ca urmare, se poate determina probabilitatea ec rei direct, ii în
parte:
Direct, ia y1 y2 y3
Probabilitatea p(yj ) 0.031 0.791 0.1768
Tabel 3.3: Denirea spatiului de iesire din canal
, ,
I(X; Y )
= 31.55 (3.15)
H(X)
D. Faur, C. Pătrașcu, A. Popescu, C. Dănișor - Teoria transmisiunii informației -Aplicații, Printech 2016
59
Aplicatie 3.6.
, Folosindu-v de secvent, ele de cod implementate în
sect, iunea 3.3.1, realizat, i o structura de cod pentru modelul descris
anterior prin care s :
D. Faur, C. Pătrașcu, A. Popescu, C. Dănișor - Teoria transmisiunii informației -Aplicații, Printech 2016
60
D. Faur, C. Pătrașcu, A. Popescu, C. Dănișor - Teoria transmisiunii informației -Aplicații, Printech 2016