随机过程的熵率
第三章中的渐近均分性质表明,平均而言,nH(X) bits足以描述 n 个独立同分布的随机变量。但如果这些随机变量是相关的呢?特别是,如果这些随机变量构成一个平稳过程呢?我们将证明,就像在独立同分布的情况一样,熵 \(H(X_1, X_2, \dots, X_n)\) 随 n 以速率 \(H(\mathcal{X})\)(渐近地)线性增长,我们称之为该过程的熵率。 \(H(\mathcal{X})\)作为最佳可实现数据压缩的解释将在第5章中进行分析。
Press ← or → to navigate between chapters
Press S or / to search in the book
Press ? to show this help
Press Esc to hide this help
第三章中的渐近均分性质表明,平均而言,nH(X) bits足以描述 n 个独立同分布的随机变量。但如果这些随机变量是相关的呢?特别是,如果这些随机变量构成一个平稳过程呢?我们将证明,就像在独立同分布的情况一样,熵 \(H(X_1, X_2, \dots, X_n)\) 随 n 以速率 \(H(\mathcal{X})\)(渐近地)线性增长,我们称之为该过程的熵率。 \(H(\mathcal{X})\)作为最佳可实现数据压缩的解释将在第5章中进行分析。