You need to enable JavaScript to run this app.
优惠活动
大模型
产品
解决方案
定价
更多

含噪连续信道带宽计算结果存疑,请求验证计算过程及分析误解点

含噪连续信道带宽计算结果存疑,请求验证计算过程及分析误解点

嘿,我来帮你梳理下这里的问题——首先你的计算确实出了几个关键错误,而且对连续信道容量的理解也有个小偏差,咱们一步步拆解:

一、核心错误:符号定义混淆+积分推导失误

1. 噪声的标准差/方差混淆

你定义噪声 $\delta \sim N(0,\sigma)$,这里的 $\sigma$ 是标准差,所以噪声的方差应该是 $\sigma^2$,但你后续计算输出 $Y=X+\delta$ 的方差时写成了 $1+\sigma$,这明显错了!正确的 $Y$ 方差应该是信号方差(1)加噪声方差($\sigma^2$),也就是 $1+\sigma^2$,这个基础错误直接打乱了后续的积分逻辑。

2. 连续互信息的计算错误

你用的互信息公式 $I(X;Y)=h(X)+h(Y)-h(X,Y)$(微分熵版本)是对的,但具体推导时出错了:

  • $h(X)$(X的微分熵):对于 $X \sim N(0,1)$,$h(X)=\frac{1}{2}\ln(2\pi e)$
  • $h(Y)$(Y的微分熵):$Y \sim N(0,1+\sigma^2)$,所以 $h(Y)=\frac{1}{2}\ln(2\pi e(1+\sigma^2))$
  • $h(X,Y)$(联合微分熵):因为 $X$ 和 $\delta$ 独立,$Y=X+\delta$,所以 $h(X,Y)=h(X)+h(\delta)$,而 $\delta \sim N(0,\sigma^2)$,$h(\delta)=\frac{1}{2}\ln(2\pi e\sigma^2)$

代入互信息公式化简:
$$
\begin{aligned}
I(X;Y) &= h(X) + h(Y) - (h(X)+h(\delta)) \
&= h(Y) - h(\delta) \
&= \frac{1}{2}\ln(2\pi e(1+\sigma^2)) - \frac{1}{2}\ln(2\pi e\sigma^2) \
&= \frac{1}{2}\ln\left(1 + \frac{1}{\sigma^2}\right)
\end{aligned}
$$
这才是正确的连续高斯信道互信息(也就是信道容量,因为高斯输入能达到连续信道的容量上限)。

你之前的积分推导里,不仅把 $Y$ 的方差写错了,积分展开后的计算也出现了错误,才得到了 $\frac{1}{\sigma}-\frac{1}{2}\log(1+\frac{1}{\sigma})$ 这个偏离实际的结果。

二、你的误解点:为什么结果和直觉匹配了?

你提到“$\sigma=1/64$ 意味着大概6 bits的精度,预期熵和 $\log\sigma$ 成正比”——这个直觉是对的,只是错误的计算结果误导了你:
当 $\sigma=1/64$(噪声标准差)时,噪声方差是 $(1/64)^2$,信号噪声比 $\text{SNR}=\frac{1}{(1/64)2}=642=4096$。
把正确的容量公式转换成比特单位(除以 $\ln2$):
$$
I(X;Y)_{\text{bits}} = \frac{1}{2}\log_2(1+4096) \approx \frac{1}{2}\log_2(4096) = 6 \text{ bits/样本}
$$
这完全符合你“6 bits精度”的直觉!而你之前得到的“接近64自然单位”是错误计算的结果,和实际情况无关。

三、补充验证:积分展开的正确逻辑

如果要从积分角度推导,展开对数项后:
$$
\log\left(\frac{p(y,1+\sigma^2)}{p(y-x,\sigma)}\right) = \log\left(\frac{\sigma}{\sqrt{1+\sigma^2}}\right) + \left( -\frac{y2}{2(1+\sigma2)} + \frac{(y-x)2}{2\sigma2} \right)
$$
利用正态分布的矩(比如 $\int_{-\infty}{\infty}x2p(x,1)dx=1$,$\int_{-\infty}{\infty}yp(y,1+\sigma2)dy=0$ 等)进行积分,最终会化简到我们之前得到的正确结果 $\frac{1}{2}\ln(1+\frac{1}{\sigma^2})$。

备注:内容来源于stack exchange,提问作者vincent163

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.04.20 07:43:07