Главная страница
Навигация по странице:

  • ЛЕКЦИИ ПО ТЕОРИИ ИНФОРМАЦИИ

  • Фурсов В.А.

  • ISBN 5-7883-0458-X  В.А. Фурсов, 2006  Самарский государственный аэрокосмический университет, 2006 3 ПРЕДИСЛОВИЕ

  • ВВЕДЕНИЕ Понятие информации. Предмет и задачи курса

  • Модели детерминированных сигналов 1.1 Понятие модели сигнала

  • 1.2 Обобщенное спектральное представление детерминированных сигналов

  • 1.3 Временная форма представления сигналов

  • Лекции по теории информации. Фурсов teoria_informacii. Лекции по теории информации под редакцией Н. А. Кузнецова


    Скачать 1.32 Mb.
    НазваниеЛекции по теории информации под редакцией Н. А. Кузнецова
    АнкорЛекции по теории информации
    Дата17.04.2022
    Размер1.32 Mb.
    Формат файлаpdf
    Имя файлаФурсов teoria_informacii.pdf
    ТипЛекции
    #480820
    страница1 из 16
      1   2   3   4   5   6   7   8   9   ...   16

    ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ
    ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ
    ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ
    «САМАРСКИЙ ГОСУДАРСТВЕННЫЙ АЭРОКОСМИЧЕСКИЙ
    УНИВЕРСИТЕТ имени академика С.П. КОРОЛЕВА»
    В.А. Фурсов
    ЛЕКЦИИ
    ПО ТЕОРИИ ИНФОРМАЦИИ
    Под редакцией Н.А. Кузнецова
    Допущено учебно-методическим советом по прикладной математике и информа-
    тике УМО по классическому университетскому образованию в качестве учебного
    пособия для студентов высших учебных заведений, обучающихся по специальности
    и направлению «Прикладная математика и информатика» и по направлению «Инфор-
    мационные технологии»
    САМАРА
    Издательство СГАУ
    2006

    2
    УДК 519.72
    ББК 32.811
    Рецензенты: д-р ф.-м. наук. В.М. Чернов, д-р техн. наук О.В. Горячкин.
    Фурсов В.А. Лекции по теории информации: Учеб. пособие под редакцией
    Н.А. Кузнецова – Самара: Изд-во Самар. гос. аэрокосм. ун-та, 2006. – 148 с.: ил.
    ISBN 5-7883-0458-X
    В учебном пособии рассматриваются модели сигналов, основы теории ин- формации и кодирования, а также некоторые вопросы приема и обработка ин- формации. Книга составлена как сборник лекций, каждая из которых посвяще- на одной теме. Дается краткое конспективное изложение основных вопросов.
    Лекции занимают промежуточное положение между справочниками и солид- ными изданиями и адресованы студентам, обучающимся по учебным планам бакалавров и специалистов.
    Утверждено Редакционно-издательским советом Самарского государственного аэрокосмического университета в качестве учебного пособия.
    УДК 519.72
    ББК 32.811
    ISBN 5-7883-0458-X
     В.А. Фурсов, 2006
     Самарский государственный аэрокосмический университет, 2006

    3
    ПРЕДИСЛОВИЕ
    Идея подготовки настоящего пособия возникла в связи с переходом к под- готовке прикладных математиков по двухступенчатой схеме. В учебных планах подготовки бакалавров по направлению 510200 предусматривается лекционный курс теории информации и кодирования объемом около 35 часов. В рамках ука- занного сравнительного небольшого объема необходимо было сохранить доста- точно полную и глубокую подготовку, которая традиционно обеспечивалась учебным планом подготовки по специальности 010200.
    В 1977 году в Куйбышевском авиационном институте (ныне Самарский государственный аэрокосмический университет) вышло в свет учебное пособие
    [11] (автор В.А. Сойфер). В нем рассматриваются вопросы теории информации и кодирования, которые составляют основу курса. Наряду с этим в учебные программы входят также разделы, посвященные рассмотрению моделей сигна- лов, а также вопросам их обнаружения и восстановления параметров. Это на- шло отражение в изданиях других авторов [3], [7]. Вместе с тем, в указанных книгах либо недостаточно внимания уделено фундаментальным теоремам тео- рии информации [7], либо имеет место перегруженность техническими вопро- сами реализации методов [3], что не является задачей подготовки специалистов и бакалавров по прикладной математике.
    В связи с этим, потребовалось пересмотреть структуризацию материала с целью придания курсу большей компактности. При отборе материала авторы стремились дать основные теоретические сведения, на которых базируется ряд последующих специальных дисциплин. В частности, включены вопросы поме- хоустойчивого кодирования с использованием линейных последовательных машин, задачи обнаружения и оценивания. Вместе с тем, от многих, излагае- мых, например, в [3] вопросов, связанных со схемными решениями, пришлось отказаться.

    4
    Книга составлена как сборник лекций, каждая из которых посвящена од- ной теме, что по замыслу авторов должно облегчить самостоятельную работу над курсом. В учебном пособии дается краткое конспективное изложение ос- новных вопросов. Вместе с тем, авторы стремились к тому, чтобы в пособии нашли отражение ключевые вопросы математического описания сигналов, тео- рии информации и кодирования. По замыслу лекции должны занять промежу- точное положение между справочниками и солидными изданиями.
    Авторы выражают признательность заведующему кафедрой технической кибернетики СГАУ, члену-корреспонденту РАН Сойферу В.А., внимательно прочитавшему рукопись и высказавшему ряд полезных советов по содержанию учебного пособия, а также Гаврилову А.В., и Козину Н.Е., выполнившим набор текста рукописи книги.
    Учебное пособие подготовлено при финансовой поддержке Министерства образования и науки РФ, Администрации Самарской области и Американского фонда гражданских исследований и развития (CRDF).

    5
    ВВЕДЕНИЕ
    Понятие информации. Предмет и задачи курса
    Термин «Информация» относится к числу наиболее часто употребляе- мых. Он широко используется в лингвистике, психологии, биологии и других науках. Однако в разных областях знаний в него вкладывают разный смысл.
    Разнообразие информационных процессов и широкий интерес к ним в разных областях знаний породили много толкований определений понятия “информа- ция”, а также определений количества информации.
    Условно все подходы к определению количества информации [6] можно разделить на пять видов:
    1) энтропийный;
    2) алгоритмический;
    3) комбинаторный;
    4) семантический;
    5) прагматический.
    Первые три вида дают количественное определение сложности описы- ваемого объекта или явления. Четвертый – описывает содержательность и но- визну передаваемого сообщения для получателя (пользователя) сообщения. На- конец, пятый вид обращает внимание на полезность полученного сообщения для пользователя.
    Термин «информация» происходит от латинского слова «informatio», что означает «разъяснения», и, по сути, предполагает наличие некоторого диалога между отправителями и получателями информации. Следовательно, информа- ционное взаимодействие можно представить пятикомпонентной (пятимерной векторной) величиной, состоящей из компонент:

    6 1) физической;
    2) сигнальной;
    3) лингвистической;
    4) семантической;
    5) прагматической.
    Заметим, что приведенное разбиение информационного взаимодействия на пять компонентов носит условный характер и возможно частичное пересе- чение в этом разбиении. Так, отдельные составляющие передаваемого сообще- ния можно отнести к физической или сигнальной, сигнальной или лингвисти- ческой компонентам.
    Например, рассмотрим процесс передачи информации на примере устной речи. Процесс этот многокомпонентный (векторный). Первая компонента – фи- зическая, т.е. для успешного осуществления процесса передачи информации необходимо наличие источника акустического сигнала (голосовых связок чело- века), среды для распространения акустических колебаний и приемника коле- баний (уха). Вторая компонента – сигнальная: амплитудно и частотно модули- рованные акустические колебания. Третья компонента – синтаксическая; необ- ходимо, чтобы собеседники знали хотя бы один общий язык. Четвертая компо- нента – семантическая, т.е. в передаваемом сообщении должно присутствовать содержательное описание объекта или явления, неизвестное получателю ин- формации. Наконец, пятая компонента – прагматическая: необходимо наличие желания (мотивации) передавать и принимать сообщение.
    На сложный, многокомпонентный характер информации указывал еще А.
    Н. Колмогоров [5]: «Подчеркну и качественно новое и неожиданное, что со- держится . . . в теории информации. По первоначальному замыслу «информа- ция» не есть скалярная величина. Различные виды информации могут быть чрезвычайно разнообразны . . . было совершенно неясно, можно ли качественно различные информации . . . считать эквивалентными».
    Один из центральных вопросов, по которому существуют разные точки зрения, состоит в следующем: информация это свойство объекта или результат

    7 взаимодействия. Мы будем придерживаться точки зрения А.Н. Колмогорова: информация существует независимо от того, воспринимается она или нет, но проявляется только при взаимодействии. Информация – это характеристика внутренней организованности материальной системы по множеству состояний, которые она может принимать.
    Приведем пример. По срезу дерева, опытный специалист может дать за- ключение относительно его возраста, эволюции климатических условий, в ко- торых развивалось дерево, и др., однако получить эту информацию он сможет лишь в результате анализа конкретного среза дерева. Другими словами, инфор- мация объективно существует независимо от нашего сознания, но выявляется при взаимодействии с конкретным объектом.
    Факт объективного существования информации независимо от нашего сознания для некоторых исследователей послужил поводом для пропаганды весьма неординарной точки зрения, что информация является третьей (наряду с материей и энергией) субстанцией материального мира. Эта точка зрения наи- более уязвима, поскольку для информации пока не сформулированы фундамен- тальные законы сохранения и перехода в эквивалентных количествах в мате- рию и/или энергию. Например, при сжигании дерева информация о нем, если она не была установлена и сохранена ранее, безвозвратно теряется. Тем не ме- нее, следует подчеркнуть, что информация всегда проявляется в материально- энергетической форме в виде сигналов, хотя это не материя и не энергия, кото- рые переходят друг в друга. Информация может исчезать и появляться.
    В настоящем пособии термин «Информация» понимается в узком смысле, принятом при описании так называемых информационных систем [3,4,7], [11].
    К ним относятся телекоммуникационные и вычислительные сети, автоматизи- рованные системы управления и контроля и т.п. В данном случае понятие ко- личества информации, определяется как частота употребления знаков. Количе- ство информации в указанном смысле не отражает ни семантики, ни прагмати- ческой ценности информации.

    8
    Информационные системы – это класс технических систем, предназначен- ных для хранения, передачи и преобразования информации. Соответственно информация – это сведения, являющиеся объектом хранения, передачи и пре- образования, а теория информации – раздел кибернетики, занимающийся мате- матическим описанием методов передачи, хранения, извлечения (обработки) и классификации информации. Заметим, что сама информация, как правило, ис- пользуется для осуществления каких-либо управляющих воздействий.
    Таким образом, предметом нашего рассмотрения является теория инфор- мации в классическом смысле – решение теоретических вопросов, касающихся повышения эффективности и функционирования информационных систем, в частности, систем связи. Она включает в себя:
    1) анализ сигналов, как средства передачи информации;
    2) анализ информационных характеристик источников сообщения и каналов связи;
    3) теорию кодирования;
    4) методы приема и обработки информации.
    Каждый из указанных разделов может быть (и, как правило, является) предметом самостоятельного глубокого изучения в соответствующих дисцип- линах различных специальностей информационного направления. В настоящем курсе мы стремились акцентировать внимание на наиболее общих фундамен- тальных законах, имеющих существенное значение для восприятия указанных разделов как единого целого. На наш взгляд, таким общим фундаментом явля- ются теоремы К. Шеннона о кодировании и информационная теория оценива- ния, большой вклад в развитие которой внес Я.З. Цыпкин.

    9
    Лекция 1
    Модели детерминированных сигналов
    1.1 Понятие модели сигнала
    Для перенесения информации в пространстве и времени она представляет- ся в форме сообщений. Сообщение, вне зависимости от его содержания, всегда отображается в виде сигнала. Построение сигнала по определенным правилам, обеспечивающим соответствие между сообщением и сигналом, называют коди- рованием.
    Кодирование в широком смысле – преобразование сообщения в сигнал.
    Кодирование в узком смысле – представление исходных знаков, называемых символами, в другом алфавите с меньшим числом знаков. Оно осуществляется с целью повышения надежности и преобразования сигналов к виду, удобному для передачи по каналам связи.
    Сигналы могут быть непрерывными и дискретными как по времени, так и по множеству значений, т.е. возможен один из четырех типов сигнала:
    1) непрерывный (по множеству значений и времени);
    2) непрерывный по множеству значений, дискретный по времени;
    3) дискретный по множеству значений, непрерывный по времени;
    4) дискретный (по множеству значений и времени).
    Иногда в теории связи рассматривают также сигналы непрерывные по времени и значениям, но дискретные по параметру.
    Носителем сигнала всегда является объект или процесс, однако математи- ческая модель сигнала абстрагируется от его физической природы и описывает лишь существенные с точки зрения изучаемого явления черты. Модель сигнала может даже противоречить физическим свойствам реальных объектов. Напри- мер, математическая модель сигнала в виде суммы бесконечного числа гармо- нических функций не может быть реализована на практике, однако эта абстрак- ция позволяет выявить важные закономерности.

    10
    В реальных информационных системах осуществляется передача только той информации, которая не известна получателю. Поэтому можно предсказать лишь вероятность каждого сообщения, а аналитической моделью сигнала, стро- го говоря, может быть только случайный процесс. Тем не менее, основой для изучения случайных сигналов является анализ детерминированных сигналов, рассматриваемых как элементы множества (ансамбля) реализаций. В настоя- щем разделе изучаются модели детерминированных сигналов.
    1.2 Обобщенное спектральное представление
    детерминированных сигналов
    Для анализа прохождения сложного сигнала
     
    u t
    через линейную систему его обычно представляют в виде
     
     


    1 2
    1
    ,
    ,
    n
    k
    k
    k
    u t
    c
    t
    t
    t t





    ,
    (1.1) где
     
    k
    t

    – так называемые базисные функции, а
    k
    c – безразмерные коэффици- енты. Если базисные функции заданы,
     
    u t
    полностью определяется коэффи- циентами
    k
    c , которые называют дискретным спектром сигнала. За пределами интервала


    1 2
    ,
    t t
    сигнал (1.1) считается условно продолжающимся. При рас- смотрении ряда задач такое допущение может оказаться неприемлемым.
    Для представления сигналов конечной длительности используют интеграл:
     
     


    ,
    u t
    S
    t d

     


    



    ,
    (1.2) где
     
    S

    – спектральная плотность, описывающая непрерывный спектр, а


    ,t
     
    – базисная функция, зависящая от параметра

    Совокупность методов, в которых используется представление сигнала в виде (1.1) и/или (1.2) называют обобщенной спектральной теорией сигналов.
    При этом рассматриваются частные случаи, различающиеся видом используе- мых базисных функций. Основное требование, обычно предъявляемое к базис- ным функциям, – простота вычисления коэффициентов
    k
    c . Этому требованию

    11 отвечают так называемые ортогональные на отрезке


    1 2
    ,
    t t
    базисные функции, удовлетворяющие условию
     
     
    2 1
    при при
    0,
    ,
    ,
    t
    k
    j
    t
    j
    k
    t
    t dt
    j
    k






     



    (1.3)
    Если умножить все
     
    j
    t

    ,
    1,
    j
    n

    на
    1

    , то при
    j
    k

     
     
    2 1
    1
    t
    k
    j
    t
    t
    t dt





    (1.4)
    Такую систему функций называют ортонормированной.
    Предположим, что базисные функции удовлетворяют условию (1.4). Ум- ножим обе части (1.1) на
     
    j
    t

    и проинтегрируем на интервале


    1 2
    ,
    t t
    :
     
     
     
     
     
     
    2 2
    2 1
    1 1
    1 1
    t
    t
    t
    n
    n
    j
    k
    k
    j
    k
    k
    j
    k
    k
    t
    t
    t
    u t
    t
    dt
    c
    t
    t
    dt
    c
    t
    t
    dt




















    В силу (1.3) все интегралы в правой части последнего равенства при
    j
    k

    рав- ны нулю. Поэтому с учетом (1.4) имеем
     
     
    2 1
    t
    k
    k
    t
    c
    u t
    t
    dt





    (1.5)
    Из последнего равенства видно, что коэффициенты
    k
    c ,
    n
    k
    ,
    1

    могут вы- числяться независимо друг от друга, а сложность их вычисления определяется лишь видом аналитического выражения базисной функции. Указанное, связан- ное с условиями (1.3), (1.4), свойство является причиной широкого использова- ния ортогональных функций при изучении свойств сигналов. В частности, при- меняются следующие системы ортогональных функций: система тригономет- рических функций; система функций Хаара, полиномы Лежандра, полиномы
    Лаггерра, полиномы Чебышева, полиномы Эрмита и др.
    1.3 Временная форма представления сигналов
    Произвольную функцию (непрерывный сигнал)
     
    u t
    можно представить в виде совокупности примыкающих друг к другу импульсов бесконечно малой

    12 длительности с амплитудой, равной значению сигнала в текущий момент вре- мени:
     
     


    u t
    u
    t
    d

     


    





    ,
    (1.6) где


    t
     
    – дельта-функция:




    при при
    ,
    ,
    1 0
    t
    t
    t
    d
    t

     
     



    












    Нетрудно заметить, что представление (1.6) является частным случаем обоб- щенного спектрального представления (1.2) с базисной функцией


    t
     
    С помощью дельта-функции можно построить дискретную так называе- мую решетчатую функцию:
     
     


    g
    k
    u
    t
    u t
    t
    k t


    


     

    (1.7)
    Функция
     
    g
    u
    t
    равна


    u k t

    в точках
    t
    k t
     
    , где
    t

    - период следования им- пульсов, и нулю в остальных точках. Пределы суммирования в (1.7) также как в
    (1.1) могут быть установлены конечными, исходя из условий физической реа- лизуемости.
      1   2   3   4   5   6   7   8   9   ...   16


    написать администратору сайта