Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.
Предоплата всего
Подписываем
В. И. Дмитриев
ПРИКЛАДНАЯ
ТЕОРИЯ
ИНФОРМАЦИИ
Москва 1989
ОГЛАВЛЕНИЕ
Введение…………………………………………………………………………….……..5
§ В.1 О понятии «информация»………………………………………………………..6
§ В.2 Этапы обращения информации…………………………………………………..8
§ В.3 Информационные системы……………………………………………………….9
§ В.4 Система передачи информации (основные понятия и определения)………...11
§ В.5 Уровни проблем передачи информации………………………………………...14
§ В.6 Теория информации……………………………………………………………...16
Глава 1 Математические модели сигналов…………………………………………...19
§ 1.1 Понятия сигнала и его модели…………………………………………………..19
§ 1.2 Формы представления детерминированных сигналов…………………………21
§ 1.3 Временная форма представления сигнала……………………………………...26
§ 1.4 Частотная форма представления сигнала……………………………………….28
§ 1.5 Соотношения между длительностью импульсов и шириной их спектров…...43 § 1.6 Спектральная плотность мощности детерминированного сигнала……….45 § 1.7 Функция автокорреляции детерминированного сигнала……………………...46
§ 1.8 Случайный процесс как модель сигнала………………………………………..48
§ 1.9 Стационарные и эргодические случайные процессы…………………………..53
§ 1.10 Спектральное представление случайных сигналов…………………………...56
§ 1.11 Частотное представление стационарных случайных сигналов……………58
Глава 2 Преобразование непрерывных сигналов в дискретные…………………..68
§ 2.1 Преимущества цифровой формы представления сигналов…………………...68
§ 2.2 Общая постановка задачи дискретизации………………………………………71
§ 2.3 Способы восстановления непрерывного сигнала………………………………74
§ 2.4 Критерии качества восстановления……………………………………………..76
§ 2.5 Методы дискретизации посредством выборок…………………………………77
§ 2.6 Равномерная дискретизация Теорема Котельникова………………………….79
§ 2.7 Теоретические и практические аспекты использования теоремы Котельникова...……………………………………………………………………………...84
§ 2.8 Дискретизация по критерию наибольшего отклонения………………………..86
§ 2.9 Адаптивная дискретизация………………………………………………………90
§ 2.10 Квантование сигналов…………………………………………………………..92
§ 2.11 Квантование сигналов при наличии помех……………………………………97
§ 2.12 Геометрическая форма представления сигналов……………………………...99
Глава 3 Количественная оценка информации………………………………………104
§ 3.1 Энтропия как мера неопределенности выбора………………………………..104
§ 3.2 Свойства энтропии……………………………………………………………...110
§ 3.3 Условная энтропия и ее свойства……………………………………………....114
§ 3.4 Энтропия непрерывного источника информации (дифференциальная энтропия)………………………………………………………………………………………119
§ 3.5 Свойства дифференциальной энтропии……………………………………..123
§ 3.6 Количество информации как мера снятой неопределенности……………….127
§ 3.7 Эпсилон энтропия случайной величины……………………………………..134
Глава 4. Информационные характеристики источника сообщений и канала связи.138
§ 4.1 Основные понятия и определения……………………………………………...138
§ 4.2 Информационные характеристики источника дискретных сообщений……..140
§ 4.3 Информационные характеристики дискретных каналов связи………………150
§ 4.4 Информационные характеристики источника непрерывных сообщений…...158
§ 4.5 Информационные характеристики непрерывных каналов связи…………….160
§ 4.6 Согласование физических характеристик сигнала и канала………………….165
§ 4.7 Согласование статистических свойств источника сообщений и канала связи…………………………………………………………………………………………167
Глава 5. Кодирование информации при передаче по дискретному каналу без помех……………………………………………………………………………………….174
§ 5.1 Кодирование как процесс выражения информации в цифровом виде……….174
§ 5.2 Технические средства представления информации в цифровой форме……..179
§ 5.3 Кодирование как средство криптографического закрытия информации……191
§ 5.4 Эффективное кодирование………………………………………………………196
§ 5.5 Технические средства кодирования и декодирования эффективных кодов…206
Глава 6. Кодирование информации при передаче по дискретному каналу с помехами………………………………………………………………………………………...210
§ 6.1 Основная теорема Шеннона о кодировании для канала с помехами………...210
§ 6.2 Разновидности помехоустойчивых кодов……………………………………...214
§ 6.3 Блоковые коды…………………………………………………………………...216
§ 6.4 Построение двоичного группового кода……………………………………….233
§ 6.5 Технические средства кодирования и декодирования для групповых кодов……………………………………………………………………………………….251
§ 6.6 Построение циклических кодов……………………………………………….255
§ 6.7 Выбор образующего многочлена по заданному объему кода и заданной корректирующей способности…………………………………………………………….260
§ 6.8 Технические средства кодирования и декодирования для циклических кодов……………………………………………………………………………………….270
§ 6.9 Коды Боуза—Чоудхури—Хоквингема…………………………………………291
§ 6.10 Итеративные коды……………………………………………………………...299
§ 6.11 Сверточные коды……………………………………………………………….305
Заключение……………………………………………………………………………...322
Список литературы……………………………………………………………………..323
Приложение……………………………………………………………………………..326
ВВЕДЕНИЕ
Эффективная организация обмена информацией приобретает все большее значение, прежде всего как условие успешной практической деятельности людей. Объем информации, необходимой для нормального функционирования современного общества, растет примерно пропорционально квадрату развития производительных сил. Доля рабочей силы, занятой вопросами обеспечения информацией, в развитых странах начинает превышать долю рабочей силы, занятой непосредственно в сфере производства. Применение методов и средств автоматизации на всех этапах обращения информации позволяет существенно повысить эффективность функционирования экономики страны и высвободить значительные трудовые ресурсы.
В соответствии с Постановлением ЦК КПСС и Совета Министров СССР об общегосударственной программе создания, развития производства и эффективного использования вычислительной техники и автоматизированных систем до 2000 г. в нашей стране намечен переход к широкой эксплуатации банков данных, локальных вычислительных сетей и других информационных систем. При этом особое значение приобретают системы связи и передачи данных, позволяющие обеспечить коллективный и удаленный доступ к средствам хранения и обработки информации.
Комплексная автоматизация процессов восприятия, преобразования, передачи, обработки и отображения информации с целью принятия оптимальных управляющих воздействий осуществляется в рамках создания автоматизированных систем управления (АСУ) на различных уровнях — от предприятия до народного хозяйства в целом.
Основой решения многих теоретических проблем создания АСУ является теория информации, предоставляющая возможности для комплексного информационного рассмотрения сложных систем.
Поскольку слово «информация» полисемично, возникает необходимость уточнения смысла этого понятия в рамках рассматриваемой теории.
§ В.1. О ПОНЯТИИ «ИНФОРМАЦИЯ»
Понятие «информация» является центральным понятием кибернетики. Оно используется и в теории информации, хотя основным понятием классической теории информации следует признать «количество информации», смысла которого коснемся несколько позже.
Имеется множество определений понятия информации от наиболее общего философского, (информация есть отражение реального мира) до наиболее узкого практического (информация есть все сведения, являющиеся объектом хранения, передачи и преобразования).
Некоторыми зарубежными авторами информация трактуется с идеалистических позиций в отрыве от материи как некоторая субстанция, занимающая промежуточное положение между материей и сознанием.
С позиций марксистской философии информация рассматривается как характеристика такого всеобщего свойства материи, как разнообразие. Такая трактовка находится в полном соответствии с известным положением В. И. Ленина о том, что вся материя обладает свойством отражения. Она четко выявляет взаимоотношения понятий «информация» и «отражение».
Информация — это отраженное разнообразие. В понятии «отражение» акцентируется внимание на воспроизведении содержания в целом, а в понятии «информация» — на воспроизведении одной его стороны — разнообразия. Следовательно, понятие «отражение» более широкое, более содержательное.
В рамках материалистической исходной посылки при конкретизации понятия «информация» имеют место расхождения по ряду существенных вопросов: информация — это свойство индивидуального объекта (процесса) или результат взаимодействия объектов (процессов)? Присуща ли информация всем видам материи или лишь определенным образом организованной материи? Существует ли информация в любых процессах или возникает только в процессах управления? Выдвинутое академиками Глушковым В. М. [3] и Колмогоровым А. Н. [10], а также английским философом Эшби и развиваемое советскими учеными понятие информации как характеристики внутренней организованности материальной системы (по множеству состояний, которые она может принимать) позволяет оценивать потенциальные возможности систем независимо от процесса передачи или восприятия информации. Здесь подчеркивается мысль о том, что информация существует независимо от того, воспринимается она или нет. Однако справедливо отмечается, что информация проявляется только при взаимодействии объектов (процессов).
Противоречия не возникает, если информацию рассматривать как свойство объекта в потенциальном смысле — свойство, которое проявляется лишь при взаимодействии объектов (процессов). Так, в куске каменного угля содержится информация о событиях, происшедших в далекие времена, однако эта информация проявляется лишь при взаимодействии с человеком. В книге Н. Винера «Кибернетика» [1] подчеркивается, что «информация есть информация, а не материя и не энергия». В отличие от них информация может возникать и исчезать. В указанном примере с информацией в куске каменного угля она исчезнет, когда этот кусок каменного угля сгорит.
Весьма распространенным является также мнение о том, что информация присуща лишь определенным образом организованной материи, в которой возможны процессы управления. Сторонники этой точки зрения под информацией подразумевают только то, что воспринято и осмыслено, т. е. то, что целесообразно использовать для управления. Нетрудно заметить, что вопрос о существовании информации здесь неправомерно отождествляется с вопросом о способности объекта к восприятию и использованию информации. При таком подходе легко сойти на позиции субъективизма, ставящего объективно существующее в зависимость от воспринимающего субъекта.
При всех различиях в трактовке понятия информации, бесспорно то, что проявляется информация всегда в материально-энергетической форме в виде сигналов. Информацию, представленную в формализованном виде, позволяющем осуществить ее обработку с помощью технических средств, называют данными.
§ В.2. ЭТАПЫ ОБРАЩЕНИЯ ИНФОРМАЦИИ
Хотя роль информации может ограничиваться неопределенным эмоциональным воздействием на человека, в чисто технических (автоматических) и человеко-машинных (автоматизированных) системах она чаще всего используется для выработки управляющих воздействий. При обращении информации в системах можно выделить отдельные этапы [26]. Так как материальным носителем информации является сигнал, то реально это будут этапы обращения и преобразования сигналов (рис. В.1).
На этапе восприятия информации осуществляется целенаправленное извлечение и анализ информации о каком-либо объекте (процессе), в результате чего формируется образ объекта, проводятся его опознание и оценка. При этом необходимо отделить интересующую нас в данном случае информацию от мешающей (шумов), что в ряде случаев связано со значительными трудностями. Простейшим видом восприятия является различение двух противоположных состояний: наличия («да») и отсутствия («нет»), более сложным — измерение.
На этапе подготовки информации проводятся такие операции, как нормализация, аналого-цифровое преобразование, шифрование. Иногда этот этап рассматривается как вспомогательный на этапе восприятия. В результате восприятия и подготовки получается сигнал в форме, удобной для передачи или обработки.
На этапах передачи и хранения информация пересылается либо из одного места в другое, либо от одного момента времени до другого. Поскольку теоретические задачи, возникающие на этих этапах, близки друг другу, этап хранения информации часто в самостоятельный этап не выделяется. При этом передача информации получает более широкое толкование. Для передачи на расстояние используются каналы различной физической природы, самыми распространенными из которых являются электрические и электромагнитные. В последнее десятилетие получил признание также перспективный оптический канал. Для хранения информации используются в основном полупроводниковые и магнитные носители. Извлечение сигнала на выходе канала, подверженного действию шумов, носит характер вторичного восприятия.
На этапах обработки информации выявляются ее общие и существенные взаимозависимости, представляющие интерес для системы. Преобразование информации на этапе обработки (как и на других этапах) осуществляется либо средствами информационной техники, либо человеком. Если процесс обработки формализуем, он может выполняться техническими средствами. В современных сложных системах эти функции возлагаются на ЭВМ и микропроцессоры. Если процесс обработки не поддается формализации и требует творческого подхода, обработка информации осуществляется человеком. В системах управления важнейшей целью обработки является решение задачи выбора управляющих воздействий (этап принятия решения).
Этап отображения информации должен предшествовать этапам, связанным с участием человека. Цель этапа отображения — предоставить человеку нужную ему информацию с помощью устройств, способных воздействовать на его органы чувств.
На этапе воздействия информация используется для осуществления необходимых изменений в системе.
§ В. 3. ИНФОРМАЦИОННЫЕ СИСТЕМЫ
Совокупность средств информационной техники и людей, объединенных для достижения определенных целей или для управления, образуют автоматизированную информационную систему, к которой по мере надобности подключаются абоненты (люди или устройства), поставляющие и использующие информацию.
Информационные системы, действующие без участия человека, называют автоматическими. За человеком в таких системах остаются функции контроля и обслуживания.
Автоматизированная информационная система становится автоматизированной системой управления (АСУ), если поставляемая информация извлекается из какого-либо объекта (процесса), а выходная используется для целенаправленного изменения состояния того же объекта (процесса), причем абонентом, использующим информацию для выбора основных управляющих воздействий (принятия решения), является человек. Объектом могут быть техническая система, экологическая среда, коллектив людей. Существуют АСУ, в которых отдельные функции управления возлагаются на технические средства, в основном на ЭВМ и микропроцессоры.
Автоматизированные информационные системы и АСУ нашли широкое применение во всех отраслях народного хозяйства в первую очередь как информационно-справочные и информационно-советующие системы, системы управления технологическими процессами и коллективами людей. Большинство из них являются локальными системами и функционируют на уровне предприятий и учреждений. В настоящее время происходит интенсивный процесс интеграции таких систем в системы производственных объединений и далее — в отраслевые и ведомственные системы.
Системы более высокого уровня становятся территориально рассредоточенными, иерархичными как по функциональному принципу, так и по реализации их техническими средствами. Обеспечение взаимодействия территориально рассредоточенных систем требует протяженных высокоскоростных и надежных каналов связи, а увеличение объема обрабатываемой информации — ЭВМ высокой производительности. Это привело к необходимости коллективного использования дорогостоящих средств автоматизации (ЭВМ и линий связи) и обрабатываемой информации (банков и баз данных). Техническое развитие, как самих электронных вычислительных машин, так и средств связи позволило, решить эту проблему путем перехода к созданию распределенных информационно-вычислительных сетей коллективного пользования.
Централизация различных видов информации в одной сети дает возможность использовать ее для решения широкого спектра задач, связанных с административным управлением, планированием, научными исследованиями, конструкторскими разработками, технологией производства, снабжением, учетом и отчетностью. В недалеком будущем использование информационно-вычислительных сетей позволит отказаться от традиционных форм массового общения, таких, как телефон, телеграф, почта, отдельные справочные службы.
Наиболее распространенными информационными системами являются системы, обеспечивающие передачу информации из одного места в другое (системы связи) и от одного момента времени до другого (системы хранения информации). Обе разновидности систем передачи информации имеют много общего в принципиальных вопросах обеспечения эффективности функционирования. Их применяют как самостоятельные системы и как подсистемы в составе любых более сложных информационных систем. Совокупность таких подсистем в информационно-вычислительной сети образует ее основное ядро — сеть передачи данных.
Последующее изложение будем вести в основном применительно к системам связи, подразумевая возможность интерпретации основных понятий и выводов к другим информационным системам.
§ В.4. СИСТЕМА ПЕРЕДАЧИ ИНФОРМАЦИИ
(ОСНОВНЫЕ ПОНЯТИЯ И ОПРЕДЕЛЕНИЯ)
Структурная схема одноканальной системы передачи информации приведена на рис. В.2. Информация поступает в систему в форме сообщений. Под сообщением понимают совокупность знаков или первичных сигналов, содержащих информацию. Источник сообщений в общем случае образует совокупность источника информации ИИ (исследуемого или наблюдаемого объекта) и первичного преобразователя ПП (датчика, человека-оператора и т.п.), воспринимающего информацию о его состояниях или протекающем в нем процессе. Различают дискретные и непрерывные сообщения.
Дискретные сообщения формируются в результате последовательной выдачи источником отдельных элементов — знаков. Множество различных знаков называют алфавитом источника сообщений, а число знаков — объемом алфавита. В частности, знаками могут быть буквы естественного или искусственного языка, удовлетворяющие определенным правилам взаимосвязи. Распространенной разновидностью дискретных сообщений являются данные.
Непрерывные сообщения не разделимы на элементы. Они описываются функциями времени, принимающими непрерывное множество значений. Типичными примерами непрерывных сообщений могут служить речь, телевизионное изображение. В ряде систем связи непрерывные сообщения с целью повышения качества передачи преобразуются в дискретные.
Для передачи сообщения по каналу связи ему необходимо поставить в соответствие определенный сигнал. В информационных системах под сигналом понимают физический процесс, отображающий (несущий) сообщение. Преобразование сообщения в сигнал, удобный для передачи по данному каналу связи, называют кодированием в широком смысле слова. Операцию восстановления сообщения по принятому сигналу называют декодированием.
Так как число возможных дискретных сообщений при неограниченном увеличении времени стремится к бесконечности, а за достаточно большой промежуток времени весьма велико, то ясно, что создать для каждого сообщения свой сигнал практически невозможно. Однако, поскольку дискретные сообщения складываются из знаков, имеется возможность обойтись конечным числом образцовых сигналов, соответствующих отдельным знакам алфавита источника.
Для обеспечения простоты и надежности распознавания образцовых сигналов их число целесообразно сократить до минимума. Поэтому, как правило, прибегают к операции представления исходных знаков в другом алфавите с меньшим числом знаков, называемых символами. При обозначении этой операции используется тот же термин «кодирование», рассматриваемый в узком смысле. Устройство, выполняющее такую операцию, называют кодирующим или кодером К. Так как алфавит символов меньше алфавита знаков, то каждому знаку соответствует некоторая последовательность символов, которую назовем кодовой комбинацией. Число символов в кодовой комбинации называют ее значностью, число ненулевых символов — весом.
Аналогично, для операции сопоставления символов со знаками исходного алфавита используется термин «декодирование». Техническая реализация ее осуществляется декодирующим устройством или декодером ДК. В простейшей системе связи кодирующее, а следовательно, и декодирующее устройство может отсутствовать.
Передающее устройство осуществляет преобразование непрерывных сообщений или знаков в сигналы, удобные для прохождения по конкретной линии связи (либо для хранения в некотором запоминающем устройстве). При этом один или несколько параметров выбранного носителя изменяют в соответствии с передаваемой информацией. Такой процесс называют модуляцией. Он осуществляется модулятором М.. Обратное преобразование сигналов в символы производится демодулятором ДМ.
Под линией связи понимают любую физическую среду (воздух, металл, магнитную ленту и т. п.), обеспечивающую поступление сигналов от передающего устройства к приемному. Сигналы на выходе линии связи могут отличаться от переданных вследствие затухания, искажения и воздействия помех. Помехами называют любые мешающие возмущения, как внешние (атмосферные помехи, промышленные помехи), так и внутренние (источником которых является сама аппаратура связи), вызывающие случайные отклонения принятых сигналов от переданных. Эффект воздействия помех на различные блоки системы стараются учесть эквивалентным изменением характеристик линии связи. Поэтому источник помех условно относят к линии связи.
Из смеси сигнала, и помехи приемное устройство выделяет сигнал и посредством декодера восстанавливает Сообщение, которое в общем случае может отличаться от посланного. Меру соответствия принятого сообщения посланному называют верностью передачи. Обеспечение заданной верности передачи сообщений — важнейшая цель системы связи.
Принятое сообщение с выхода системы связи поступает к абоненту-получателю, которому была адресована исходная информация.
Совокупность средств, предназначенных для передачи сообщений, называют каналом связи. Для передачи информации от группы источников, сосредоточенных в одном пункте, к группе получателей, расположенных в другом пункте, часто целесообразно использовать только одну линию связи, организовав на ней требуемое число каналов. Такие системы называют многоканальными.
§ В.5. УРОВНИ ПРОБЛЕМ ПЕРЕДАЧИ ИНФОРМАЦИИ
Обмен информацией предполагает использование некоторой системы знаков, например, естественного или искусственного (формального) языка. Информация о непрерывных процессах также может быть выражена посредством знаков.
Изучение знаковых систем наукой о знаках, словах и языках (семиотикой) проводится, по крайней мере, на трех уровнях:
Учитывая определенную взаимосвязь проблем передачи информации с уровнями изучения знаковых систем, их разделяют на проблемы синтактического, семантического и прагматического уровней.
Проблемы синтактического уровня касаются создания теоретических основ построения систем связи, основные показатели функционирования которых были бы близки к предельно возможным, а также совершенствования существующих систем с целью повышения эффективности их использования. Это чисто технические проблемы совершенствования методов передачи сообщений и их материального воплощения — сигналов. Иначе говоря, на этом уровне интересуют проблемы доставки получателю сообщений как совокупности знаков, при этом полностью абстрагируемся от их смыслового и прагматического содержания [16].
Основу интересующей нас теории информации составляют результаты решения ряда проблем именно этого уровня. Она опирается на понятие «количество информации», являющееся мерой частоты употребления знаков, которая никак не отражает ни смысла, ни важности передаваемых сообщений. В связи с этим иногда говорят, что теория информации находится на синтактическом уровне.
Проблемы семантического уровня связаны с формализацией смысла передаваемой информации, например, введением количественных оценок близости информации к истине, т. е. оценок ее качества. Эти проблемы чрезвычайно сложны, так как смысловое содержание информации больше зависит от получателя, чем от семантики сообщения, представленного в каком-либо языке. Информация заложена в сообщении, но проявляется она только при взаимодействии с получателем, так как может быть зашифрована. Из полученной телеграммы адресат может извлечь совершенно другую информацию по сравнению с той, которая будет доступна работнику телеграфа. Если получатель — человек, то и незашифрованное (или правильно расшифрованное) сообщение может быть понято по-разному. Основная причина состоит в том, что различное понимание того или иного слова может сильно изменить смысл переданной информации. Кроме того, восприятие человеком информации зависит от его эмоционального состояния, накопленного жизненного опыта и других факторов.
Следует отметить, что мы еще не умеем измерять семантическую информацию. Имевшие место подходы к ее измерению пока носили весьма частный характер.
На прагматическом уровне интересуют последствия от получения и использования данной информации абонентом. Проблемы этого уровня — это проблемы эффективности. Основная сложность здесь состоит в том, что ценность или потребительская стоимость информации может быть совершенно различной для различных получателей. Кроме того, она существенно зависит от истинности и прогностичности информации, своевременности ее доставки и использования. Высокие требования в отношении скорости доставки информации часто диктуются тем, что управляющие воздействия должны осуществляться в реальном масштабе времени, т. е. со скоростью изменения состояния управляемых объектов или процессов. Задержки в доставке или использовании информации могут иметь катастрофические последствия.
В направлении количественного определения прагматического содержания информации сделаны лишь первые шаги. Предложен ряд количественных мер, которые еще недостаточно конструктивны, чтобы найти широкое практическое применение. В связи с созданием информационно-вычислительных сетей ведутся интенсивные исследования в области оценки старения информации, т. е. потери ее ценности в процессе доставки [26].
§ Β.6. ТЕОРИЯ ИНФОРМАЦИИ
Возникновение теории информации связывают обычно с появлением фундаментальной работы американского ученого К. Шеннона «Математическая теория связи» (1948). Однако в теорию информации органически вошли и результаты, полученные другими учеными, например Р. Хартли, впервые предложившим количественную меру информации (1928), акад. В. А. Котельниковым, сформулировавшим важнейшую теорему о возможности представления непрерывной функции совокупностью ее значений в отдельных точках отсчета (1933) и разработавшим оптимальные методы приема сигналов на фоне помех (1946), акад. А. Н. Колмогоровым, внесшим огромный вклад в статистическую теорию колебаний, являющуюся математической основой теории информации (1941).
В последующие годы теория информации получила дальнейшее развитие в трудах советских ученых (А. Н. Колмогорова, А. Я. Хинчина, В. И. Сифорова, Р. Л. Добрушина, М. С. Пинскера, А. Н. Железнова, Л. М. Финка и др.), а также ряда зарубежных ученых (В. Макмиллана, А. Файнстейна, Д. Габора, Р. М. Фано, Ф. М. Вудворта, С. Гольдмана, Л. Бриллюэна и др.).
К теории информации в ее узкой классической постановке относят результаты решения ряда фундаментальных теоретических вопросов, касающихся повышения эффективности функционирования систем связи. Это в первую очередь:
Прикладные результаты приводятся здесь только для пояснения основ теории. При более широкой трактовке теории информации результаты рассмотрения указанных вопросов составляют ее основу.
Если расширение связано с приложением теории в технике связи — рассмотрением проблемы разработки конкретных методов и средств кодирования сообщений, то совокупность излагаемых вопросов называют теорией информации и кодирования или прикладной теорией информации.
Другая точка зрения состоит в том, что глобальной проблемой теории информации следует считать разработку принципов оптимизации системы связи в целом. В этом случае к ней относят все локальные проблемы систем связи, включая, например, проблему оптимального приема и др.
В соответствии с третьей крайней точкой зрения к компетенции теории информации относят все проблемы и задачи, в формулировку которых входит понятие информации. Ее предметом считают изучение процессов, связанных с получением, передачей, хранением, обработкой и использованием информации. В такой постановке она затрагивает проблемы многих наук (в частности, кибернетики, биологии, психологии, лингвистики, педагогики) на всех трех уровнях (синтактическом, семантическом и прагматическом).
Попытки широкого использования идей теории информации в различных областях науки связаны с тем, что в основе своей эта теория математическая. Основные ее понятия (энтропия, количество информации, пропускная способность) определяются только через вероятности событий, которым может быть приписано самое различное физическое содержание. Подход к исследованиям в других областях науки с позиций использования основных идей теории информации получил название теоретико-информационного подхода. Его применение в ряде случаев позволило получить новые теоретические результаты и ценные практические рекомендации. Однако не редко такой подход приводит к созданию моделей процессов, далеко не адекватных реальной действительности. Поэтому в любых исследованиях, выходящих за рамки чисто технических проблем передачи и хранения сообщений, теорией информации следует пользоваться с большой осторожностью. Особенно это касается моделирования умственной деятельности человека, процессов восприятия и обработки им информации.
Содержание данной книги ограничивается теорией информации в первой трактовке, вопросами теории и практики кодирования и некоторыми примерами применения теории информации в областях, смежных с техникой связи.
Прикладная теория информации является одним из фундаментальных курсов при подготовке инженеров – системотехников, специализирующихся в области автоматизированных систем управления. Функционирование таких систем существенным образом связано с получением, подготовкой, передачей, хранением и обработкой информации, поскольку без осуществления этих этапов невозможно принять правильное решение, а, следовательно, и осуществить требуемое управляющее воздействие, которое является конечной целью функционирования системы.
Контрольные вопросы
1. В чем сущность принципиальных различий в трактовке понятия информации?
2. Каковы основные этапы обращения информации?
3. Охарактеризуйте разновидности информационных систем и тенденции их развития.
4. Совокупность, каких объектов составляет систему передачи информации?
5. Что понимают под сообщением и сигналом?
6. В чем различие между линией и каналом связи?
7. Объясните разницу в уровнях проблем передачи информации.
8. Каковы основные задачи теории информации?
9. В чем сущность теоретико-информационного подхода к исследованиям?
§ 1.1. ПОНЯТИЯ СИГНАЛА И ЕГО МОДЕЛИ
Как указывалось во введении, понятие «сигнал» имеет неоднозначное толкование. В широком смысле слова под сигналом понимают материальный носитель информации. При этом к сигналам относят как естественные сигналы, так и сигналы, специально создаваемые с определенной целью. Естественными являются, например, световые сигналы, позволяющие видеть окружающий мир, космические сигналы. Примером специально создаваемых могут служить сигналы, генерируемые с целью извлечения информации об изменениях в объекте или процессе (эталонные сигналы).
В дальнейшем понятие «сигнал», если это не оговорено специально, будет использоваться в узком смысле как сигнал, специально создаваемый для передачи сообщения в информационной системе. Материальную основу сигнала составляет какой-либо физический объект или процесс, называемый носителем (переносчиком) информации (сообщения). Носитель становится сигналом в процессе модуляции. Параметры носителя, изменяемые во времени в соответствии с передаваемым сообщением, называют информативными.
В качестве носителей информации используются колебания различной природы, чаще всего гармонические, включая частный случай — постоянное состояние (ω = 0). В технических информационных системах наиболее широкое распространение получили носители в виде электрического напряжения или тока. Поэтому, рассматривая в дальнейшем модели сигналов, для конкретности, будем соотносить их с электрическими сигналами.
В носителе u(t) = const имеется только один информативный параметр — уровень (например, уровень напряжения). При использовании гармонических электрических колебаний информативными могут стать такие параметры, как амплитуда, частота, фаза. Колебания принято подразделять на детерминированные и случайные.
Детерминированными называют колебания, которые точно определены в любые моменты времени.
Случайные колебания отличаются тем, что значения их некоторых параметров предсказать невозможно. Они могут рассматриваться как сигналы, когда несут интересующую нас информацию (случайные сигналы), или как помехи, когда мешают наблюдению интересующих нас сигналов.
При изучении общих свойств каналов связи, сигналов и помех мы отвлекаемся от их конкретной физической природы, содержания и назначения, заменяя моделями. Модель — это выбранный способ описания объекта, процесса или явления, отражающий существенные с точки зрения решаемой задачи факторы.
Задачи повышения эффективности функционирования информационных систем связаны с установлением количественных соотношений между основными параметрами, характеризующими источник информации и канал связи. Поэтому при исследовании используют математические модели. Математическое моделирование может быть реализовано различными методами в зависимости от способа, которым определяются интересующие нас показатели.
Фундаментальные исследования базируются на методе аналитического моделирования, заключающемся в создании совокупности математических соотношений, позволяющих выявить зависимости между параметрами модели в общем виде. При этом широко используются модели, параметры которых противоречат физическим свойствам реальных объектов. Например, модель сигнала часто представляется суммой бесконечного числа функций, имеющих неограниченную продолжительность (синусоид). Поэтому важно обращать внимание на условия, при которых это не мешает получать результаты, соответствующие наблюдаемым в действительности.
Так как источник сообщений выдает каждое сообщение с некоторой вероятностью, то предсказать точно изменения значения информативного параметра невозможно. Следовательно, сигнал принципиально представляет собой случайное колебание и его аналитической моделью может быть только случайный процесс, определяемый вероятностными характеристиками.
Тем не менее, в случае детерминированного колебания условно так же говорят о детерминированном сигнале. Такой сигнал отображает известное сообщение, которое нет смысла передавать. Ему соответствует модель в виде функции, полностью определенной во времени.
Изучение моделей детерминированных сигналов необходимо по многим причинам. Важнейшая из них заключается в том, что результаты анализа детерминированных сигналов являются основой для изучения более сложных случайных сигналов. Это обусловлено тем, что детерминированный сигнал может рассматриваться как элемент множества детерминированных функций, составляющих в совокупности случайный процесс. Детерминированное колебание, таким образом, представляет собой вырожденную форму случайного процесса со значениями параметров, известными в любой момент времени с вероятностью, равной единице. Детерминированные сигналы имеют и самостоятельное значение. Они специально создаются для целей измерения, наладки и регулирования объектов информационной техники, выполняя роль эталонов.
§ 1.2. ФОРМЫ ПРЕДСТАВЛЕНИЯ ДЕТЕРМИНИРОВАННЫХ СИГНАЛОВ
В зависимости от структуры информационных параметров сигналы подразделяют на дискретные, непрерывные и дискретно-непрерывные.
Сигнал считают дискретным по данному параметру, если число значений, которое может принимать этот параметр, конечно (или счетно). Если множество возможных значений параметра образует континуум, то сигнал считают непрерывным по данному параметру. Сигнал, дискретный по одному параметру и непрерывный по другому, называют дискретно-непрерывным.
В соответствии с этим существуют следующие разновидности математических представлений (моделей) детерминированного сигнала:
Рассматриваемые модели сигналов в виде функций времени предназначены в первую очередь для анализа формы сигналов. Желательно найти такое представление сигнала, которое облегчает задачи исследования прохождения реальных сигналов, часто имеющих достаточно сложную форму, через интересующие нас системы. С этой целью сложные сигналы представляются совокупностью элементарных (базисных) функций, удобных для последующего анализа.
Наиболее широкий класс исследуемых систем — это инвариантные во времени линейные системы.
При анализе прохождения сложного сигнала u(t) через такие системы его представляют в виде взвешенной суммы базисных функций (t) (или соответствующего ей интеграла):
где [,] — интервал существования сигнала.
При выбранном наборе базисных функций сигнал u(t) полностью определяется совокупностью безразмерных коэффициентов . Такие совокупности чисел называют дискретными спектрами сигналов.
На интервале [t, t] выражение (1.1) справедливо как для сигналов, неограниченных во времени, так и для сигналов конечной длительности. Однако за пределами интервала [t, t] сигнал конечной длительности не равен нулю, так как он представляется суммой в том случае, если условно считается периодически продолжающимся. Поэтому, когда для ограниченного во времени сигнала необходимо получить представление, справедливое для любого момента времени, используется интеграл:
(1.2)
где φ(α, t) — базисная функция с непрерывно изменяющимся параметром .
В этом случае имеется непрерывный (сплошной) спектр сигнала, который представляется спектральной плотностью S(). Размерность ее обратна размерности . Аналогом безразмерного коэффициента здесь является величина S()d.
Совокупность методов представления сигналов в виде (1.1) и (1.2) называют обобщенной спектральной теорией сигналов. В рамках линейной теории спектры являются удобной аналитической формой представления сигналов.
Для теоретического анализа базисные функции нужно выбирать так, чтобы они имели простое аналитическое выражение, обеспечивали быструю сходимость ряда (1.1) для любых сигналов u(t) и позволяли легко вычислять значения коэффициентов . Базисные функции не обязательно должны быть действительными, их число может быть неограниченным .
В случае практической аппроксимации реального сигнала совокупностью базисных сигналов решающее значение приобретает простота их технической реализации. Сигнал представляется суммой ограниченного числа действительных линейно независимых базисных функций (сигналов).
Ортогональные представления сигналов. Вычисление спектральных составляющих сигнала существенно облегчается при выборе в качестве базиса системы ортогональных функций.
Систему функций , (t), ..., , ..., , ..., называют ортогональной на отрезке [t, t], если для всех k = ; , за исключением случая k = j, удовлетворяется условие:
Эта система функций будет ортонормированной (ортонормальной), если для всех справедливо соотношение
Если соотношение (1.4) не выполняется и
то систему можно нормировать, умножая функции на 1/.
Определим коэффициенты при представлении сигнала u(t) совокупностью ортонормированных функций в виде
предполагая, что интервал [t, t] лежит внутри отрезка ортогональности [t, t].
Правую и левую части уравнения (1.5) умножаем на и интегрируем, на интервале [t, t]:
В силу справедливости условия (1.3) все интегралы в правой части выражения (1.6) при будут равны 0. При k = j в соответствии с (1.4) интеграл равен 1. Следовательно,
В теоретических исследованиях обычно используют полные системы ортогональных функций, обеспечивающие сколь угодно малую разность непрерывной функции u(t) и представляющего ее ряда при неограниченном увеличении числа его членов. Разность оценивают по критерию
При этом говорят о среднеквадратической сходимости ряда к функции u(t).
Широко известной ортонормированной системой является совокупность тригонометрических функций кратных аргументов:
Она ортонормальна на отрезке [-π, π].Так как соответствующее разложение исторически появилось первым и было названо рядом Фурье, то соотношение (1.5) часто именуют обобщенным рядом Фурье, а значения - обобщенными коэффициентами Фурье.
На рис. 1.2 приведена система функций Хаара, ортонормированность которых на интервале 0-1 также очевидна. Известны представления сигналов по системам ортогональных базисных многочленов Котельникова, Чебышева, Лаггера, Лежандра и др., а также неортогональные разложения по функциям Лагранжа, Тейлора и др.
Обобщенная спектральная теория облегчает решение проблемы обоснованного выбора базисных функций для конкретных задач анализа процессов, происходящих при формировании и прохождении сигналов через те или иные звенья информационной системы.
§ 1.3. ВРЕМЕННАЯ ФОРМА ПРЕДСТАВЛЕНИЯ СИГНАЛА
Временным представлением сигнала называют такое разложение сигнала u(t), при котором в качестве базисных функций используются единичные импульсные функции — дельта-функции. Математическое описание такой функции задается соотношениями
где δ(t) — дельта-функция, отличная от нуля в начале координат (при t = 0).
Для более общего случая, когда дельта-функция отличается от нуля в момент времени t= (рис. 1.3), имеем
Такая математическая модель соответствует абстрактному импульсу бесконечно малой длительности и безграничной величины. Единственным параметром, правильно отражающим реальный сигнал, является время его действия. Однако, учитывая (1.10), с помощью дельта-функции можно выразить значение реального сигнала u(t) в конкретный момент времени ξι:
Равенство (1.11) справедливо для любого текущего момента времени t. Заменив ξι на t и приняв в качестве переменной интегрирования ξ, получим
Таким образом, функция u(t) выражена в виде совокупности примыкающих друг к другу импульсов бесконечно малой длительности. Ортогональность совокупности таких импульсов очевидна, так как они не перекрываются во времени.
Разложение (1.12) имеет большое значение в теории линейных систем, поскольку, установив реакцию системы на элементарный входной сигнал в виде дельта-функции (импульсную переходную функцию), можно легко определить реакцию системы на произвольный входной сигнал как суперпозицию реакций на бесконечную последовательность смещенных дельта-импульсов с «площадями», равными соответствующим значениям входного сигнала.
С помощью дельта-функций можно также представить периодическую последовательность идеализированных импульсов с постоянными или меняющимися уровнями. Обозначив через u(t) функцию, равную u(kt) в точках t = kt и нулю в остальных точках, запишем:
где Δt — период следования импульсов.
Поскольку умножение u(t) на дельта - функцию в момент времени t = kt соответствует получению отсчета этой функции, uп(kt) может представлять результат равномерной дискретизации функции u(t).
§ 1.4. ЧАСТОТНАЯ ФОРМА ПРЕДСТАВЛЕНИЯ СИГНАЛА
Рассмотрим, какие функции целесообразно выбирать в качестве базисных при анализе инвариантных во времени линейных систем. При исследовании таких систем решения всегда содержат комплексные экспоненциальные функции времени. Детерминированные сигналы, описываемые экспоненциальными функциями времени, при прохождении через инвариантные во времени линейные системы не изменяются по своему характеру, что является следствием инвариантности класса экспоненциальных функций относительно операций дифференцирования и интегрирования.
Широко используются представления детерминированных сигналов с применением базисных функций еpt как при ρ = (преобразование Фурье), так и при p = s+j (обобщенное преобразование Фурье, известное как преобразование Лапласа).
До сих пор мы не касались физической интерпретации базисных функций. Для чисто математических преобразований она не обязательна. Однако такая интерпретация имеет безусловные преимущества, так как позволяет глубже вникнуть в физический смысл явлений, протекающих в системах при прохождении сигналов.
Использование экспоненциальных базисных функций в преобразовании Фурье комплексно-сопряженными парами (с положительным и отрицательным параметром ω) позволяет в соответствии с формулой Эйлера:
представить сложный детерминированный сигнал в виде суммы гармонических составляющих. Поскольку параметр ω в этом случае имеет смысл круговой частоты, результат такого преобразования называют частотной формой представления сигнала.
В силу указанных преимуществ разложение сигналов по системе гармонических базисных функций подверглось всестороннему исследованию, на основе которого была создана широко известная классическая спектральная теория сигналов.
В дальнейшем, если это не оговорено специально, спектральное представление сигналов рассматривается в рамках классической теории.
Спектры периодических сигналов. Периодических сигналов, естественно, не существует, так как любой реальный сигнал имеет начало и конец. Однако при анализе сигналов в установившемся режиме можно исходить из предположения, что они существуют бесконечно долго и принять в качестве математической модели таких сигналов периодическую функцию времени. Далее рассматривается представление таких функций, как в виде суммы экспоненциальных составляющих, так и с преобразованием их в гармонические.
Пусть функция u(t), заданная в интервале времени и удовлетворяющая условиям Дирихле, повторяется с периодом T = 2/= t2-t1 на протяжении времени от - до +.
Условия Дирихле: на любом конечном интервале функция должна быть непрерывной или иметь конечное число точек разрыва первого рода, а также конечное число экстремальных точек. В точках разрыва функцию u(t) следует считать равной.
Если в качестве базисных выбраны экспоненциальные функции, то выражение (1.5) запишем в виде
Соотношение (1.15) представляет собой ряд Фурье в комплексной форме, содержащий экспоненциальные функции как с положительным, так и с отрицательным параметром ω (двустороннее частотное представление). Составляющие с отрицательными частотами являются следствием комплексной формы записи вещественной функции.
Функцию A(jk1) принято называть комплексным спектром периодического сигнала u(t). Этот спектр дискретный, так как функция A(jk1) определена на числовой оси только для целых значений k. Значение функции A(jk1) при конкретном k называют комплексной амплитудой.
Огибающая комплексного спектра A(j) имеет вид
Запишем комплексный спектр в форме
Модуль комплексного спектра A(k1) называют спектром амплитуд, а функцию φ(k1) — спектром фаз.
Если известны спектр амплитуд и спектр фаз сигнала, то в соответствии с (1.15) он восстанавливается однозначно. В практических приложениях более значимым является спектр амплитуд, а информация о фазах составляющих часто несущественна.
Поскольку A(k1) и φ(k1) отличны от нуля только при целых k, спектры амплитуд и фаз периодического сигнала являются дискретными.
Воспользовавшись формулой Эйлера е -jkt = coskt - j sinkt, выразим комплексный спектр A(jk1) в виде действительной и мнимой частей:
где
Спектр амплитуд
является четной функцией k, т.е.
Поскольку четность Ak и Вk, противоположна, спектр фаз
функция нечетная, т. е.
При k = 0 получаем постоянную составляющую
От двустороннего спектрального представления легко перейти к одностороннему (не имеющему отрицательных частот), объединяя комплексно-сопряженные составляющие [см. (1.14)]. В этом случае получаем ряд Фурье в тригонометрической форме. Действительно, выделив в (1.15) постоянную составляющую A0/2 и суммируя составляющие симметричных частот ω и -ω, имеем
Учитывая соотношения (1.15) и (1.16), запишем
Воспользовавшись формулой Эйлера (1.14) и обозначив φ(k1) через φk, окончательно получим
Распространена и другая тригонометрическая форма ряда Фурье, имеющая вид
Однако она менее удобна для практического применения. Отдельные составляющие в представлениях (1.23) и (1.24) называют гармониками. Как спектр амплитуд, так и спектр фаз периодического сигнала удобно представлять наглядно спектральными диаграммами. На диаграмме спектра амплитуд каждой гармонике ставится в соответствие вертикальный отрезок, длина которого пропорциональна амплитуде, а расположение на оси абсцисс отвечает частоте этой составляющей. Аналогично на диаграмме спектра фаз обозначают значения фаз гармоник. Поскольку в результате спектры отображаются совокупностями линий, их часто называют линейчатыми.
Отметим, что дискретный (линейчатый) спектр не обязательно должен принадлежать периодическому сигналу. Спектр периодического сигнала характеризует совокупность гармоник, кратных основной частоте ωι. Линейчатые спектры, включающие гармоники некратных частот, принадлежат так называемым почти периодическим сигналам. Диаграмма спектра амплитуд периодического сигнала показана на рис. 1.4. Огибающую A(t) этого спектра амплитуд можно получить, заменив k1 в A(k1) на ω, где ω = kω1 для k-й гармоники.
Пример 1.1. Определить спектры амплитуд и фаз периодической последовательности прямоугольных импульсов длительностью τ и амплитудой u0, следующих с частотой ω1 = 2π/Τ (рис. 1.5).
Функция u(t), описывающая такую последовательность импульсов на периоде, может быть задана в виде:
В соответствии с (1.16) имеем
или
Амплитуды гармоник, включая постоянную составляющую, равную А0/2, определим из выражения
при k = О, 1, 2, ....
Выбор начала отсчета времени на их величину не влияет. Огибающая спектра амплитуд определяется видом функции
При ω = 0 получаем
Характер изменения амплитуд диктуется функцией sin х/х и не зависит от частоты следования импульсов. На частотах, кратных 2π/τ, огибающая спектра равна нулю.
На рис. 1.6 приведена диаграмма спектра амплитуд для случая
Τ/τ = 3[ω1 = 2π/(3τ)]. Число составляющих в спектре бесконечно велико. Крутизна фронтов импульсов обусловлена наличием в спектре составляющих с частотами, существенно превышающими основную частоту ω1.
Опираясь на формулу (1.29) и принимая во внимание, что знаки функции sin(k1/2) на последовательности интервалов частот Δω = 2π/τ чередуются, выражение для спектра фаз запишем следующим образом:
где n — номер интервала частот ω = 2π/τ, отсчитываемого от ω = 0.
Спектр фаз зависит от выбора начала отсчета. Если передний фронт прямоугольного импульса последовательности приходится на начало отсчета времени, то на каждом интервале Δω = 2π/τ фазы составляющих возрастают линейно. Диаграмма спектра фаз последовательности прямоугольных импульсов для этого случая (Τ/τ = 3, t1 = 0) показана на рис. 1.7.
Пример 1.2. Вычислить несколько первых членов ряда Фурье для периодической последовательности прямоугольных импульсов и проследить, как их гумма сходится к указанному сигналу.
Воспользуемся результатами предыдущего примера для случая широко используемой на практике периодической последовательности импульсов, у которых длительность τ равна половине периода Т. Примем также t1 = 0.
По формуле (1.32) определим постоянную составляющую, а по формулам (1.30) и (1.33) — амплитуды и фазы пяти первых гармоник. Данные расчетов сведены в табл. 1.1. Четные гармоники в табл. 1.1 не указаны, так как они равны нулю.
Таблица 1.1
Суммируя указанные составляющие, получим последовательность импульсов (рис. 1.8), отличающихся от прямоугольных в основном недостаточно высокой крутизной фронтов.
Отметим, что крутизна фронтов импульсов обусловлена наличием в их спектре составляющих с частотами, многократно превышающими основную частоту.
Распределение энергии в спектре. Рассмотрим, как распределяется энергия сложного периодического сигнала u(t) по его спектральным составляющим. Под временной функцией u(t) будем подразумевать электрическое напряжение на резисторе в 1 Ом. Энергия WT, выделяемая на этом резисторе за время, равное периоду колебаний Т,
Используя спектральное представление u(t) в виде ряда Фурье (1.15), получим
Определим значения интегралов в выражении (1.35):
Так как A(jk1) и А(-jk1) комплексно сопряжены, то
С учетом (1.28) и (1.29) выражение для WT существенно упрощается:
Из (1.38) следует, что средняя за период энергия сложного периодического сигнала равна сумме средних энергий, выделяемых на резисторе в 1 Ом каждой его гармоникой в отдельности (включая постоянную составляющую).
С течением времени выделяемая энергия безгранично растет, при этом средняя мощность остается постоянной:
Важно отметить, что она не зависит от фаз отдельных гармоник и, следовательно, будет сохранять свое значение при изменениях формы сигнала, обусловленных нарушениями фазовых соотношений гармоник спектра.
Пример 1.3. Определим, какая часть средней мощности, выделяемой на резисторе с сопротивлением в 1 Ом, периодической последовательностью прямоугольных импульсов с параметрами из примера 1.2 приходится на пять первых гармоник и постоянную составляющую.
Значения амплитуд составляющих определены ранее (см. табл. 11). Подставляя их в (1.39), для средней мощности Р5 сигнала, включающего указанные составляющие, получим
Так как средняя мощность последовательности прямоугольных импульсов при τ= Т/2 равна 0,5 , то искомая часть составляет 96% от этой мощности.
Область частот, в которой сосредоточена подавляющая часть мощности периодического сигнала, называют практической шириной его спектра. Если не предъявляется жестких требований относительно крутизны фронтов импульсов (см. пример 1 2), расширение этой области нецелесообразно.
Спектры непериодических сигналов. Любой физически реализуемый сигнал ограничен во времени и обладает конечной энергией. Функции, отображающие реальные сигналы, удовлетворяют условиям Дирихле и абсолютно интегрируемы, т. е.
где M — конечная величина.
Модели таких сигналов также могут быть представлены совокупностью гармонических составляющих в соответствии с выражением (1.2). Конкретный вид спектрального преобразования для непериодического сигнала получим, проследив изменения, происходящие в спектре периодической последовательности импульсов u1(t) при увеличении периода их повторения.
В соответствии с формулой (1.30), которая справедлива для любого значения периода Т, абсолютные значения амплитуд спектральных составляющих в (1.27) при увеличении периода уменьшаются. Так как частоты составляющих спектра кратны основной частоте, то при ее уменьшении линии на спектральной диаграмме сближаются.
Спектральное представление для одиночного импульса u(t) получим как следствие увеличения периода сигнала u1(t) до бесконечности.
Пару преобразований Фурье для периодической функции u1(t) запишем в форме (1.15) и (1.16):
При T u1(t) переходит в u(t), частота ω1 уменьшается до d, а k1 превращается в текущую частоту ω. Заменяя суммирование интегрированием, находим
Обозначив интеграл в квадратных скобках S(jω), получим формулы для прямого и обратного интегрального преобразования Фурье:
Величину S(jω) называют комплексной спектральной плотностью или спектральной характеристикой. Она имеет размерность [амплитуда/частота]. На каждой конкретной частоте амплитуда соответствующей составляющей равна нулю. Сравнивая (1.15) и (1.42), находим, что бесконечно малому интервалу частоты dω соответствует составляющая с бесконечно малой комплексной амплитудой dA(j):
Сравнение выражения (1.41) для спектральной характеристики функции u(t), заданной на интервале времени , с формулой (1.17) для огибающей комплексного спектра такой же функции, периодически продолжающейся во времени, показывает, что они различаются только множителем:
Поэтому по известной спектральной характеристике одиночного импульса легко построить линейчатый спектр их периодической последовательности. Соотношением (1.44) объясняется и тот факт, что для различных представлений спектральной характеристики имеют место формулы, весьма похожие на (1.18) — (1.24).
Как комплексная величина спектральная характеристика может быть записана в виде
где S(ω)= |S(jω)| называется спектральной плотностью амплитуд или спектром непериодического сигнала.
Так как составляющие расположены на всех частотах, то спектр непериодического сигнала является непрерывным или сплошным. Представим спектральную характеристику состоящей из действительной и мнимой частей:
где
Модуль спектральной характеристики S(ω) определяется выражением
и представляет собой четную функцию частоты.
Для фазы спектральной характеристики S(jω) соответственно получаем
Так как из (1.42) и (1.43) следует, что A(ω) — четная функция частоты, а B(ω) — нечетная, то функция φ(ω) относительно частоты нечетна.
Комплексная форма интегрального преобразования Фурье легко приводится к тригонометрической:
Второй член в связи с нечетностью подынтегрального выражения равен нулю. Окончательно имеем
Преимущество тригонометрической формы записи Фурье-преобразования заключается в возможности некоторого физического толкования с использованием идеализации, не очень далеких от реальности.
Пример 1.4. Найти спектр одиночного прямоугольного импульса, описываемого функцией времени (рис. 1.9):
Выражение для спектральной характеристики амплитуд находим в соответствии с (1.41)
Искомый спектр представляет собой модуль этого выражения:
Спектр одиночного прямоугольного импульса (рис. 1.10), естественно [см. (1.44)], имеет ту же форму, что и огибающая периодической последовательности таких импульсов (см. рис. 1.6).
Пример 1.5. Определить спектр дельта-функции [см. соотношения (1.10) и рис. 1.3].
Запишем выражение для спектральной характеристики S(j) дельта-функции, сосредоточенной в точке :
В соответствии с (1.11) имеем
откуда модуль спектральной характеристики
Следовательно, дельта-функции соответствует сплошной равномерный спектр, включающий в себя составляющие бесконечно больших частот (рис. 1.11). При ξι = 0 начальные фазы всех составляющих равны нулю.
Распределение энергии в спектре.
Рассмотрим непериодический сигнал u(t), физическим представлением которого будем считать электрическое напряжение на резисторе с сопротивлением в 1 Ом.
Тогда энергия, выделяемая на этом резисторе
В предположении, что интеграл (1.54) сходится, выразим энергию через модуль спектральной характеристики S(ω) сигнала u(t). Квадрат этого модуля запишем в виде
где
функция, комплексно-сопряженная спектральной характеристике S(jω) сигнала u(t). Тогда
После изменения последовательности интегрирования и использования обратного преобразования Фурье (1.42) получим
Окончательно имеем
Соотношение (1.56) известно как равенство Парсеваля. Оказывается, что энергию, выделяемую непериодическим сигналом за время его существования, можно определить, интегрируя квадрат модуля его спектральной характеристики в интервале частот.
Каждое из бесконечно малых слагаемых (1/π)|S(ω)|2dω, соответствующих бесконечно малым участкам спектра, характеризует энергию, приходящуюся на спектральные составляющие сигнала, сосредоточенные в полосе частот от ω до ω + dω.
§ 1.5. СООТНОШЕНИЯ МЕЖДУ ДЛИТЕЛЬНОСТЬЮ ИМПУЛЬСОВ И ШИРИНОЙ ИХ СПЕКТРОВ
Анализируя спектр одиночного прямоугольного импульса (см. рис. 1.10), можно установить, что при увеличении его длительности τ от 0 до спектр сокращается от безграничного (у дельта-функции) до одной спектральной линии в начале координат, соответствующей постоянному значению сигнала. Это свойство сокращения ширины спектра сигнала при увеличении его длительности и наоборот справедливо для сигналов любой формы. Оно вытекает непосредственно из особенностей прямого и обратного интегрального преобразования Фурье, у которых показатель степени экспоненциальной функции в подынтегральных выражениях имеет переменные t и ω в виде произведения.
Рассмотрим функцию u(t) определенной продолжительности и функцию u(t), длительность которой при λ>1 будет в λ раз меньше. Считая, что u(t) имеет спектральную характеристику S(jω), найдем соответствующую характеристику S(jω) для u(t):
где =λt.
Следовательно, спектр укороченного в λ раз сигнала ровно в λ раз шире. Коэффициент l/λ перед S(jω/λ) изменяет только амплитуду гармонических составляющих и на ширину спектра не влияет.
Другой важный вывод, также являющийся прямым следствием Фурье-преобразования, заключается в том, что длительность сигнала и ширина его спектра не могут быть одновременно ограничены конечными интервалами: если длительность сигнала ограничена, то спектр его неограничен, и, наоборот, сигнал с ограниченным спектром длится бесконечно долго. Справедливо соотношение
где Δt — длительность импульса; Δf — ширина спектра импульса; С — постоянная величина, зависящая от формы импульса (при ориентировочных оценках обычно принимают С=1).
Реальные сигналы ограничены во времени, генерируются и передаются устройствами, содержащими инерционные элементы (например, емкости и индуктивности в электрических цепях), и поэтому не могут содержать гармонические составляющие сколь угодно высоких частот.
В связи с этим возникает необходимость ввести в рассмотрение модели сигналов, обладающие как конечной длительностью, так и ограниченным спектром. При этом в соответствии с каким-либо критерием дополнительно ограничивается либо ширина спектра, либо длительность сигнала, либо оба параметра одновременно. В качестве такого критерия используется энергетический критерий, согласно которому практическую длительность Тп и практическую ширину спектра п выбирают так, чтобы в них была сосредоточена подавляющая часть энергии сигнала.
Для сигналов, начинающихся в момент времени t0 = О, практическая длительность определяется из соотношения
где η — коэффициент, достаточно близкий к 1 (от 0,9 до 0,99 в зависимости от требований к качеству воспроизведения сигнала).
Принимая во внимание равенство Парсеваля (1.56), для практической ширины спектра сигнала соответственно имеем
§ 1.6. СПЕКТРАЛЬНАЯ ПЛОТНОСТЬ МОЩНОСТИ ДЕТЕРМИНИРОВАННОГО СИГНАЛА
Величина , характеризующая распределение энергии по спектру сигнала и называемая энергетической спектральной плотностью, существует лишь для сигналов, У которых энергия за бесконечный интервал времени конечна и, следовательно, к ним применимо преобразование Фурье.
Для незатухающих во времени сигналов энергия бесконечно велика и интеграл (1.54) расходится. Задание спектра амплитуд невозможно. Однако средняя мощность Рср, определяемая соотношением
оказывается конечной. Поэтому применяется более широкое понятие «спектральная плотность мощности». Определим ее как производную средней мощности сигнала по частоте и обозначим Ρk(ω):
Индексом k подчеркивается, что здесь мы рассматриваем спектральную плотность мощности как характеристику детерминированной функции u(t), описывающей реализацию сигнала.
Эта характеристика сигнала менее содержательна, чем спектральная плотность амплитуд, так как лишена фазовой информации [см. (1.38)]. Поэтому однозначно восстановить по ней исходную реализацию сигнала невозможно. Однако отсутствие фазовой информации позволяет применить это понятие к сигналам, у которых фаза не определена.
Для установления связи между спектральной плотностью Ρk(ω) и спектром амплитуд воспользуемся сигналом u(t), существующим на ограниченном интервале времени (—T<.t<T). К такому сигналу применимо равенство Парсеваля (1.56). Из сравнения (1.62) с правой частью соотношения (1.56) следует
где — спектральная плотность мощности сигнала, ограниченного во времени.
В дальнейшем будет показано (см. § 1.11), что, усредняя эту характеристику по множеству реализаций, можно получить спектральную плотность мощности для большого класса случайных процессов.
§ 1.7. ФУНКЦИЯ АВТОКОРРЕЛЯЦИИ ДЕТЕРМИНИРОВАННОГО СИГНАЛА
Теперь в частотной области имеется две характеристики: спектральная характеристика и спектральная плотность мощности. Спектральной характеристике, содержащей полную информацию о сигнале u(t), соответствует преобразование Фурье в виде временной функции. Выясним, чему соответствует во временной области спектральная плотность мощности, лишенная фазовой информации.
Следует предположить, что одной и той же спектральной плотности мощности соответствует множество временных функций, различающихся фазами. Советским ученым Л. Я. Хинчиным и американским ученым Н. Винером практически одновременно было найдено обратное преобразование Фурье от спектральной плотности мощности:
где
Обобщенную временную функцию r(), не содержащую фазовой информации, назовем временной автокорреляционной функцией. Она показывает степень связи значений функции u(t), разделенных интервалом времени , и может быть получена из статистической теории путем развития понятия коэффициента корреляции. Отметим, что во временной функции корреляции усреднение проводится по времени в пределах одной реализации достаточно большой продолжительности.
Справедливо и второе интегральное соотношение для пары преобразования Фурье:
Пример 1.6. Определить временную функцию· автокорреляции гармонического сигнала u(t) = u0 cos(t-φ). В соответствии с (1.64)
Проведя несложные преобразования
окончательно имеем
Как и следовало ожидать, ru() не зависит от φ и, следовательно, (1.66) справедливо для целого множества гармоник, различающихся фазами.
§ 1.8. СЛУЧАЙНЫЙ ПРОЦЕСС КАК МОДЕЛЬ СИГНАЛА
Рассмотренные математические модели детерминированных сигналов являлись известными функциями времени. Их использование позволяет успешно решать задачи, связанные с определением реакций конкретных систем на заданные входные сигналы. Случайные составляющие, всегда имеющие место в реальном входном сигнале, считают при этом пренебрежимо малыми и не принимают во внимание.
Однако единственная точно определенная во времени функция не может служить математической моделью сигнала при передаче и преобразовании информации. Поскольку получение информации связано с устранением априорной неопределенности исходных состояний, однозначная функция времени только тогда будет нести информацию, когда она с определенной вероятностью выбрана из множества возможных функций. Поэтому в качестве моделей сигнала используется случайный процесс. Каждая выбранная детерминированная функция рассматривается как реализация этого случайного процесса.
Необходимость применения статистических методов исследования диктуется и тем, что в большинстве практически важных случаев пренебрежение воздействием помехи в процессах передачи и преобразования информации недопустимо. Считается, что воздействие помехи на полезный сигнал проявляется в непредсказуемых искажениях его формы. Математическая модель помехи представляется также в виде случайного процесса, характеризующегося параметрами, определенными на основе экспериментального исследования. Вероятностные свойства помехи, как правило, отличны от свойств полезного сигнала, что и лежит в основе методов их разделения.
Учитывая, что все фундаментальные выводы теории информации базируются на указанном статистическом подходе при описании сигналов (и помех), уточним основные характеристики случайного процесса как модели сигнала.
Под случайным (стохастическим) процессом подразумевают такую случайную функцию времени U(t), значения которой в каждый момент времени случайны. Конкретный вид случайного процесса, зарегистрированный в определенном опыте, называют реализацией случайного процесса. Точно предсказать, какой будет реализация в очередном опыте, принципиально невозможно. Могут быть определены лишь статистические данные, характеризующие все множество возможных реализаций, называемое ансамблем. Ценность таких моделей сигналов в том, что появляется возможность судить о поведении информационной системы не по отношению к конкретной реализации, а по отношению ко всему ансамблю возможных реализаций.
Основными признаками, по которым классифицируются случайные процессы, являются: пространство состояний, временной параметр и статистические зависимости между случайными величинами U(ti) в разные моменты времени ti.
Пространством состояний называют множество возможных значений случайной величины U(ti). Случайный процесс, у которого множество состояний составляет континуум, а изменения состояний возможны в любые моменты времени, называют непрерывным случайным процессом. Если же изменения состояний допускаются лишь в конечном или счетном числе моментов времени, то говорят о непрерывной случайной последовательности.
Случайный процесс с конечным множеством состояний, которые могут изменяться в произвольные моменты времени, называют дискретным случайным процессом. Если же изменения состояний возможны только в конечном или счетном числе моментов времени, то говорят о дискретных случайных последовательностях.
Примеры реализаций указанных случайных процессов представлены на рис. 1.1.
Так как в современных информационных системах предпочтение отдается цифровым методам передачи и преобразования информации, то непрерывные сигналы с датчиков, как правило, преобразуются в дискретные, описываемые дискретными случайными последовательностями. Вопросы такого преобразования рассмотрены в гл. 2.
Среди случайных процессов с дискретным множеством состояний нас будут интересовать такие, у которых статистические зависимости распространяются на ограниченное число k следующих друг за другом значений. Они называются обобщенными марковскими процессами k-го порядка.
Вероятностные характеристики случайного процесса. В соответствии с определением случайный процесс U(t) может быть описан системой N обычно зависимых случайных величин U1 = U(t1), ..., Ui= U(ti), ..., UN = U(tN), взятых в различные моменты времени t1...ti...tN. При неограниченном увеличении числа N такая система эквивалентна рассматриваемому случайному процессу U(t).
Исчерпывающей характеристикой указанной системы является N-мерная плотность вероятности pN(U1, ..., Ui, ..., UN; t1, ..., tN). Она позволяет вычислить вероятность РN реализации, значения которой в моменты времени t1,t2, ...,tN будут находиться соответственно в интервалах (u1, u1+Δu1), ..., (ui, ui+ ui), ..., (uN, uN + uN), где ui(1) —значение, принимаемое случайной величиной Ui, (рис. 1.12).
Если Δui, выбраны достаточно малыми, то справедливо соотношение
Получение N-мерной плотности вероятности на основе эксперимента предполагает статистическую обработку реализаций, полученных одновременно от большого числа идентичных источников данного случайного процесса. При больших N это является чрезвычайно трудоемким и дорогостоящим делом, а последующее использование результатов наталкивается на существенные математические трудности.
На практике в таком подробном описании нет необходимости. Обычно ограничиваются одно- или двумерной плотностью вероятности.
Одномерная плотность вероятности p1(U1; t1) случайного процесса U(t) характеризует распределение одной случайной величины U1, взятой в произвольный момент времени t1. В ней не находит отражения зависимость случайных величин в различные моменты времени.
Двумерная плотность вероятности p2 = p2(U1, U2; t1, t2) позволяет определить вероятность совместной реализации любых двух значений случайных величин U1 и U2 в произвольные моменты времени t1 и t2 и, следовательно, оценить динамику развития процесса. Одномерную плотность вероятности случайного процесса U(t) можно получить из двумерной плотности, воспользовавшись соотношением
Использование плотности вероятности даже низших порядков в практических приложениях часто приводит к неоправданным усложнениям. В большинстве случаев оказывается достаточно знания простейших характеристик случайного процесса, аналогичных числовым характеристикам случайных величин. Наиболее распространенными из них являются моментные функции первых двух порядков: математическое ожидание и дисперсия, а также корреляционная функция.
Математическим ожиданием случайного процесса U(t) называют неслучайную функцию времени mu(t1), которая при любом аргументе t1 равна среднему значению случайной величины U(t\) по всему множеству возможных реализаций:
Степень разброса случайных значений процесса U(t1) от своего среднего значения mu(t1) для каждого t1 характеризуется дисперсией Du(t1):
где (t1) = U(t1) — mu(t1) — центрированная случайная величина.
Дисперсия Du(t1) в каждый момент времени t1 равна квадрату среднеквадратического отклонения u(t1):
Случайные процессы могут иметь одинаковые математические ожидания и дисперсии (рис. 1.13, а, б), однако резко различаться по быстроте изменений своих значений во времени.
Для оценки степени статистической зависимости мгновенных значений процесса U(t) в произвольные моменты времени t1 и t2 используется неслучайная функция аргументов Ru(t1,t2), называемая автокорреляционной или просто корреляционной функцией.
При конкретных аргументах t1 и t2 она равна корреляционному моменту значений процесса U(t1) и U(t2):
Через двумерную плотность вероятности выражение (1.71) представляется в виде
В силу симметричности этой формулы относительно аргументов справедливо равенство
Для сравнения различных случайных процессов вместо корреляционной функции удобно пользоваться нормированной функцией автокорреляции:
Из сравнения (1.69) и (1.70) следует, что при произвольном t1 = t2 автокорреляционная функция вырождается в дисперсию:
а нормированная функция автокорреляции равна единице:
Следовательно, дисперсию случайного процесса можно рассматривать как частное значение автокорреляционной функции.
Аналогично устанавливается мера связи между двумя случайными процессами U(t) и V(t). Она называется функцией взаимной корреляции:
§ 1.9. СТАЦИОНАРНЫЕ И ЭРГОДИЧЕСКИЕ СЛУЧАЙНЫЕ ПРОЦЕССЫ
Случайные процессы различаются по степени однородности протекания их во времени. В общем случае процесс может иметь определенную тенденцию развития и характеристики, зависящие от начала отсчета времени. Такие случайные процессы называются нестационарными.
Для описания сигнала математическая модель в виде нестационарного случайного процесса подходит наилучшим образом, но неконструктивна в силу своей чрезмерной сложности.
Поэтому очень часто вводят предположение о стационарности случайного процесса, что позволяет существенно упростить математический аппарат исследования.
Случайный процесс называют стационарным в узком смысле, если выражения для плотностей вероятности не зависят от начала отсчета времени, т. е. справедливо соотношение
где U—случайная величина, отражающая значение процесса в момент времени t = ti + τ (τ — произвольное число).
Иначе говоря, стационарность процесса предполагает его существование и статистическую однородность во всем диапазоне времени от - до +.
Такое предположение противоречит физическим свойствам реальных сигналов, в частности тому, что всякий реальный сигнал существует лишь в течение конечного отрезка времени. Однако аналогично установившимся детерминированным процессам случайные процессы, протекающие в установившемся режиме системы при неизменных внешних условиях на определенных отрезках времени, с известным приближением можно рассматривать как стационарные.
При решении многих технических задач идут на дальнейшее упрощение модели, рассматривая случайный процесс стационарным в широком смысле. Процесс U(t) принято называть стационарным в широком смысле, если выполняется условие постоянства математического ожидания и дисперсии, а корреляционная функция не зависит от начала отсчета времени и является функцией только одного аргумента τ = t2 - t1, т.е.
Так как условие постоянства дисперсии является частным случаем требования к корреляционной функции при τ = 0:
то выполнения соотношений (1.79) и (1.81) достаточно, чтобы рассматривать случайный процесс U(t) как стационарный.
Всякий стационарный случайный процесс является стационарным в широком смысле. В дальнейшем, если это не оговорено особо, стационарность будем рассматривать в широком смысле.
Случайные процессы, наблюдаемые в устойчиво работающих реальных системах, имеют конечное время корреляции. Поэтому для стационарных процессов, представляющих практический интерес, справедливо соотношение
Если для случайного процесса равенства (1.79), (1.81) не выдерживаются, но на интересующем нас интервале времени изменением указанных параметров можно пренебречь, его называют квазистационарным.
Среди стационарных случайных процессов многие удовлетворяют свойству эргодичности. Оно проявляется в том, что каждая реализация случайного процесса достаточной продолжительности несет практически полную информацию о свойствах всего ансамбля реализаций, что позволяет существенно упростить процедуру определения статистических характеристик, заменяя усреднение значений по ансамблю реализаций усреднением значений одной реализации за длительный интервал времени.
Следовательно, для стационарных эргодических процессов справедливы соотношения
где u(t) — конкретная реализация случайного процесса U(t).
Результаты исследования случайных процессов в их временном представлении, т. е. с использованием формул (1.83) и (1.85), лежат в основе корреляционной теории сигналов.
Для облегчения практического определения корреляционных функций в соответствии с (1.85) серийно выпускаются специальные вычислительные устройства — коррелометры (корреляторы).
§ 1.10. СПЕКТРАЛЬНОЕ ПРЕДСТАВЛЕНИЕ СЛУЧАЙНЫХ СИГНАЛОВ
В § 1.2 была показана эффективность представления детерминированных сигналов совокупностью элементарных базисных сигналов для облегчения анализа прохождения их через линейные системы. Аналогичный подход может быть использован и в случае сигналов, описываемых случайными процессами [21].
Рассмотрим случайный процесс U(t), имеющий математическое ожидание mu(t). Соответствующий центрированный случайный процесс (t) характеризуется в любой момент времени t1 центрированной случайной величиной (t1):
Центрированный случайный процесс (t) можно, как и ранее [см. (1.1)], выразить в виде конечной или бесконечной суммы ортогональных составляющих, каждая из которых представляет собой неслучайную базисную функцию k(t) с коэффициентом Ck, являющимся случайной величиной. В результате имеем разложение центрированного случайного процесса (t):
Случайные величины Сk называются коэффициентами разложения. В общем случае они статистически зависимы, и эта связь задается матрицей коэффициентов корреляции . Математические ожидания коэффициентов разложения равны нулю. Неслучайные базисные функции принято называть координатными функциями.
Для конкретной реализации коэффициенты разложения являются действительными величинами и определяются по формуле (1.7).
Предположив, что
детерминированную функцию mu(f) в (1.86) на интервале —T<t<.T также можно разложить по функциям φk(t), представив в виде
Подставляя (1.87 а) и (1.876) в (1.86) для случайного процесса U(t) с отличным от нуля средним, получим
Выражение случайного процесса в виде (1.87 в) позволяет существенно упростить его линейные преобразования, поскольку они сводятся к преобразованиям
детерминированных функций [mu(t), k(t)], а коэффициенты разложения, являющиеся случайными величинами, остаются неизменными.
Чтобы определить требования к координатным функциям, рассмотрим корреляционную функцию процесса (t), заданную разложением
Так как
то
Соотношение (1.88) становится значительно проще, если коэффициенты {Ck} некоррелированы (Rkl = 0 при k l, Rkl = 1 при k = l):
В частности, при t1 = t2 = t получим дисперсию случайного процесса U(t):
Поэтому целесообразно выбирать такие координатные функции, которые обеспечивают некоррелированность случайных величин {Сk}. Разложение (1.87), удовлетворяющее этому условию, называют каноническим разложением.
Доказано [21], что по известному каноническому разложению корреляционной функции случайного процесса можно записать каноническое разложение самого случайного процесса с теми же координатными функциями, причем дисперсии коэффициентов этого разложения будут равны дисперсиям коэффициентов разложения корреляционной функции.
Таким образом, при выбранном наборе координатных функций центрированный случайный процесс характеризуется совокупностью дисперсий коэффициентов разложения, которую можно рассматривать как обобщенный спектр случайного процесса.
В каноническом разложении (1.87) этот спектр является дискретным (линейчатым) и может содержать как конечное, так и бесконечное число членов (линий).
Однако используются и интегральные канонические разложения в форме (1.2). В этом случае мы имеем непрерывный спектр, представляемый спектральной плотностью дисперсии.
Основным препятствием к широкому практическому использованию канонических разложений случайных процессов является сложность процедуры нахождения координатных функций. Однако для ряда стационарных случайных процессов эта процедура вполне приемлема.
§ 1.11. ЧАСТОТНОЕ ПРЕДСТАВЛЕНИЕ СТАЦИОНАРНЫХ
СЛУЧАЙНЫХ СИГНАЛОВ
Дискретные спектры. Корреляционную функцию Ru() (рис. 1.14) стационарного случайного процесса, заданного на конечном интервале времени [-Т, Т], можно разложить в ряд Фурье (1.15), условно считая ее периодически продолжающейся с периодом 4T (при —T<.t1, t2<T, -2Τ<τ<2Τ):
где
Учитывая, что Ru() является четной функцией, имеем
Положив τ = t1 - t2, находим
что согласно (1.89) представляет собой каноническое разложение корреляционной функции. По нему, как было указано ранее, получаем каноническое разложение случайного процесса:
причем
Выражение (1.95) записано для случайного процесса с нулевой постоянной составляющей, что характерно для многих реальных сигналов. В общем случае в правую часть этого выражения необходимо добавить постоянную величину, соответствующую математическому ожиданию случайного процесса (mu). Корреляционная функция при этом не изменяется.
Очевидно, что при попарном объединении экспоненциальных составляющих с одинаковыми положительными и отрицательными индексами k каноническое разложение (1.95) приводится к тригонометрической форме.
Таким образом, стационарный случайный процесс на ограниченном интервале времени можно представить совокупностью гармонических составляющих различных частот с амплитудами, являющимися некоррелированными случайными величинами, математические ожидания которых равны нулю:
где
На спектральной диаграмме такого процесса каждой гармонике ставится в соответствие вертикальный отрезок, длина которого пропорциональна дисперсии ее амплитуды, а расположение на оси абсцисс отвечает частоте (рис. 1.15).
Чтобы получить описание стационарного случайного процесса в точном смысле, т. е. справедливое для любого момента времени на бесконечном интервале -<t<, необходимо перейти к интегральному каноническому разложению.
Непрерывные спектры. Интегральное каноническое разложение для корреляционной функции получим из формулы (1.91) путем предельного перехода при Т. Увеличение интервала времени, на котором наблюдается случайный процесс, сопровождается уменьшением значений дисперсий, что следует из (1.92), а также сокращением расстояния между спектральными линиями, поскольку
При достаточно большом, но конечном Т можно записать выражение для средней плотности распределения дисперсии по частоте:
S(k) = Dk/(Δω) = 2DkT/ (k = 0,±l, ±2, ..) (1.98)
где S(k) - средняя плотность дисперсии на участке, прилегающем к частоте ωk.
Теперь можно преобразовать формулы (1.94) и (1.98) к виду
Переходя к пределу при Т, получаем
где
Так как величина S(ωk)Δω являлась не только дисперсией Dk коэффициента разложения корреляционной функции Ru(), но и дисперсией D[Ck] коэффициента разложения случайного процесса U(t), то величина Suu()d, полученная в результате предельного перехода при Т, представляет собой дисперсию, приходящуюся на спектральные составляющие стационарного случайного процесса, занимающие бесконечно малый интервал частот (ω, ω + d). Функцию Suu(), характеризующую распределение дисперсии случайного процесса по частотам, называют спектральной плотностью стационарного случайного процесса U(t).
Выражение для интегрального канонического разложения корреляционной функции Ru() найдем, положив в формуле (1.101) τ = t1 - t2:
Обозначив G() = Сk/() и повторив процедуру предельного перехода при T для соотношения (1.95), получим каноническое разложение стационарной случайной функции U(t):
где дисперсией случайной функции G()d является функция Suu()d.
Поскольку понятие спектральной плотности стационарного случайного процесса играет большую роль при исследовании преобразования сигналов линейными системами, уточним ее свойства и физический смысл.
Основные свойства спектральной плотности. Отметим, что в формулах (1.101) и (1.102) Suu() определена как для положительных, так и для отрицательных частот. Перейдем к одностороннему спектру, ограничиваясь только положительными частотами. Воспользовавшись формулой Эйлера, представим соотношение (1.102) состоящим из двух слагаемых:
В силу четности функции Ru() второе слагаемое равно нулю, а первое можно преобразовать к виду
Из (1.105) следует, что Suu() является действительной и четной функцией, т. е.
Это позволяет ограничиться положительными частотами и в (1.101):
Соотношения (1 101) и (1.102), а также (1.105) и (1.107) являются парами интегрального преобразования Фурье, причем (1.105) и (1.107) для случая четной функции. Поэтому корреляционная функция и спектральная плотность подчинены закономерности: чем протяженнее кривая Suu(ω), тем уже корреляционная функция Ru() (тем меньше время корреляции), и наоборот.
Площадь, ограниченная непрерывной кривой Suu() на спектральной диаграмме, очевидно, должна равняться дисперсии Du случайного процесса U(t). Действительно, положив в формуле (1.107) τ = 0, получим
Подразумевая под случайным процессом U(t) напряжение, Du можно рассматривать как среднюю мощность, выделяемую этим напряжением на резисторе с сопротивлением в 1 Ом:
Следовательно, величина
представляет собой долю средней мощности, выделяемой составляющими спектра, относящимися к интервалу частот (ω, ω + d).
В связи с этим спектральную плотность Suu() называют еще спектральной плотностью мощности, а также энергетическим спектром стационарного случайного процесса, поскольку Suu() имеет размерность энергии.
Спектральная плотность мощности случайного процесса является средней характеристикой множества реализаций. Ее можно получить и путем усреднения спектральной мощности реализации Ρk(ω) (1.62) по множеству реализаций.
Рассмотрим с этой целью одну реализацию u(t) стационарного случайного процесса U(t) сначала на ограниченном интервале времени -T<t<.T. Для нее можно записать преобразование Фурье:
В соответствии с (1.63) спектральная плотность мощности этой реализации
Найдем среднее значение Ρ(ω) по множеству реализации k. Имеем
или
Так как мы предполагаем, что случайный процесс U(t) стационарный, то
где t1 - t2 = τ.
При выполнении условия (1.114) для выражения (1.113) существует предел при T:
что и требовалось показать.
Пример 1.7. У центрированного стационарного случайного процесса спектральная плотность постоянна. Рассмотреть особенности такого процесса.
Пусть спектральная плотность Suu(ω) ограничена определенной полосой частот (рис. 1.16, а):
В соответствии с (1.107) найдем автокорреляционную функцию процесса U(t):
Вид функции Ru() приведен на рис. 1.16,6. Значение ее при τ = 0 равно дисперсии, а следовательно, средней мощности рассматриваемого процесса:
Будем теперь расширять полосу частот, занимаемую энергетическим спектром (рис. 1.17, а). Интервал времени, на котором наблюдается существенная корреляционная связь значений процесса, при этом уменьшается, а дисперсия Du возрастает.
При 0 дисперсия становится безграничной, а корреляционная функция принимает вид дельта-функции (рис. 1.17,6).
Идеализированный случайный процесс, энергетический спектр которого безграничен и равномерен, известен как «белый шум». Такое название возникло по аналогии с белым светом, имеющим равномерный и неограниченный спектр интенсивности. Основная особенность процесса в том, что его значения в любые два сколь угодно близкие моменты времени некоррелированы. Создать белый шум принципиально невозможно, так как реальные источники сигналов всегда имеют ограниченную мощность. Тем не менее, понятие «белый шум» нашло широкое применение в информационной технике. Такая модель может быть принята, например, для сигналов (шумов), имеющих равномерный энергетический спектр в пределах полосы пропускания входного блока системы, в которой они рассматриваются.
Иногда говорят о «реальном белом шуме», подразумевая стационарный случайный процесс с равномерным энергетическим спектром в пределах конечной, но достаточно широкой полосы частот.
Пример 1.8. Определить спектральную плотность мощности случайного процесса с линейно убывающей нормированной функцией автокорреляции (рис. 1.18).
Аналитическое выражение нормированной корреляционной функции запишем в виде
Воспользовавшись соотношением (1.105) при р„ (0) = 1, получим
Раскрывая по правилу Лопиталя неопределенность выражения (1.119) при ω = 0, найдем
Несложный дополнительный анализ дает возможность определить форму кривой Suu() (рис. 1.19).
Контрольные вопросы
1. В чем относительность сигнала и помехи?
2. Охарактеризуйте основной метод исследования сигналов.
3. Что понимают под детерминированным сигналом?
4. Назовите различные формы представления моделей сигналов.
5. В чем сущность спектрального представления сигналов?
6. Запишите условия ортогональности и ортонормированности системы функций.
7. Назовите преимущества частотного представления сигналов.
8. Дайте определение спектру амплитуд и спектру фаз.
9. В чем различие спектров периодического и непериодического сигналов?
10. Дайте определение практической ширины спектра периодического и непериодического сигналов.
11. Как связаны между собой длительность сигнала и ширина его спектра?
12. Каковы причины использования случайного процесса в качестве модели сигнала?
13. Назовите разновидности случайных функций времени.
14. В чем трудности точного математического описания случайного процесса?
15. Как определить математическое описание, дисперсию и корреляционную функцию случайного процесса?
16. Поясните физический смысл корреляционной функции, перечислите ее свойства.
17. Какой случайный процесс называется центрированным?
18. Дайте определение стационарности случайного процесса в узком и широком смысле.
19. Сформулируйте условие эргодичности стационарного случайного процесса.
20. Каков физический смысл дисперсии стационарного случайного процесса, имеющего размерность тока или напряжения
21. Что подразумевается под каноническим разложением случайного процесса?
22. Как определяются дисперсии случайных коэффициентов разложения по корреляционной функции процесса?
23. Запишите соотношения, связывающие корреляционную функцию стационарного случайного процесса с его спектральной плотностью.
24. Сформулируйте основные свойства спектральной плотности стационарного случайного процесса.
25. Какой случайный процесс называют белым шумом и каковы его основные характеристики?
§ 2.1. ПРЕИМУЩЕСТВА ЦИФРОВОЙ ФОРМЫ ПРЕДСТАВЛЕНИЯ СИГНАЛОВ
В любую систему информация поступает в виде сигналов. Различные параметры физических процессов с помощью датчиков обычно преобразуются в электрические сигналы. Как правило, ими являются непрерывно изменяющиеся ток или напряжение, но возможно поступление и импульсных сигналов, как, например. в радиолокации. Печатный текст отображается буквами, цифрами и другими знаками.
Хотя поступающую информацию можно хранить, передавать и обрабатывать как в виде непрерывных, так и в виде дискретных сигналов, на современном этапе развития информационной техники предпочтение отдается дискретным сигналам, поэтому сигналы, как правило, преобразуются в дискретные. С этой целью каждый непрерывный сигнал подвергается операциям квантования по времени (дискретизации) и по уровню.
Под дискретизацией подразумевают, преобразование функции непрерывного времени в функцию дискретного времени, представляемую совокупностью величин, называемых координатами, по значениям которых исходная непрерывная функция может быть восстановлена с заданной точностью. Роль координат часто выполняют мгновенные значения функции, отсчитанные в определенные моменты времени.
Под квантованием подразумевают преобразование некоторой величины с непрерывной шкалой значений в величину, имеющую дискретную шкалу значений. Оно сводится к замене любого мгновенного значения одним из конечного множества разрешенных значений, называемых уровнями квантования.
Изменение вида сигнала u(t) (рис. 2.1, а) в результате проведения операции дискретизации показано на рис. 2.1,6, а в результате совместного проведения операций дискретизации и квантования — на рис. 2.1, в.
Число уровней квантования на рис. 2.1,в равно 8. Обычно их значительно больше. Передача такого множества различных по уровню импульсов даже на небольшие расстояния применяется крайне редко. Если провести нумерацию уровней, то их передача сведется к передаче чисел. Тогда, выразив эти числа в какой-либо системе счисления, можно обойтись меньшим множеством передаваемых сигналов. Как правило, дискретный сигнал преобразуется в последовательность чисел, выраженных в двоичном коде. Каждое дискретное значение сигнала представляется в этом случае последовательностью сигналов двух уровней. Наличие или отсутствие импульса на определенном месте интерпретируется единицей или нулем в соответствующем разряде двоичного числа.
Цифровая форма представления сигнала u(t) (рис. 2.1, а) показана на рис. 2.1, г. Для восьми уровней достаточно трех двоичных разрядов. Импульсы старших разрядов расположены крайними справа.
Причины перехода к дискретному и цифровому выражению информации заключаются в следующем.
Для конкретных задач управления или исследования интересующего нас объекта обычно требуется значительно меньше информации, чем ее поступает с датчиков в виде сигналов, изменяющихся во времени непрерывно. Учет априорных сведений об этих сигналах и целях их получения позволяет ограничиться отсчетами, взятыми через определенные моменты времени.
При неизбежных флуктуациях во времени интересующих нас параметров и конечной погрешности средств измерения информация о величине сигнала в каждый момент отсчета всегда ограничена, что и выражается в конечном числе уровней квантования. Кроме того, специфика решаемых в системе задач часто такова, что целесообразно ограничиться значительно меньшим числом уровней, чем следует из указанных выше ограничений.
Во многих случаях информация извлекается и передается с целью дальнейшей обработки средствами цифровой техники, в первую очередь ЭВМ и микропроцессорами. Рациональное выполнение операций дискретизации и квантования при этом приводит к значительному экономическому эффекту как за счет снижения затрат на хранение и обработку получаемой информации, так и вследствие сокращения времени обработки информации, что ведет к улучшению качества управления.
При передаче и обработке информации в цифровой технике существует принципиальная возможность снижения вероятности получения ошибочного результата до весьма малых значений. Она возникает потому, что при использовании дискретных сигналов, во-первых, применимы такие методы кодирования, которые обеспечивают обнаружение и исправление ошибок (они изложены в гл. 6), а во-вторых, можно избежать свойственного аналоговым сигналам эффекта накопления искажений в процессе их передачи и обработки, поскольку квантованный сигнал легко восстановить до первоначального уровня всякий раз, когда величина накопленных искажений приблизится к половине кванта. Практическая реализация указанных методов наиболее эффективна при минимальном числе уровней, равном двум.
Выражение информации в цифровой форме облегчает унификацию операций ее преобразования на всех этапах обращения. Массовость изготовления типовых узлов и блоков, простота их настройки, отсутствие необходимости регулировки в процессе эксплуатации позволяют, в свою очередь, улучшить такие важнейшие технико-экономические показатели средств цифровой техники, как стоимость изготовления и эксплуатации, а также надежность.
Низкая стоимость и высокая надежность больших интегральных схем, естественно, являются мощными стимулами дальнейшего расширения областей использования цифровых сигналов.
В данной главе мы ограничимся рассмотрением методов преобразования непрерывных сигналов в дискретные. Вопросы выражения дискретных сигналов в цифровой форме изложены в гл. 5.
§ 2.2. ОБЩАЯ ПОСТАНОВКА ЗАДАЧИ ДИСКРЕТИЗАЦИИ
В самом общем случае представление непрерывного сигнала u(t) на интервале Т совокупностью координат (с1, с2, ..., cN) может быть записано в виде
где А — оператор дискретного представления сигнала, реализуемый устройством, называемым дискретизатором.
Аналогично можно записать и операцию восстановления по совокупности координат (с1, c2, ..., cN) непрерывной функции u*(t) (воспроизводящей функции), отображающей исходный сигнал с некоторой текущей погрешностью приближения (t) = u(t) — u*(t):
где В — оператор восстановления, реализуемый устройством восстановления сигнала.
Задача дискретизации в математическом плане сводится к совместному выбору пары операторов A и B, обеспечивающих заданную точность восстановления сигнала.
Рассмотрим разновидности используемых операторов A и B и критериев оценки точности восстановления сигнала.
Широкое практическое применение нашли линейные операторы, поскольку их техническая реализация проще. Для определения координат сигнала используется соотношение
где {ξj(t)} - система функций, которые для определенности назовем весовыми.
где {j(t)} - система базисных функций.
При одном и том же операторе представления А для восстановления могут использоваться различные операторы В.
Из соотношений (2.3) и (2.4) следует, что произведения [ξj(t)φj(t)] должны иметь размерность, обратную времени.
Методы дискретизации в первую очередь разделяются в зависимости от способа получения координат сигнала.
В случае, когда в качестве весовых функций используются базисные функции [(t) = j(t)], координаты с1, c2, ..., cN сигнала u(t) получаются «взвешенным» интегрированием сигнала на некотором интервале времени Т. При этом предполагается, что базисные функции ортогональны и обеспечивают сходимость в среднеквадратичном ряде (2.4) к u(t) при N [условие (1.8)], что дает возможность ограничить число координат в соответствии с заданной погрешностью восстановления.
Предъявляя дополнительные требования к базисным функциям, можно провести дискретизацию различных моделей сигнала. Хотя дискретизации всегда подвергается конкретная реализация случайного процесса и, следовательно, детермированная функция, в большинстве случаев алгоритм дискретизации выбирают неизменным для всего множества реализаций и поэтому он должен опираться на характеристики случайного процесса как модели сигнала.
Методы дискретизации следует рассматривать как с позиций полезности для решения теоретических вопросов передачи и преобразования сигналов, так и с позиций возможности их технической реализации. В теоретическом плане весьма важны методы дискретизации, обеспечивающие минимальное число координат при заданной погрешности воспроизведения. Их называют методами оптимальной или предельной дискретизации.
Если за модель сигнала принять нестационарный случайный процесс, как наиболее полно отражающий свойства реального сигнала, некоррелированность координат, а следовательно, и их минимальное число обеспечивают каноническое разложение этого процесса. В качестве базисных функций j(t) должны использоваться координатные функции. Коэффициенты разложения сk будут искомыми координатами.
В силу сложности нахождения координатных функций указанная процедура не нашла пока применения в инженерной практике. Поэтому идут по пути упрощения модели, предполагая сигнал стационарным или квазистационарным. Некоррелированные координаты, как и ранее, дает только каноническое разложение, однако определение координатных функций упрощается. В качестве таковых могут быть взяты, например, тригонометрические функции. Разложение процесса на ограниченном интервале времени, превышающем длительность корреляции, принимает вид ряда Фурье, но с коэффициентами-координатами, являющимися случайными величинами (1.95). При дискретизации каждой реализации мы будем получать, естественно, детерминированные координаты.
Если отказаться от требования некоррелированности координат, то случайный процесс можно разложить по любой полной системе ортогональных функций. Координатами реализаций будут обобщенные коэффициенты Фурье (см. § 1.3).
Поскольку выражение координат в рассматриваемом случае связано с операцией интегрирования, алгоритмы дискретизации отличаются высокой помехоустойчивостью. Известны примеры успешного использования для целей дискретизации функций Лежандра, Уолша, Хаара. Тем не менее, в силу сложности технической реализации, как получения координат, так и восстановления по ним сигнала, а также вследствие возникновения при этом задержки сигнала во времени методы получения координат на основе «взвешенного» интегрирования сигнала на практике используются лишь иногда при высоком уровне импульсных помех.
Более широкое распространение получили методы дискретизации, при которых сигнал u(t) заменяется совокупностью его мгновенных значений u(tj), взятых в определенные моменты времени tj(j=1,2, ..., Ν) и называемых выборками или отсчетами. Роль весовых функций (t) в соотношении (2.3) в этом случае выполняют дельта-функции Дирака. В соответствии с (1.11) устанавливаем, что координаты с1, c2, ..., cN представляют собой выборки u(tj)[ξj(t) = (t - tj)] или разности соседних выборок Δu(tj) = u(tj) — u(t — tj)[j(t) = (t - tj) - δ(t - tj-1)].
Поскольку дельта-функция технически нереализуема, длительность каждой выборки конечна. Отсчеты берут не в одной точке, а в некотором интервале времени, зависящем от длительности управляющего импульса ключевого устройства. Когда длительность импульса значительно меньше шага дискретизации, выборки представляют собой короткие импульсы, амплитуды которых пропорциональны мгновенным значениям сигнала.
Отрезок времени tj = tj — tj-1 между соседними выборками называют шагом дискретизации. Если он выдерживается постоянным во всем диапазоне преобразования, дискретизация считается равномерной. Методы равномерной дискретизации получили наиболее широкое применение. Они характеризуются простым алгоритмом, исключающим необходимость фиксировать время отсчетов, что существенно облегчает техническую реализацию. Правда, в этом случае несоответствие шага дискретизации характеру поведения конкретной реализации сигнала на отдельных участках часто приводит к значительной избыточности отсчетов.
Если отрезки времени между выборками меняются, например, в зависимости от скорости изменения сигнала или по заданной программе, дискретизацию называют неравномерной.
В ряде случаев наряду с выборками u(tj) в качестве координат сигнала используются также производные u(t) в те же моменты времени tj, вплоть до N-го порядка.
Учитывая теоретическую и практическую значимость методов дискретизации с использованием выборок в качестве координат сигнала, в процессе дальнейшего рассмотрения вопросов дискретизации ограничимся только ими.
§ 2.3. СПОСОБЫ ВОССТАНОВЛЕНИЯ НЕПРЕРЫВНОГО СИГНАЛА
Воспроизведение сигнала по выборкам можно производить как на основе ортогональных, так и неортогональных базисных функций, которые определяют тип аппроксимирующего полинома и принцип приближения: интерполяционный, экстраполяционный, комбинированный.
При неортогональных представлениях сигнала наиболее часто используются степенные алгебраические полиномы вида
или
где αj — действительные коэффициенты.
Если координаты сигнала представлены в виде разности выборок, то при его восстановлении, как правило, сначала проводят вычисление последовательности выборок и уже по ним строят аппроксимирующий полином u*(t).
Выбор системы базисных функций в составе аппроксимирующего полинома u*(t) во многом определяется требованием обеспечения простоты технической реализации аппаратных (программных) средств дискретизации и восстановления сигнала.
Если базисные функции выбраны так, что значения аппроксимирующего полинома совпадают со значениями выборок в моменты их отсчета, то такой полином называют интерполирующим.
С точки зрения сокращения числа отсчетов интерполяционные методы восстановления сигнала предпочтительнее, однако, для их реализации необходима задержка сигнала на интервал интерполяции, что в ряде случаев недопустимо. Поэтому в системах управления, работающих в реальном времени, используются экстра-поляционные методы, не требующие задержки сигнала при проведении операций определения значений выборок и восстановления сигнала.
При замене функции u(t) совокупностью отсчетов основная задача заключается в том, чтобы на интервале преобразования взять их не более чем требуется для восстановления исходного сигнала с заданной точностью в соответствии с выбранным критерием качества приближения.
Ограничение на число членов аппроксимирующего полинома (2.4) обычно не позволяет обеспечить заданную точность воспроизведения на всем интервале преобразования Т. Поэтому его разбивают на отрезки τj, называемые участками аппроксимации, и на каждом из них воспроизведение осуществляют аппроксимирующим полиномом (2.4), причем длительность участков аппроксимации может быть различной. В случае использования интерполяционного метода восстановления многочленом ненулевой степени на участке аппроксимации может размещаться несколько отсчетов.
§ 2.4. КРИТЕРИИ КАЧЕСТВА ВОССТАНОВЛЕНИЯ
При известной конечной совокупности координат сигнала и выбранном способе воспроизведения должна обеспечиваться заданная точность восстановления сигнала. Требования к точности восстановления диктуются потребителем информации. В зависимости от целевого назначения получаемой информации используются различные критерии точности приближения u*(t) к u(t).
В соответствии с критерием равномерного воспроизведения, называемым также критерием наибольшего отклонения, устанавливается абсолютное значение допустимой погрешности:
где m — максимальная погрешность приближения; Δi — участок аппроксимации; u(t) = u(t) — u*(t) — текущая погрешность приближения.
Если сигнал задан множеством возможных реализаций, то наибольшая допустимая погрешность устанавливается для всей совокупности реализаций u(t) и
u*(t):
Такой критерий применяется, например, в случаях, когда необходимо обеспечить возможность фиксации любых изменений исходного сигнала, включая кратковременные выбросы, в особенности, если они соответствуют аварийному режиму объекта.
Широко используется также критерий среднеквадратического приближения:
где Д — допустимая среднеквадратическая погрешность приближения; σ— среднеквадратическая погрешность приближения.
При множестве возможных реализаций сигнала величина σ усредняется в соответствии с их вероятностями.
В технической реализации неравномерная дискретизация на основе критерия среднеквадратического приближения сложнее, чем на базе критерия равномерного приближения.
Интегральный критерий приближения определяется соотношением
где Д - допустимая средняя погрешность приближения; ε — средняя погрешность приближения.
Применяется также вероятностный критерий, в соответствии с которым задается допустимый уровень рД величины ρ — вероятности того, что текущая погрешность приближения (t) не превысит некоторого определенного значения 0:
§ 2.5. МЕТОДЫ ДИСКРЕТИЗАЦИИ ПОСРЕДСТВОМ ВЫБОРОК
При построении метода дискретизации необходимо сформулировать критерий выбора отсчетов, установить процедуру восстановления по ним исходного сигнала и иметь возможность определить возникающую при этом погрешность. Решение указанных задач возможно лишь на базе выбора определенной математической модели дискретизируемого сигнала.
В вопросе определения величины шага при равномерной дискретизации известно несколько подходов, отличающихся, прежде всего тем, каким параметром характеризуются динамические свойства сигнала.
В теоретических исследованиях наибольшее распространение получила модель сигнала в виде квазистационарного случайного процесса, каждая реализация которого представляет собой функцию с ограниченным спектром. Величина шага дискретизации в этом случае ставится в зависимость от наивысшей частоты спектра. Такой критерий выбора отсчетов принято называть частотным.
При определении шага дискретизации можно ориентироваться непосредственно на степень некоррелированности отсчетов. Существует подход, где за модель
сигнала принят случайный процесс конечной длительности Т, спектр которого отличен от нуля на всей оси частот. В предположении, что 0<<T, отсчеты берут через интервал корреляции τ0, определяемый по известной корреляционной функции сигнала. Такой критерий выбора отсчетов называют корреляционным. Учитывая тесную взаимосвязь спектрального и корреляционного методов анализа сигналов, его иногда рассматривают как разновидность частотного критерия. Поскольку использование корреляционного критерия по сравнению с частотным не упрощает теоретических исследований, он не нашел применения в инженерной практике.
Практическую реализацию равномерной дискретизации чаще всего проводят с использованием аппроксимирующих многочленов в общем случае n-й степени. За математическую модель сигнала принимают стационарный случайный процесс, каждая реализация которого представляет собой непрерывную функцию u(t), имеющую (n+1) ограниченных производных. При этом динамические свойства сигнала задаются максимальным во всем интервале преобразования модулем (n+1)-й его производной. Отсчеты выбирают по критерию наибольшего отклонения.
Так как при равномерной дискретизации шаг выбирают, исходя из максимальных значений динамических характеристик сигнала, то на многих участках интервала дискретизации, где мгновенные значения сигнала резко не меняются, он оказывается заниженным, что приводит к избыточности отсчетов.
Эффективное устранение избыточности в отсчетах обеспечивают методы адаптивной неравномерной дискретизации. Длительности шагов дискретизации в этом случае тесно связаны с текущими значениями параметров реализации сигнала. Отсчеты проводятся при достижении выбранной погрешностью восстановления определенного значения, выполняющего здесь роль критерия.
Основные методы дискретизации по выборкам рассмотрим подробнее.
§ 2.6. РАВНОМЕРНАЯ ДИСКРЕТИЗАЦИЯ. ТЕОРЕМА КОТЕЛЬНИКОВА
Дискретизация по частотному критерию. Правило выбора предельного шага при равномерной дискретизации с использованием модели сигнала с ограниченным спектром в наиболее четкой форме сформулировано и доказано акад. В. А. Котельниковым в виде теоремы, получившей в отечественной литературе его имя* [11].
Сначала, не касаясь вопроса адекватности выбранной модели реальному сигналу, рассмотрим существо и доказательство теоремы
Теорема Котельникова. Теорема устанавливает принципиальную возможность полного восстановления детерминированной функции с ограниченным спектром по ее отсчетам и указывает предельное значение интервала времени между отсчетами, при которой такое восстановление еще возможно. Она формулируется следующим образом: функция u(t), допускающая преобразование Фурье и имеющая непрерывный спектр, ограниченный полосой частот от 0 до Fc = c/(2), полностью определяется дискретным рядом своих мгновенных значений, отсчитанных через интервалы времени
Физическая основа теоремы выявляется при рассмотрении связи между формой функции и шириной ее спектра. Только в случае, когда спектр функции безграничен, ее значения в сколь угодно близкие моменты времени могут изменяться произвольно (корреляционная связь между ними отсутствует). Сокращение высокочастотной части спектра до граничной частоты ω1 равнозначно устранению из временной функции выбросов, которые могли быть сформированы этими высокочастотными составляющими (рис. 2.2, а). При меньших граничных частотах 2 (рис. 2.2, б) и 3 (рис. 2.2, в) имеем более сглаженные функции времени. Поскольку значения этих функций в моменты времени u(t1) и u(t1+t) в пределах некоторого интервала Δt не могут изменяться существенно, можно ограничиться значениями функции, взятыми через интервалы Δt (отсчетами).
Д о к а з а т е л ь с т в о. Пусть функции u(t), описывающей передаваемый сигнал, соответствует спектральная характеристика S(j), причем
где c — наибольшая частота спектра u(t).
Используя обратное преобразование Фурье с учетом соотношения (2.13), запишем
Для моментов времени tn = nΔt = n/c, где n — любое целое число, функция u(t) принимает значения
Функцию S(j) на интервале существования от - c до +c можно разложить в ряд Фурье по частотам, периодически продолжая ее с периодом 2c (рис. 2.3):
где
Сравнивая (2.15) и (2.16), найдем
Выразим теперь S(j) через отсчеты исходной функции:
Поскольку суммирование ведется как по положительным, так и по отрицательным числам n, знак перед n можно изменить на обратный:
Подставив это значение в (2.14), определим значения исходной функции в любой момент времени:
Учитывая сходимость ряда Фурье, изменим порядок суммирования и интегрирования:
В полученном выражении вычислим интеграл:
Подставив результат в формулу (2.18), окончательно получим
Итак, функция u(t) выражена через ее дискретные значения, взятые в моменты времени tn = nt = n/c.
Так как при любых целых k и n справедливы соотношения
то
Благодаря этому свойству значения функции u(k) в моменты времени tn = nt представляют собой нечто иное, как ее отсчеты.
Представление функции u(t) в виде ряда (2.19) (ряда Котельникова) является частным случаем разложения (1.1). Роль коэффициентов Ck выполняют отсчеты u(nt) функции u(t). Базисными являются функции вида
Они называются функциями отсчетов.
Графики этих функций при n = 0 и n = 1 приведены на рис. 2.4. Каждая функция ψn(t) имеет неограниченную протяженность во времени и достигает своего наибольшего значения, равного единице, в момент времени t = n/c; относительно этого момента времени она симметрична. В моменты времени t=r/c, где kn, функция обращается в нуль. Все функции ортогональны между собой на бесконечно большом промежутке времени, что легко проверяется путем вычисления интеграла:
Каждую функцию отсчета можно рассматривать как реакцию (отклик) идеального фильтра нижних частот с граничной частотой Fc на дельта-импульс, приходящий в момент времени tn = nt и имеющий площадь, равную u(nt).
Теорема Котельникова распространяется на непрерывный в среднеквадратическом смысле стационарный случайный процесс с ограниченным энергетическим спектром (Sn() = 0 при |ω|>ωП = 2FП).
Такой процесс представляется суммой квазидетерминированных процессов, где роль ортогональных детерминированных функций выполняют функции отсчета, а случайных коэффициентов — величины выборок:
где
Таким образом, при указанных ограничениях случайный процесс полностью определяется счетным множеством случайных величин — координат процесса.
Пример 2.1. Определить по теореме Котельникова шаг дискретизации Δ< для детерминированной функции
ориентируясь на практическую ширину спектра (1.60) с η = 0,95. По формуле (1 42) находим спектральную характеристику
откуда
Практическую ширину спектра определяем, пользуясь соотношением (1.60).
Поскольку
имеем
По таблице значений тангенсов получаем
Следовательно,
§ 2.7. ТЕОРЕТИЧЕСКИЕ И ПРАКТИЧЕСКИЕ АСПЕКТЫ ИСПОЛЬЗОВАНИЯ ТЕОРЕМЫ КОТЕЛЬНИКОВА
Соотношения (2.19) и (2.23), как и другие разложения функции, имеют прежде всего теоретическое значение и используются при решении различных задач анализа и синтеза систем связи. В частности, они позволили подойти к вопросу передачи непрерывных и дискретных сигналов с единых позиций.
При этом мы оперируем с математическими абстракциями. Бесконечно протяженную во времени функцию (а только такая и может иметь ограниченный спектр) представляем суммой бесконечного числа бесконечно протяженных во времени составляющих функций (функции отсчетов).
Процедура теоретического восстановления конкретной реализации u(t) по ее отсчетам сводится к следующему.
На передающей стороне в исходной непрерывной функции u(t) через интервалы времени Δt определяются мгновенные значения u(nt) и передаются в канал связи в виде δ-импульсов с амплитудами Аn и бесконечно малой длительностью τ, имеющих площади Αnτ, равные u(nΔt). На приемной стороне такая последовательность импульсов пропускается через идеальный фильтр нижних частот, у которого частота среза равна Fc. При длительной передаче сигнал на выходе фильтра будет точно воспроизводить переданный непрерывный сигнал u(t).
Однако использование теоремы как точного утверждения по отношению к реальным сигналам, равно как и попытки организовать на ее основе технический способ дискретной передачи непрерывных сигналов, наталкивается на ряд принципиальных трудностей.
Во-первых, реальный сигнал имеет конечную длительность Т и, следовательно, при представлении его в частотной области обладает неограниченным спектром.
Однако в силу свойств реальных источников сигналов и ограниченности полосы пропускания реальных каналов спектр сигнала с той или иной степенью точности можно считать ограниченным некоторой предельной частотой Fm. Обычно она определяется на основе энергетического критерия. Спектр ограничивается областью частот от 0 до Fm, в которой сосредоточена подавляющая часть энергии сигнала (80—95%). Такое ограничение спектра, естественно, приводит к искажению сигнала.
Относительная точность воспроизведения сигнала γ может быть определена из соотношения
где Р — энергия отброшенных высокочастотных составляющих сигнала; Рс — полная энергия сигнала.
Таким образом, восстановление ограниченного во времени сигнала по отсчетам, полученным по теореме Котельникова при условии принудительного ограничения спектра сигнала, возможно только приближенно. Ошибка возникает не только за счет принудительного ограничения спектра, но и за счет конечного числа отсчетов в интервале времени Т, которых в соответствии с теоремой Котельникова будет 2FcT. Эта составляющая является следствием пренебрежения вкладом бесконечного числа функций отсчета, соответствующих выборкам за пределами интервала Т (рис. 2.5). Погрешность восстановления исходной функции на интервале Т по ограниченному числу членов ряда Котельникова рассматривается, например, в [19].
Модель сигнала с ограниченным спектром имеет еще одно теоретическое неудобство. Она не может отображать основное свойство сигнала — способность нести информацию. Причина — возможность теоретического предсказания поведения функции с ограниченным спектром на всей оси времени, если она точно известна на сколь угодно малом отрезке времени.
Указанные принципиальные трудности устраняются, если рассматривать теорему Котельникова как приближенную для функций с неограниченным спектром.
Во-вторых, предполагаемая процедура восстановления вносит весьма существенную дополнительную погрешность. Она возникает потому, что невозможно обеспечить создание импульсов бесконечно малой длительности, как невозможно осуществить их передачу по реальным каналам связи. Кроме того, максимум выходного сигнала, соответствующего реакции идеального фильтра низких частот на дельта-импульс, запаздывает на время, равное бесконечности. За конечное время Т (рис. 2.5) каждая функция отсчета, а, следовательно, и их сумма, представляющая собой исходный непрерывный сигнал, будут сформированы лишь приближенно и тем грубее, чем меньше Т.
Суммарная погрешность, возникающая при приемлемой сложности средств технической реализации указанного способа передачи, делает его малопригодным для практического использования при восстановлении сигнала даже в случае отсутствия помех в канале связи.
Следует отметить, что в процессе преобразования сигнала в цифровую форму критерий Котельникова используется весьма широко.
§ 2.8. ДИСКРЕТИЗАЦИЯ ПО КРИТЕРИЮ НАИБОЛЬШЕГО ОТКЛОНЕНИЯ
В процессе дискретизации непрерывная функция u(t) имеющая (n+1) ограниченных производных, аппроксимируется многочленом n-й степени. В зависимости от выбранного способа восстановления он может быть интерполирующим или экстраполирующим. Задача обеспечения минимальной погрешности при восстановлении сигнала на практике не ставится. Обычно указывается ее допустимое значение ε0.
Погрешность восстановления u(t) функции u(t) многочленом u*(t) на каждом участке аппроксимации определяется остаточным членом Ln(t):
Следовательно, шаг дискретизации должен быть выбран из условия Ln(t)0.
Выбор аппроксимирующего многочлена более высокой степени при малой допустимой погрешности ε0 обеспечивает меньшее число отсчетов, однако, при этом существенно возрастает сложность технической реализации метода. Поэтому обычно ограничиваются многочленами нулевой, первой и второй степеней (ступенчатая, линейная и параболическая аппроксимации соответственно).
Преимущества и недостатки использования интерполирующих и экстраполирующих многочленов указывались ранее. В качестве интерполирующих чаще других используются многочлены Лагранжа, а в качестве экстраполирующих — многочлены Тейлора.
Дискретизация с использованием интерполирующих многочленов Лагранжа. Интерполирующий многочлен Лагранжа при равномерной дискретизации может быть записан в виде
где
Значение остаточного члена Ln(t)
где Mn+1 — максимальный во всем интервале преобразования модуль (n+1) - й производной сигнала u(t).
Пример 2.2. Определить шаг равномерной дискретизации на основе интерполирующих многочленов Лагранжа нулевой степени.
Значение восстанавливающей функции u*(t) в любой момент времени t на каждом j-м интервале tj-1tj, принимается равным отсчету u(tj) (рис. 2.6). Соотношение (2.27) позволяет получить выражение для остаточного члена:
Его максимальное значение пропорционально шагу дискретизации. Оно не должно превышать ε0. Отсюда условие, определяющее шаг дискретизации:
Если проводить восстановление сигнала u(t) по двум отсчетам, пользуясь функциями
то при том же шаге дискретизации погрешность восстановления уменьшится вдвое (рис 2.7).
Пример 2.3. Определим шаг равномерной дискретизации с помощью интерполирующих многочленов Лагранжа первой степени.
При восстановлении исходного сигнала u(t) на каждом интервале времени [tj-1, tj] используются два отсчета u(tj) и u(tj-1). Они соединяются прямой линией (рис.2.8) Максимальное значение для остаточного члена L найдем, приравняв нулю его производную.
откуда допустимый шаг дискретизации
Дискретизация с использованием экстраполирующих многочленов Тейлора. Экстраполирующий многочлен Тейлора определяется выражением:
где un(t0) — n-я производная сигнала U(t) в момент времени t0.
Пример 2.4. Определим шаг равномерной дискретизации на основе многочлена Тейлора нулевой степени.
Значение восстанавливающей функции u*(t) в любой момент времени t на каждом j-м интервале tj-1, принимается равным u(tj-1) (рис. 2.9).
Значение остаточного члена L достигает максимума в конце интервала (при t=tj):
поэтому шаг дискретизации должен удовлетворять условию
Пример 2.5. Определим шаг равномерной дискретизации с по мощью многочлена Тейлора первой степени.
При восстановлении сигнала u(t) помимо отсчета u(t0) используется значение первой производной в момент времени t0 - u'(to)
Максимум значения остаточного члена
достигается при t = tj, Соответственно получаем соотношение для шага дискретизации
Восстановление сигнала происходит без задержки во времени (рис 2.10) Однако по сравнению с интерполяционным методом (пример 2.3) для него требуется вдвое большее число отсчетов
§ 2.9. АДАПТИВНАЯ ДИСКРЕТИЗАЦИЯ
Если ранее рассмотренные методы и алгоритмы дискретизации были рассчитаны на все множество возможных реализаций сигнала и потому опирались на предельные значения его динамических характеристик, то при адаптивной дискретизации мы ориентируемся на динамические характеристики конкретной реализации, что позволяет получить минимальное число выборок, обеспечивающих восстановление этой реализации с заданной точностью
В основе принципа адаптивной дискретизации лежит непосредственное слежение за текущей погрешностью восстановления сигнала ε
Наиболее широкое применение на практике получили алгоритмы дискретизации с адаптацией по длине интервала аппроксимации. В процессе последовательного наращивания интервала аппроксимации производится сравнение сигнала u(t) с воспроизводящей функцией u*(t), формируемой с учетом текущих значений динамических характеристик сигнала. Когда погрешность воcпроизведения достигает заданного значения ε0, наращивание интервала прекращается и производится отсчет. Интервалы времени между отсчетами при этом оказываются произвольными.
В качестве воспроизводящих функций наиболее часто используются степенные алгебраические полиномы (2.5) нулевой и первой степеней. При этом возможны как интерполяционные, так и экстраполяционные способы адаптивной дискретизации Интерполяционные способы не нашли широкого применения, поскольку их реализация связана с запоминанием сигнала на интервале аппроксимации и выполнением большого числа вычислительных операций. Поэтому ограничимся рассмотрением примеров адаптивной дискретизации на основе экстраполяции
Пример 2.6. Провести адаптивную дискретизацию реализации сигнала u(t), изображенной на рис 2.11, с использованием аппроксимирующего многочлена типа (2.5) нулевой степени. Наибольшее допустимое отклонение равно 0.
На момент tj начала каждого интервала аппроксимирующий полином u*(t) принимаем равным u(tj) и вычисляем разность Δu(t)=u(t) - u*(tj), которую сравниваем с ε0. Установление равенства
соответствует моменту tj+1 окончания интервала и проведения очередного отсчета.
Результаты дискретизации отображены на том же рисунке.
Пример 2.7. Провести адаптивную дискретизацию реализации сигнала u(t) изображенного на рис 2.12 многочленом типа (2.5) первой степени. Наибольшее допустимое отклонение равно ε0.
На момент tj начала каждого интервала аппроксимации
где u'(tj) — производная сигнала u(t) в момент времени tj.
Результаты дискретизации приведены на том же рис.2.12.
При аппаратной реализации данного алгоритма следует иметь в виду, что вследствие наличия операции дифференцирования сигнала он неэффективен при наличии высокочастотных помех.
§ 2.10. КВАНТОВАНИЕ СИГНАЛОВ
Поскольку математической моделью непрерывного сигнала является случайный процесс U(t), мгновенное значение сигнала U = U(ti) представляет собой случайную величину. Диапазон ее изменения, называемый непрерывной шкалой мгновенных значений сигнала, ограничен значениями umin и umax, что отражает условие физической реализуемости сигнала. Непрерывную шкалу мгновенных значений un= umax – umin сигнала разбивают на n интервалов, называемых шагами квантования. Границами шагов квантования являются значения u0 = umin , u1 , ..., un-1 , un=umax. Из множества мгновенных значений, принадлежащих i-му шагу квантования (ui-1u<ui), только одно значение u'i является разрешенным (i-й уровень квантования). Любое другое из указанного множества значений округляется до u'i . Совокупность величин u'i(i=1, 2, ..., n) образует дискретную шкалу уровней квантования. Если эта шкала равномерна, т. е. разность значений u'i = u'i - u'i-1 постоянна на всем протяжении непрерывной шкалы мгновенных значений сигнала u, квантование называют равномерным. Если постоянство значений Δu'i не выдерживается — квантование неравномерное. Благодаря простоте технической реализации равномерное квантование получило наиболее широкое распространение.
В результате замены мгновенного значения сигнала U соответствующим уровнем квантования u'i возникает погрешность δi = u - u'i, которую называют ошибкой квантования. Эта погрешность является случайной величиной. Нас чаще всего интересует ее максимальное значение M = mах|i| и средне - квадратическое отклонение σ для всего диапазона изменения мгновенных значений сигнала. Используются также приведенные значения этих величин
С позиций минимизации наибольшей возможной ошибки квантования непрерывную шкалу мгновенных значений сигнала целесообразно разбить на n одинаковых шагов квантования Δ = (umax — umin)/n и уровни квантования разместить в середине каждого шага (рис 2.13) При этом максимальная ошибка квантования не превышает 0.5Δ. Если каждый уровень квантования выбран равным нижней (верхней) границе шага квантования, максимальная ошибка квантования возрастает до величины Δ.
Среднеквадратическое отклонение ошибки квантования для i-ro шага σi зависит не только от шага Δi и расположения в нем i-ro уровня квантования, но и от закона распределения мгновенных значений сигнала в пределах этого шага:
где р(u) — функция плотности вероятности мгновенных значений сигнала U.
Считая шаги квантования малыми по сравнению с диапазоном изменения сигнала, плотность р(u) в пределах каждого i-го шага можно принять постоянной и равной некоторому среднему значению, например р(u'i). При таких предположениях минимальная среднеквадратическая ошибка σi достигается при расположении уровня квантования в середине шага:
Преобразовав подкоренное выражение к виду
отмечаем, что дисперсия ошибки квантования на i-м шаге равна Δ2i/12 равномерно распределенного на этом шаге сигнала, умноженной на вероятность
р(u'i)i попадания мгновенного значения сигнала в пределы данного шага. Дисперсия полной ошибки квантования σ2 для всей непрерывной шкалы мгновенных значений сигнала определяется как математическое ожидание дисперсий Δ2i/12 на отдельных шагах квантования:
При одинаковых шагах квантования (Δi = Δ)
Так как принимаем
то
Таким образом, при квантовании с постоянным шагом и размещении уровней квантования в середине шага (равномерное квантование) среднеквадратическая ошибка квантования, как для равномерного, так и для произвольного распределения мгновенных значений сигнала одинакова:
Шум квантования. При квантовании сигнала по уровню случайный процесс заменяется ступенчатой зависимостью U'(t). Изменяющуюся во времени ошибку квантования (t), также представляющую собой случайный процесс, называют шумом квантования:
Сохраняя ранее введенные предположения (о малости шага квантования и равномерности распределения в нем мгновенных значений сигнала) и считая случайные процессы U(t) и (t) эргодическими, среднеквадратическую ошибку равномерного квантования σ можно определить по реализации δι(t) (рис. 2.14). В пределах каждого шага квантования Δ зависимость δι(t) заменяется прямой ttg1, где β — переменный угол наклона прямой. При размещении уровней квантования в середине каждого шага математическое ожидание ошибки квантования равно нулю, а ее среднеквадратическое значение определяется выражением
Так как
что соответствует ранее полученному значению [см. (2.44)].
При заданной допустимой среднеквадратической ошибке квантования и отсутствии помех число уровней квантования находим из соотношения
Однако при неравномерном законе распределения мгновенных значений сигнала квантование с постоянным шагом не является оптимальным по критерию минимума среднеквадратической ошибки σ. Квантуя участки с менее вероятными значениями сигнала с большим шагом, указанное значение среднеквадратической ошибки можно уменьшить.
Пример 2.8. Показать, что при квантовании сигнала u(t), имеющего плотность распределения значений р(u), с постоянным шагом Δ, значение которого много меньше диапазона изменения u(t), среднеквадратическая ошибка квантования σ достигает минимума при расположении уровня квантования в середине шага.
Дисперсия ошибки квантования в пределах i-го шага в соответствии с (2.38) может быть записана в виде
где u'i – i-й уровень квантования.
Приравнивая нулю производную этого выражения, находим условие минимума:
откуда
при одинаковых знаках имеем ui = ui-1, что соответствует случаю отсутствия квантования (Δ = 0). Приняв разные знаки, получаем
что и требовалось показать.
§ 2.11. КВАНТОВАНИЕ СИГНАЛОВ ПРИ НАЛИЧИИ ПОМЕХ
В реальных условиях на квантуемый сигнал всегда воздействует помеха. Поэтому целесообразно минимальный шаг квантования выбирать с учетом вероятностных характеристик этой помехи.
Предположим, что помеха аддитивна. Тогда мгновенное значение сигнала и, попадавшее ранее в i-й шаг квантования и сопоставлявшееся с уровнем квантования u'i, в результате действия помехи примет значение u + ξ и может быть поставлено в соответствии другому уровню квантования u'k. Такой исход приведет к искажению информации и вероятность его не должна превышать допустимого значения [24].
Обозначим через рi(k) условную вероятность сопоставления значения сигнала и уровню квантования и'k, вместо уровня u'i при условии, что u принадлежит i-му шагу квантования. При наличии помехи рi(k)>0, а рi(i)<1.
Полная вероятность того, что величина u + останется в пределах i-го шага квантования,
Вероятность pi можно найти также, используя плотность вероятности f(u, ξ) системы двух случайных величин u и ξ:
где S — область интегрирования.
Поскольку нами учитываются мгновенные значения сигнала, принадлежащие i-му шагу квантования, границами интегрирования по u являются значения ui и ui-1. Верхняя max и нижняя min границы интегрирования по ξ определяются из условия, что алгебраическая сумма сигнала и помехи не должны выйти за пределы i-го шага квантования:
откуда
Таким образом, область интегрирования представляет собой параллелограмм ABCD (рис. 2.15).
Считая помеху некоррелированной с сигналом, запишем
где р() — плотность распределения помехи.
Ограничимся далее случаем равномерного квантования сигнала, мгновенные значения которого в диапазоне от umin до umax распределены равномерно, т. е.
Методику определения pi(i) рассмотрим в предположении воздействия помехи, распределенной по закону равномерной плотности, а затем перейдем к практически более важному случаю воздействия помехи с нормальным законом распределения.
Итак,
где а/2 — амплитуда помехи, симметричной относительно мгновенного значения сигнала.
При указанных условиях результаты расчета инвариантны относительно шага квантования и зависят от соотношения а и Δ = Δi.
Определим pi(i) при α<Δ. Область интегрирования (рис. 2.16) разбиваем на отдельные участки и проставляем пределы интегрирования с учетом того, что знаменатель выражения (2.51) равен /(umax - umin). Тогда
Построив области интегрирования, тем же путем можно найти ρi(i) при Δ<a<2Δ и a>2Δ:
На рис. 2.17 представлен график ρi(i) = f(a/Δ), из которого, в частности, следует, что Δ нецелесообразно выбирать меньше а, поскольку при a/Δ>1 резко возрастает вероятность неправильного квантования сигнала.
Аналогично рассчитывают зависимость ρi(ί) = f(σп/Δ) (рис. 2.18) для случая воздействия на сигнал помехи, распределенной по нормальному закону:
где σп — среднеквадратическое отклонение помехи ξ.
Сравнение графиков на рис. 2.17 и 2.18 показывает, что по вероятности правильного квантования ρi(i) воздействие помехи с нормальным законом распределения эквивалентно воздействию равномерно распределенной помехи при соотношении a = 3σп.
§ 2.12. ГЕОМЕТРИЧЕСКАЯ ФОРМА ПРЕДСТАВЛЕНИЯ СИГНАЛОВ
В соответствии с обобщенной теорией сигналов при выбранной совокупности ортонормированных функций k(IkN) сигнал u(t) на ограниченном интервале времени Т полностью определяется совокупностью безразмерных коэффициентов C1, ..., Ck, ..., CN. Эти коэффициенты можно рассматривать как координаты точки в геометрическом пространстве с N взаимно перпендикулярными осями, обозначенными как ψ1, ..., k, ..., ψN. Такое многомерное пространство принято называть пространством сигналов.
Если каждое из совокупности чисел C1, ..., Ck, ..., СN умножить на орт соответствующей оси, то получим координаты вектора сигнала u(t) в N-мерном векторном евклидовом пространстве сигналов. При этом длина l (норма u) вектора, проведенного из начала координат к точке, изображающей сигнал,
Расстояние d между двумя точками пространства с координатами C1, ..., Ck, …, CN и C1, ..., Ck, ..., CN определяем по формуле:
При геометрическом представлении непрерывного сигнала uc(t) с ограниченным спектром Fc на интервале времени Tс в качестве координат сигнала используется совокупность N = 2FcTc отсчетов, получаемых в соответствии с теоремой Котельникова. Число измерений пространства обычно оказывается очень большим [34].
Если сигнал имеет размерность напряжения (или тока), то квадрат длины вектора определяет удельную энергию сигнала (выделяющуюся на резисторе с сопротивлением в 1 Ом).
Выразим ее через отсчеты функции uc(t):
Обозначим 2Fct = z. При этом dz = 2Fcdt. Раскрывая подынтегральное выражение в правой части равенства и принимая во внимание, что при k l
а
получим
или
где Рc — средняя мощность сигнала.
Так как uc (kt) мы приняли за координаты сигнала, то в соответствии с (2.55) левая часть выражения (2.57) представляет собой квадрат длины вектора сигнала, поэтому
Отметим, что при одной и той же средней мощности сигнала удаленность конца соответствующего ему вектора от начала координат тем больше, чем больше его длительность и ширина спектра.
Рассмотрим, как будет изменяться положение конца вектора передаваемого сигнала в результате воздействия на него в канале связи аддитивной помехи в виде «белого шума» с ограниченным спектром.
Помеха геометрически представляется в виде случайного вектора, координатами которого являются случайные величины. Он не занимает определенного положения в пространстве, но при известном распределении координат помехи может быть подсчитана вероятность попадания конца вектора помехи в заданный объем пространства.
Если воздействие помехи выражается в изменении значений отсчетов сигнала, то координатами случайного вектора являются значения помехи в те же моменты времени. Принимая длительность помехи и ширину ее спектра равными соответственно Тс и Fc, помехи можно отобразить в том же N-мерном пространстве сигналов.
На практике и в теории наиболее часто мы имеем дело с помехой u(t), распределенной по нормальному закону с нулевым средним значением. Будем считать, что этот закон одинаков для всех моментов отсчета. Тогда все направления вектора помехи равновероятны. При этом область наиболее вероятного нахождения конца вектора помехи оказывается N-мерной сферой, радиус которой в соответствии с (2.58)
где Ρ — средняя мощность помехи за время Тc.
Если сигнал и помеха некоррелированы, вектор помехи располагается преимущественно перпендикулярно вектору сигнала. На рис. 2.19 расположение указанных векторов условно изображено в трехмерном пространстве. Конец результирующего вектора с высокой вероятностью располагается в одной из точек окружности, лежащей в плоскости, перпендикулярной вектору сигнала uc(t). Длина результирующего вектора
Таким образом, в результате действия помехи появляется неопределенность в положении результирующего вектора. Так как распределение помехи, как правило, не ограничено, то его конец может оказаться в любой точке пространства. При определенной средней мощности передачи совокупность вектора передаваемых сигналов (код) выбирают, исходя из характера помехи и требуемой верности. В пространстве сигналов каждому указанному вектору отводится собственная область пространства такая, чтобы вероятность попадания конца вектора за пределы этой области была меньше заданной.
Аналогично геометрическому отображению дискретно-непрерывных сигналов в евклидовом пространстве непрерывные сигналы u(t) представляются в гильбертовом пространстве. Оно имеет бесконечное число измерений и может отображать все непрерывные функции времени, заданные на определенном интервале [0,T]. Длину lг вектора (норма) в этом пространстве находят по формуле
Для расстояния между векторами u(t) и (t) соответственно имеем
Помехи, как и ранее, представляют случайными векторами.
Для геометрического отображения чисто дискретных сигналов, получающихся путем дискретизации и квантования по уровню, используются дискретные линейные векторные пространства. Размерность пространства соответствует числу отсчетов. Координаты сигнала принимают конечное число различных значений, кратных величине кванта Δ. Поэтому концы векторов сигналов располагаются в вершинах правильной точечной решетки. Частным случаем такой решетки является, например, N-мерный единичный куб, позволяющий представить совокупность комбинаций двоичного кода в пространстве Хэмминга, о чем подробнее сказано в гл. 6 (см.§ 6.3).
При прохождении по каналу связи сигналы подвергаются преобразованиям (дискретизации, модуляции и т.п.). Поэтому используются представления сигналов в различных пространствах (пространстве сообщений, пространстве передаваемых сигналов, пространстве модулированных сигналов, пространстве принимаемых сигналов).
Преобразования сигналов при этом рассматриваются как отображение одних векторных пространств другими.
Геометрические представления сигналов имеют весьма существенное значение при решении задач теории информации. Они позволяют наглядно изобразить процессы воздействия помехи на передаваемый сигнал, способствуют анализу путей устранения последствий такого воздействия, облегчают формирование и запоминание простых фундаментальных соотношений между основными параметрами сигнала и канала.
1. В чем сущность процессов дискретизации и квантования?
2. Охарактеризуйте преимущества дискретной и цифровой передач информации.
3. Сформулируйте общую постановку задачи дискретизации.
4. Каковы основные методы получения координат сигнала?
5. Сравните интерполяционные и экстраполяционные способы восстановления сигнала.
6. Что понимают под среднеквадратическим критерием восстановления сигнала?
7. Сформулируйте теорему Котельникова.
8. Поясните физически возможность замены непрерывной функции с ограниченным спектром совокупностью отсчетов.
9. Каковы теоретические неудобства использования функции с ограниченным спектром в качестве модели сигнала?
10. В чем трудности технической реализации способа передачи непрерывных сигналов, основанного на теореме Котельникова?
11. Какова процедура равномерной дискретизации по критерию наибольшего отклонения?
12. Укажите преимущества и недостатки адаптивной дискретизации.
13. Запишите выражение для среднеквадратической ошибки равномерного квантования.
14. Что такое шум квантования?
15. Как рассчитать шаг квантования сигнала при наличии помехи?
16. Какие совокупности координат сигнала используются при его геометрическом представлении?
17. Запишите соотношения для определения расстояния между концами векторов, отображающих сигналы в евклидовом и гильбертовом пространствах.
18. Какова практическая значимость геометрического представления сигналов?
§ 3.1. ЭНТРОПИЯ КАК МЕРА НЕОПРЕДЕЛЕННОСТИ ВЫБОРА
Ранее отмечалось, что факт получения информации всегда связан с уменьшением разнообразия или неопределенности. В данной главе ставятся задачи установления количественных мер неопределенности и информации и выяснения их основных свойств.
Начнем рассмотрение с источника информации, который может в каждый момент времени случайным образом принять одно из конечного множества возможных состояний. Такой источник называют дискретным источником информации. При этом принято говорить, что различные состояния реализуются вследствие выбора их источником. Каждому состоянию источника и ставится в соответствие условное обозначение в виде знака (в частности, буквы) из алфавита данного источника: u1, u2, ..., uN.
Для получения результата выбора источником и конкретного состояния можно высказать ряд предположений, базирующихся на априорных сведениях об источнике информации. Поскольку одни состояния выбираются источником чаще, а другие реже, то в общем случае он характеризуется ансамблем U, т. е. полной совокупностью состояний с вероятностями их появления, составляющими в сумме единицу:
причем
Обе формы записи используются в дальнейшем на равных основаниях.
Опираясь на эти сведения, введем сначала меру неопределенности выбора состояния источника. Ее можно рассматривать и как меру количества информации, получаемой при полном устранении неопределенности относительно состояния источника. Мера должна удовлетворять ряду естественных условий. Одним из них является необходимость монотонного возрастания с увеличением возможностей выбора, т. е. числа возможных состояний источника N, причем недопустимые состояния (состояния с вероятностями, равными нулю) не должны учитываться, так как они не меняют неопределенности.
Ограничиваясь только этим условием, за меру неопределенности можно было бы взять число состояний, предположив, что они равновероятны. Однако такая мера противоречит некоторым интуитивным представлениям. Например, при N=1, когда неопределенность отсутствует, она давала бы значение, равное единице. Кроме того, такая мера не отвечает требованию аддитивности, состоящему в следующем.
Если два независимых источника с числом равновероятных состояний N и Μ рассматривать как один источник, одновременно реализующий пары состояний nimj, то естественно предположить, что неопределенность объединенного источника должна равняться сумме неопределенностей исходных источников. Поскольку общее число состояний объединенного источника равно ΝΜ, то искомая функция должна удовлетворять условию
Соотношение (3.2) выполняется, если в качестве меры неопределенности источника с равновероятными состояниями и характеризующего его ансамбля U принять логарифм числа состояний:
Тогда при Ν= 1 H(U) = 0 и требование аддитивности выполняется.
Указанная мера была предложена американским ученым Р. Хартли [31] в 1928г. Основание логарифма не имеет принципиального значения и определяет только масштаб или единицу неопределенности. Так как современная информационная техника базируется на элементах, имеющих два устойчивых состояния, то обычно выбирают основание логарифма равным двум. При этом единица неопределенности называется двоичной единицей или битом и представляет собой неопределенность выбора из двух равновероятных событий (bit — сокращение от англ. binary digit — двоичная единица). Если основание логарифма выбрать равным десяти, то неопределенность получим в десятичных единицах на одно состояние (битах).
Пример 3.1. Определить минимальное число взвешиваний, которое необходимо произвести на равноплечих весах, чтобы среди 27 внешне неотличимых монет найти одну фальшивую, более легкую.
Общая неопределенность ансамбля U в соответствии с (3.3) составляет
Одно взвешивание способно прояснить неопределенность ансамбля U', насчитывающего три возможных исхода (левая чаша весов легче, правая чаша весов легче, весы находятся в равновесии) Эта неопределенность
Так как
для определения фальшивой монеты достаточно произвести три взвешивания.
Алгоритм определения фальшивой монеты следующий. При первом взвешивании на каждую чашку весов кладется по девять монет Фальшивая монета будет либо среди тех девяти монет, которые оказались легче, либо среди тех, которые не взвешивались, если имело место равновесие Аналогично, после второго взвешивания число монет, среди которых находится фальшивая, сократится до трех Последнее, третье, взвешивание дает возможность точно указать фальшивую монету
Предложенная мера, как мы убедились, позволяет решать определенные практические задачи. Однако она не получила широкого применения, поскольку была рассчитана на слишком грубую модель источника информации, приписывающую всем его возможным состояниям одинаковую вероятность.
Таким образом, степень неопределенности реализации состояния источника информации зависит не только от числа состояний, но и от вероятностей этих состояний. При неравновероятных состояниях свобода выбора источника ограничивается, что должно приводить к уменьшению неопределенности. Если источник информации имеет, например, два возможных состояния с вероятностями 0,99 и 0,01, то неопределенность выбора у него значительно меньше, чем у источника, имеющего два равновероятных состояния. Действительно, в первом случае результат практически предрешен (реализация состояния, вероятность которого равна 0,99), а во втором случае неопределенность максимальна, поскольку никакого обоснованного предположения о результате выбора сделать нельзя. Ясно также, что весьма малое изменение вероятностей состояний вызывает соответственно незначительное изменение неопределенности выбора.
Это позволяет сформулировать следующее требование к искомой мере неопределенности Н(р1 ... рi ... рN): она должна быть непрерывной функцией вероятностей состояний источника р1 ... pi ... рN с соблюдением условия I = 1. Наибольшее ее значение должно достигаться ι= 1 при равенстве вероятностей всех состояний.
Кроме того, так как мера неопределенности связывается нами только с фактом выбора, а не с множеством конкретных значений наблюдаемых явлений, то Н(р1 … ρN) должна быть функцией от функции распределения случайной величины и не должна зависеть от ее конкретных значений. Иначе говоря, Η(ρ1...ρN) должна являться функционалом распределения вероятностей.
Еще одно условие состоит в том, что мера неопределенности не должна зависеть от пути выбора состояния в ансамбле. Выбор может быть как непосредственным, так и многоступенчатым. В последнем случае неопределенность выбора состояния складывается из неопределенности выбора группы состояний и неопределенностей выбора состояния в каждой группе, рассчитанных с учетом вероятности выбора данной группы:
где q1, q2 и q3, q4 — вероятности состояний, образующих соответственно группы Ν—1 и Ν, причем ρN-1 = q1 + q2 и pN-1 = q3 + q4.
Мера неопределенности выбора дискретным источником состояния из ансамбля U, удовлетворяющая указанным условиям, была предложена американским ученым К. Шенноном [36]. Ее называют энтропией дискретного источника информации или энтропией конечного ансамбля:
где С — произвольное положительное число.
К. Шенноном высказано утверждение, а советским ученым Л. Я- Хинчиным математически строго доказано, что это единственный функционал, удовлетворяющий сформулированным условиям.
Если снова ориентироваться на измерение неопределенности в двоичных единицах, то основание логарифма следует принять равным двум. Примем также С= 1. Из (3.5)
Предложенная мера была названа энтропией не случайно. Дело в том, что формальная структура выражения (3.5) совпадает с энтропией физической системы, определенной ранее Больцманом. Согласно второму закону термодинамики энтропия H замкнутого пространства определяется выражением
где Mn — число молекул в данном пространстве; mi — число молекул, обладающих скоростью I + .
Так как mi/Мп есть вероятность того, что молекула имеет скорость i + Δ, то (3.7) можем записать в виде
Совпадение имеет глубокий физический смысл, так как в обоих случаях величина H характеризует степень разнообразия состояний системы.
Рассмотрим взаимосвязь меры К. Шеннона с мерой Хартли. Если в источнике может быть реализовано N равновероятных состояний, то вероятность каждого из них равна рi = (1/N)(1i N) и неопределенность, по Хартли, приходящаяся на каждое состояние, выражается числом
Будем теперь считать вероятности событий различными, а неопределенность, приходящуюся на одно конкретное состояние источника, характеризовать по аналогии величиной
Эта частная неопределенность представляет собой случайную величину, зависящую от того, какое состояние источника в действительности реализуется. Усреднив по всему ансамблю U состояний источника, найдем неопределенность, приходящуюся в среднем на одно состояние:
Следовательно, мера К. Шеннона является естественным обобщением меры Хартли на случай ансамбля с неравновероятными состояниями. Она позволяет учесть статистические свойства источника информации.
Пример 3.2. Сравнить неопределенность, приходящуюся на букву источника информации u (алфавита русского языка), характеризуемого ансамблем, представленным в табл. 3.1, с неопределенностью, которая была бы у того же источника при равновероятном использовании букв.
Таблица 3.1
При одинаковых вероятностях появления всех 32 букв алфавита неопределенность, приходящаяся на одну букву, составляет
Энтропию источника, характеризуемого заданным ансамблем (табл. 3.1), находим, используя формулу (3.6):
Таким образом, неравномерность распределения вероятностей использования букв снижает энтропию источника с 5 до 4.42 дв. ед.
§ 3.2 СВОЙСТВА ЭНТРОПИИ
Рассмотрим основные свойства энтропии, обратив внимание на то, что сформулированные условия для меры неопределенности выполняются.
1. Энтропия является вещественной и неотрицательной величиной, так как для любого i(1) рi изменяется в интервале от 0 до 1, log pi отрицателен и, следовательно, — pi log pi положительна.
2. Энтропия — величина ограниченная. Для слагаемых - pi log pi в диапазоне 0<рi1 ограниченность очевидна. Остается определить предел, к которому стремится слагаемое — pi log pi, при рi—>0, поскольку — log pi при этом неограниченно возрастает:
Обозначив = 1/рi и воспользовавшись правилом Лопиталя, получим
3. Энтропия обращается в нуль лишь в том случае, если вероятность одного из состояний равна единице; тогда вероятности всех остальных состояний, естественно, равны нулю. Это положение соответствует случаю, когда состояние источника полностью определено.
4. Энтропия максимальна, когда все состояния источника равновероятны, что легко доказывается методом неопределенных множителей Лагранжа [23]:
5. Энтропия источника и с двумя состояниями u1 и u2 изменяется от нуля до единицы, достигая максимума при равенстве их вероятностей:
График зависимости H(U) в функции ρ
приведен на рис. 3.1. При ρ « (1- р)частная неопределенность, приходящаяся на состояние u1, велика, однако такие состояния источника весьма редки. Состояния u2 реализуются часто, но неопределенность, приходящаяся на такое состояние, очень мала. Поэтому энтропия, характеризующая среднюю неопределенность на одно состояние ансамбля, также мала. Аналогичная ситуация наблюдается при р » (1—р)·
Отметим, что энтропия непрерывно зависит от вероятностей отдельных состояний, что непосредственно вытекает из непрерывности функции - p log p.
6. Энтропия объединения нескольких статистически независимых источников информации равна сумме энтропии исходных источников.
Не теряя общности, ограничимся рассмотрением объединения, включающего два источника информации u и . Под объединением двух источников u и понимают обобщенный источник информации (u,), характеризующийся вероятностями p(uii) всех возможных комбинаций состояний ui, источника u и i, источника . Аналогично трактуется и объединение ансамблей.
В соответствии с определением энтропия объединения
здесь p(uii) — вероятности совместной реализации состояний
В случае статистической независимости источников информации u и υ запишем
тогда
Учитывая, что
получим
Соответственно для энтропии объединения нескольких независимых источников u, , z имеем
В дальнейшем для придания общности получаемым результатам о неопределенности выбора будем говорить в основном применительно к математическим моделям источников информации в виде ансамблей.
7. Энтропия характеризует среднюю неопределенность выбора одного состояния из ансамбля. При ее определении используют только вероятности состояний, полностью игнорируя их содержательную сторону. Поэтому энтропия не может служить средством решения любых задач, связанных с неопределенностью. Например, при использовании этой меры для оценки неопределенности действия лекарства, приводящего к полному выздоровлению больных в 90 % случаев и улучшению самочувствия в остальных 10 % случаев, она получится такой же, как и у лекарства, вызывающего в 90 % случаев смерть, а в 10 % — ухудшение состояния больных.
8. Энтропия как мера неопределенности согласуется с экспериментальными данными, полученными при изучении психологических реакций человека, в частности реакции выбора. Установлено, что время безошибочной реакции на последовательность беспорядочно чередующихся равновероятных раздражителей (например, загорающихся лампочек) растет с увеличением их числа так же, как энтропия. Это время характеризует неопределенность выбора одного раздражителя.
Замена равновероятных раздражителей неравновероятными приводит к снижению среднего времени реакции ровно настолько, насколько уменьшается энтропия.
Пример 3.3. Заданы ансамбли U и V двух дискретных случайных величин U' и V:
Сравнить их энтропии.
Так как энтропия не зависит от конкретных значений случайной величины, а вероятности их появления у обеих величин одинаковы, то
§ 3.3. УСЛОВНАЯ ЭНТРОПИЯ И ЕЕ СВОЙСТВА
При оценке неопределенности выбора часто необходимо учитывать статистические связи, которые в большинстве случаев имеют место как между состояниями двух или нескольких источников, объединенных в рамках одной системы, так и между состояниями, последовательно выбираемыми одним источником.
Определим энтропию объединения двух статистически связанных ансамблей U и V. Объединение ансамблей характеризуется матрицей p(UV) вероятностей р(uii) всех возможных комбинаций состояний ui(1 i N) ансамбля U и состояний j(1 j k) ансамбля V:
Суммируя столбцы и строки матрицы (3.14), получим информацию об ансамблях U и V исходных источников u и :
Вероятности р(uii) совместной реализации взаимозависимых состояний и, и ν·, можно выразить через условные вероятности р(ui/i) или p(j/ui) в соответствии с тем, какие состояния принять за причину, а какие — за следствие:
где p(ui/j) — вероятность реализации состояний ui ансамбля U при условии, что реализовалось состояние j ансамбля V; P(j/ui) — вероятность реализации состояния j ансамбля V при условии, что реализовалось состояние ui ансамбля U. Тогда выражение (3.11) для энтропии объединения принимает вид
Сумма
представляет собой случайную величину, характеризующую неопределенность, приходящуюся на одно состояние ансамбля V при условии, что реализовалось конкретное состояние ui ансамбля U.
Назовем ее частной условной энтропией ансамбля V и обозначим Hui(V):
При усреднении по всем состояниям ансамбля U получаем среднюю неопределенность, приходящуюся на одно состояние ансамбля V при известных состояниях ансамбля U:
или
Величину НU(V) называют полной условной или просто условной энтропией ансамбля V по отношению к ансамблю U.
Подставляя (3.19) в (3.16), получаем
Выражая в (3.11) p(uij) через другую условную вероятность в соответствии с (3.15), найдем
где
и
Таким образом, энтропия объединения двух статистически связанных ансамблей U и V равна безусловной энтропии одного ансамбля плюс условная энтропия другого относительно первого.
Распространяя правило (3.19) на объединение любого числа зависимых ансамблей, получим
Покажем теперь, что в объединении ансамблей условная энтропия любого ансамбля всегда меньше или равна безусловной энтропии того же ансамбля.
Для объединения двух ансамблей U и V данное утверждение принимает вид соотношений
Из (3.20) и (3.25) следует, что объединение двух произвольных ансамблей удовлетворяет соотношению
Для объединения нескольких произвольных ансамблей соответственно имеем
Действительно, наличие сведений о результатах реализации состояний одного ансамбля никак не может увеличить неопределенность выбора состояния из другого ансамбля. Эта неопределенность может только уменьшиться, если существует взаимосвязь в реализациях состояний из обоих ансамблей.
В случае отсутствия статистической связи в реализациях состояний ui, из ансамбля U и υj из ансамбля V сведения о результатах выбора состояний из одного ансамбля не снижают неопределенности выбора состояний из другого ансамбля, что находит отражение в равенствах
Если имеет место однозначная связь в реализациях состояний ui(1 i N) из ансамбля U и j(1 j N) из ансамбля V, то условная энтропия любого из ансамблей равна нулю:
Действительно, условные вероятности р(ui/j) и P(j/ui) в этом случае принимают значения, равные нулю или единице. Поэтому все слагаемые, входящие в выражения (3.17) и (3.23) для частных условных энтропии, равны нулю. Тогда в соответствии с (3.18) и (3.22) условные энтропии также равны нулю.
Равенства (3.30) отражают факт отсутствия дополнительной неопределенности при выборе событий из второго ансамбля.
Уяснению соотношений между рассмотренными энтропиями дискретных источников информации (ансамблей) способствует их графическое отображение (рис. 3.2).
Пример 3.4. Определить энтропии Н(U), H(V), Η(U), H(UV), если задана матрица вероятностей состояний системы, объединяющей источники u и :
Вычисляем безусловные вероятности состояний каждой системы как суммы совместных вероятностей по строкам и столбцам заданной матрицы:
Определяем условные вероятности
Пример 3.5. Известны энтропии двух зависимых источников: H(U) = 5 дв. ед., H(V) = 10 дв. ед. Определить, в каких пределах будет изменяться условная энтропия Ηυ(V) при изменении HV(U) в максимально возможных пределах.
При решении удобно использовать графическое отображение связи между этропиями. Из рис. 3.3. видим, что максимального значения Hu(V) достигает при от
сутствии взаимосвязи и будет равно H(V), т.е. 10 дв. ед. По мере увеличения взаимосвязи Нu(V) будет уменьшаться до значения H(V) — H(U) = 5 дв. ед. При этом HV(U) = 0.
§ 3.4. ЭНТРОПИЯ НЕПРЕРЫВНОГО ИСТОЧНИКА ИНФОРМАЦИИ (ДИФФЕРЕНЦИАЛЬНАЯ ЭНТРОПИЯ)
В предыдущих параграфах была рассмотрена мера неопределенности выбора для дискретного источника информации. На практике мы в основном встречаемся с источниками информации, множество возможных состояний которых составляет континуум. Такие источники называют непрерывными источниками информации.
Во многих случаях они преобразуются в дискретные посредством использования устройств дискретизации и квантования. Вместе с тем существует немало и таких систем, в которых информация передается и преобразуется непосредственно в форме непрерывных сигналов. Примерами могут служить системы телефонной связи и телевидения.
Оценка неопределенности выбора для непрерывного источника информации имеет определенную специфику. Во-первых, значения, реализуемые источником, математически отображаются непрерывной случайной величиной. Во-вторых, вероятности значений этой случайной величины не могут использоваться для оценки неопределенности, поскольку в данном случае вероятность любого конкретного значения равна нулю.
Естественно, однако, связывать неопределенность выбора значения непрерывной случайной величины с плотностью распределения вероятностей этих значений. Учитывая, что для совокупности значений, относящихся к любому сколь угодно малому интервалу непрерывной случайной величины, вероятность конечна, попытаемся найти формулу для энтропии непрерывного источника информации, используя операции квантования и последующего предельного перехода при уменьшении кванта до нуля.
С этой целью разобьем диапазон изменения непрерывной случайной величины U, характеризующейся плотностью распределения вероятностей р(u), на конечное число n малых интервалов шириной Δu (рис. 3.4). При реализации любого значения u, принадлежащего интервалу (), будем считать, что реализовалось значение дискретной случайной величины U. Поскольку Δu мало, вероятность реализации значения u из интервала :
Тогда энтропия дискретной случайной величины Ữ может быть записана в виде:
или
Так как
то
По мере уменьшения Δu все больше приближается к вероятности , равной нулю, а свойства дискретной величины Ữ — к свойствам непрерывной случайной величины U.
Переходя к пределу при Δu→0, получаем следующее выражение для энтропии H(U) непрерывного источника:
или
Эта величина при Δu→0 стремится к бесконечности, что полностью соответствует интуитивному представлению о том, что неопределенность выбора из бесконечно большого числа возможных состояний (значений) бесконечно велика.
Первый член в правой части соотношения (3.31) имеет конечное значение, которое зависит только от закона распределения непрерывной случайной величины U и не зависит от шага квантования Δu. Он имеет точно такую же структуру, как энтропия дискретного источника.
Второй член того же соотношения, наоборот, зависит лишь от шага квантования случайной величины U. Именно в нем кроется причина того, что величина H(U) обращается в бесконечность.
К использованию и трактовке соотношения (3.31) для получения конечной характеристики информационных свойств непрерывного источника известны два подхода.
Один подход состоит в том, что в качестве меры неопределенности непрерывного источника принимают первый член соотношения (3.31):
Поскольку для определения этой величины используется только функция плотности вероятности, т. е. дифференциальный закон распределения, она получила название относительной дифференциальной энтропии или просто дифференциальной энтропии непрерывного источника информации (непрерывного распределения случайной величины U).
Ее можно трактовать как среднюю неопределенность выбора случайной величины U с произвольным законом распределения по сравнению со средней неопределенностью выбора случайной величины U', изменяющейся в диапазоне, равном единице, и имеющей равномерное распределение.
Действительно, запишем соотношение (3.31) для случайной величины U', равномерно распределенной в интервале δ:
При δ=1
откуда при Δu=Δu'
Аналогично, используя операции квантования и предельного перехода, найдем выражение для условной энтропии непрерывного источника информации:
Отметим, что второй член в первой части выражения (3.33) идентичен соответствующему члену в соотношении (3.31). Обозначим первый член правой части выражения (3.33) через h(U):
Эта величина конечна и называется относительной дифференциальной условной энтропией или просто дифференциальной условной энтропией непрерывного источника. Она характеризует неопределенность выбора непрерывной случайной величины U при условии, что известны результаты реализации значений другой статистически связанной с ней непрерывной случайной величины V, и по сравнению со средней неопределенностью выбора случайной величины U', изменяющейся в диапазоне, равном единице, и имеющей равномерное распределение вероятностей.
При втором подходе к использованию соотношения (3.31) для количественного определения информационных свойств непрерывного источника информации предлагается принять во внимание практическую невозможность обеспечения бесконечно высокой точности различения определенных значений непрерывной величины U. Поэтому все бесконечное число значений U в пределах заданной точности измерений следует рассматривать как одно значение.
Из средней неопределенности выбора источником u некоторого значения в этом случае необходимо вычесть среднюю неопределенность того же источника, полученную при условии, что мы знаем результаты определения U с некоторой определенной точностью ε. Тогда информационные свойства непрерывного источника будут оцениваться разностью безусловной и условной энтропий, определяемых соотношениями (3.31) и (3.33) соответственно. Такая разность, как будет показано в § 3.5, является мерой снятой неопределенности, называемой количеством информации.
Таким образом, при втором подходе безусловная и условная энтропии непрерывного источника рассматриваются лишь как некоторые вспомогательные величины, с помощью которых можно определить количество информации. Соотношение между понятиями энтропии и количества информации для непрерывного источника информации подобно соотношению между потенциалом, определенным с привлечением понятия бесконечности, и напряжением, определенным как разность потенциалов.
Поскольку вторые члены в правых частях соотношений (3.31) и (3.33) одинаковы, разность безусловной и условной энтропий непрерывного источника информации равна разности дифференциальных безусловной и условной энтропий того же источника, причем относительность их уже несущественна, так как разность не зависит от стандарта, с которым они сравнивались.
§ 3.5. СВОЙСТВА ДИФФЕРЕНЦИАЛЬНОЙ ЭНТРОПИИ
1. Дифференциальная энтропия в отличие от энтропии дискретного источника является относительной мерой неопределенности. Ее значение зависит от масштаба случайной величины U, а следовательно, и от выбора единицы ее измерения.
Изменим масштаб случайной величины U, например, в k раз, оставив неизменным масштаб равномерно распределенной в единичном интервале случайной величины U', принятой за эталон. Если то .
Тогда
Если одновременно изменить масштаб величины U', то относительная неопределенность также изменится, так как значение эталона будет уже иным.
Из относительности дифференциальной энтропии следует, что энтропия может принимать положительные, отрицательные и нулевые значения.
2. Дифференциальная энтропия не зависит от конкретных значений случайной величины U и, в частности, от изменения всех ее значений на постоянное. Действительно, масштаб U при этом не меняется и справедливо равенство
3. Какие же непрерывные распределения обладают максимальной дифференциальной энтропией?
а. Если единственным ограничением для случайной величины U является область ее возможных значений [α, β], то максимальной дифференциальной энтропией обладает равномерное распределение вероятностей в этой области.
При доказательстве решается задача определения плотности распределения р(u), обеспечивающей максимальное значение функционала
при ограничении
Используя, например, метод неопределенных множителей Лагранжа, получим
Нетрудно убедиться в том, что найденная функция р(u) обеспечивает максимум функционала h(U), причем
б. Если ограничения на область значений непрерывной случайной величины U отсутствуют, но известно, что дисперсия ее ограничена, то максимальной дифференциальной энтропией обладает нормальное распределение величины U.
При доказательстве решается задача определения функции р(u), обеспечивающей максимальное значение функционала
при ограничениях
где σ — среднеквадратическое отклонение от математического ожидания Ū =0 (σ — заданное ограничение).
Искомую плотность распределения р(u) находят, например, методом неопределенных множителей Лагранжа.
Она оказывается гауссовской:
Вычислив функционал (3.40) для этого распределения, получим значение максимальной дифференциальной энтропии . В двоичных единицах неопределенности
Поскольку в информационных системах сигнал, описываемый случайной величиной U, часто представляет собой электрическое напряжение (или ток), дисперсия U пропорциональна средней мощности сигнала. Тогда в соответствии с (3.41) можно утверждать, что при заданной мощности наибольшей средней неопределенностью выбора будет обладать источник, генерирующий сигналы, амплитуды которых распределены по нормальному закону.
4. Соотношения для дифференциальной энтропии объединения статистически зависимых непрерывных источников аналогичны соответствующим формулам для дискретных источников:
где
Справедливость соотношения (3.43) легко проверить подстановкой выражения (3.32), заданного для h(V), и выражения (3.34) —для .
Так как
то
причем равенство имеет место только в случае отсутствия статистической связи между U и V.
Пример 3.6. Определить, насколько мы выиграем в мощности, используя для организации мешающего воздействия, характеризующегося энтропией, источник шума с гауссовской плотностью распределения по сравнению с источником, имеющим в интервале [α, β] равномерную плотность распределения.
В соответствии с (3.42) дифференциальная энтропия гауссовского распределения
где σ — дисперсия, характеризующая мощность, выделяемую на резисторе с сопротивлением в 1 Ом.
Для равномерного распределения энтропия определена соотношением (3.39):
Вычислим дисперсию σ равномерного на интервале [α, β] распределения:
Из условия обеспечения равенства энтропий следует
Возведя (3.46) в квадрат и подставив в (3.44), получим
Следовательно, искомый выигрыш составляет 42 %.
§ 3.6. КОЛИЧЕСТВО ИНФОРМАЦИИ КАК МЕРА СНЯТОЙ НЕОПРЕДЕЛЕННОСТИ
Передача информации инициируется либо самим источником информации, либо осуществляется по запросу. Она диктуется желанием устранить неопределенность относительно последовательности состояний, реализуемых некоторым источником информации. Обычно запрос обусловлен отсутствием возможности наблюдать состояния источника непосредственно. Поэтому абонент обращается к информационной системе, которая извлекает интересующую его информацию из источника посредством некоторого первичного преобразователя и направляет ее по каналу связи абоненту.
Информация проявляется всегда в форме сигналов. Сигналы z, поступающие с выхода первичного преобразователя источника информации на вход канала связи, принято называть сообщениями в отличие от сигнала u, формирующихся на входе линии связи. В зависимости от формы создаваемых сообщений различают источники дискретных и непрерывных сообщений.
Отдельные первичные сигналы с выхода источника дискретных сообщений называют элементами сообщения. Каждому элементу сообщения соответствует определенное состояние источника информации. В случае параллельной реализации источником информации множества состояний, как это имеет место, например, в документах с печатным текстом, первичный преобразователь, в частности, обеспечивает их последовательное отображение элементами сообщения. Таким преобразователем может быть как автоматическое читающее устройство, так и человек.
Основное понятие теории информации — количество информации — рассматривается в данном параграфе применительно к передаче отдельных статистически несвязанных элементов сообщения. Дискретный источник сообщений при этом полностью характеризуется ансамблем
а непрерывный — одномерной плотностью распределения случайной величины — z— ρ(z). Особенности определения количества информации при передаче сообщений изложены в § 4.2.
Передача информации от дискретного источника. Выясним, насколько будет изменяться неопределенность относительно состояния источника сообщения при получении адресатом элемента сообщения с выхода канала связи. Алфавиты передаваемых и принимаемых элементов сообщения считаем идентичными.
Вследствие воздействия помех полученный элемент сообщения в общем случае отличается от переданного. Подчеркнем это различие. Обозначив принимаемые элементы сообщения другими буквами: .
Априорная неопределенность (неопределенность до получения элемента сообщения) относительно состояния источника не является полной. Предполагается, что адресату известен алфавит элементов сообщения, а из прошлого опыта он знает вероятности их появления. Считая, что состояния источника реализуются независимо, априорная частная неопределенность появления элемента сообщения
где — априорная вероятность появления элемента сообщения .
Предполагаются также известными некоторые сведения относительно помехи в канале связи. Обычно считают, что между элементами сообщения и помехой статистические связи отсутствуют, искажения отдельных элементов сообщения являются событиями независимыми и адресату известна совокупность условных вероятностей того, что вместо элемента сообщения , будет принят элемент сообщения .
При получении конкретного элемента сообщения , адресату становится известным значение условной вероятности , называемой апостериорной (послеопытной) вероятностью реализации источником элемента сообщения . Это позволяет найти апостериорную частную неопределенность, остающуюся у адресата относительно выдачи источников элемента сообщения после получения конкретного элемента сообщения :
Поскольку получение информации мы связываем с уменьшением неопределенности, естественно определить частное количество информации , получаемое при приеме элемента сообщения относительно некоторого реализованного источником элемента сообщения как разность частных неопределенностей, имевшихся у адресата до и после получения элемента сообщения (априорной и апостериорной):
Анализ формулы (3.47) позволяет сделать следующие заключения:
1) частное количество информации растет с уменьшением априорной и увеличением апостериорной вероятностей реализации элемента сообщения источником, что находится в полном соответствии с нашими интуитивными представлениями;
2) частное количество информации об элементе сообщения может быть не только положительным, но и отрицательным, а также нулем, что зависит от соотношения априорной и апостериорной вероятностей. Если вероятность того, что источником был реализован элемент сообщения увеличилась после приема элемента сообщения , т. е. >, то полученное частное количество информации положительно. Если эта вероятность не изменилась, т. е. =, то имевшая место неопределенность тоже не изменилась и частное количество информации равно нулю.
Наконец, случай < соответствует увеличению неопределенности относительно реализации после получения элемента сообщения , и, следовательно, частное количество информации отрицательно;
3) в случае отсутствия помехи апостериорная вероятность = 1. При этом частное количество информации численно совпадает с частной априорной неопределенностью реализации данного элемента сообщения :
Это максимальное частное количество информации, которое можно получить об элементе сообщения ;
4) частное количество информации относительно реализации источником элемента сообщения , содержащееся в принятом элементе сообщения , равно частному количеству информации относительно , содержащемуся в элементе сообщения :
Хотя имеют место случаи, где важно оценить частное количество информации , для задач анализа и оптимизации функционирования информационных систем более рациональны усредненные характеристики, отражающие статистические свойства источника информации и канала связи.
Найдем среднее количество информации, содержащееся в любом принятом элементе сообщения относительно переданного (реализованного) источником. До получения конкретного элемента сообщения средняя неопределенность, имеющаяся у адресата, относительно реализации источником любого элемента сообщения равна энтропии источника. Ее называют априорной энтропией источника.
Средняя неопределенность относительно любого состояния источника, остающаяся у адресата после получения конкретного элемента сообщения , характеризуется частной условной энтропией :
Это случайная величина, зависящая от того, какой конкретно элемент сообщения принят.
Средняя неопределенность по всему ансамблю принимаемых элементов сообщений равна условной энтропии источника :
или
Эту условную энтропию называют апостериорной энтропией источника информации.
Таким образом, при наличии помех среднее количество информации, содержащееся в каждом принятом элементе сообщения, относительно любого переданного равно разности априорной и апостериорной энтропии источника:
Представив априорную и апостериорную энтропии соответственно выражениями (3.6) и (3.50) и проведя несложные преобразования, получим формулу для количества информации непосредственно через вероятности:
Если частный характер количества информации специально не оговаривается, мы всегда имеем дело с количеством информации, приходящимся в среднем на один элемент сообщения. Поэтому указание об усреднении опускается.
Передача информации от непрерывного источника. Количество информации, получаемой от непрерывного источника по каналу с помехами, определяется так же, как в случае, рассмотренном выше, но с использованием понятия дифференциальной энтропии.
Для источника, имеющего непрерывное множество состояний, среднее количество информации, содержащееся в каждом принятом значении случайной величины относительно переданного значения случайной величины Ζ, можно получить как разность априорной и апостериорной дифференциальных энтропий:
Соотношение (3.53) несложно выразить в виде, подобном (3.52):
Относительность дифференциальных энтропий в этом случае не принимается во внимание, поскольку количество информации не зависит от выбранного стандарта сравнения.
Основные свойства количества информации. 1. Несмотря на то, что частное количество информации может быть величиной отрицательной, количество информации неотрицательно.
Действительно, согласно выражению
Тогда
2. При отсутствии статистической связи между случайными величинами Ζ и W
следовательно, в этом случае
(принятые элементы сообщения не несут никакой информации относительно переданных).
3. Количество информации в W относительно Ζ равно количеству информации в Ζ относительно W.
Для доказательства этого утверждения воспользуемся выражением
Аналогично можно записать
Так как
то
откуда
4. При взаимно однозначном соответствии между множествами передаваемых и принимаемых элементов сообщений, что имеет место в отсутствии помехи, апостериорная энтропия равна нулю и количество информации численно совпадает с энтропией источника:
Это максимальное количество информации о состоянии дискретного источника. Для непрерывного источника оно равно бесконечности.
Пример 3.7. Выстрел из орудия не поражает цель с вероятностью р. Через какое число выстрелов следует поинтересоваться у разведчика-корректировщика, уничтожена ли цель, чтобы в результате ответа получить максимальное количество информации?
Ансамбль интересующих нас событий включает: — цель поражена; — цель не поражена. Вероятность того, что цель не поражена после k выстрелов, равна . Вероятность противоположного события (1—). Поскольку после ответа корректировщика неопределенность устраняется полностью, количество информации равно энтропии, а она максимальна при равновероятности событий. Следовательно,
откуда
Пример 3.8. Определить среднее количество информации, получаемое при передаче элемента сообщения по каналу, описанному матрицей совместных вероятностей передачи и приема элементов сообщения
Безусловные вероятности посылаемых z и принимаемых w элементов сообщения определены при рассмотрении примера 3 4. Там же получены значения для априорной H(Z) и апостериорной энтропий.
В соответствии с (3.51)
§ 3.7. ЭПСИЛОН-ЭНТРОПИЯ СЛУЧАЙНОЙ ВЕЛИЧИНЫ
Ранее было показано, что неопределенность реализации непрерывным источником информации состояния в конкретный момент времени (отсчета) равна бесконечности. Тем более равна бесконечности неопределенность реализации непрерывным источником конкретного сигнала длительности Т.
Однако такой результат получен в предположении возможности фиксировать любые сколь угодно малые различия между реализациями. На практике такая возможность отсутствует. Это объясняется тем, что воспринимающие информацию датчики, включая человека, обладают ограниченной чувствительностью и конечной разрешающей способностью, а также тем, что процесс восприятия сопровождается помехами.
Если учесть, что нас интересует приближенное восприятие реализации, то количество информации, приходящееся на отсчет или на единицу времени, можно вычислить.
Ограничимся рассмотрением простейшего случая, когда отдельные состояния источника информации представляют собой независимые реализации случайной величины U. (Эпсилон - энтропия случайного процесса рассмотрена в § 4.4.)
Ансамбль реализаций случайной величины U описывается плотностью распределения вероятностей р(u). О значениях случайной величины U можно судить по значениям другой случайной величины Ζ, если мера их различия не превышает заданной верности воспроизведения. В этом случае говорят, что Ζ воспроизводит U.
Для количественной оценки степени сходства сигналов целесообразно ввести какую-либо функцию ρ(z, u), имеющую природу «расстояния». Тогда удобным критерием верности V(Z, U) является среднее значение функции p(z, u), взятое по всему множеству значений z и u:
где ρ(z, u) — плотность совместного распределения вероятностей величин Ζ и U.
Наиболее широко используется среднеквадратический критерий, при котором ρ(z, u) представляет собой квадрат обычного евклидова расстояния между точками в соответствующем пространстве (см. § 2.12).
Требование к верности в данном случае задается с использованием критерия V(ZU):
где — условная плотность распределения — функция правдоподобия того, что конкретный сигнал u будет воспроизведен как сигнал z; ε — заданное значение верности.
Так как плотность р(u) определена, то для выполнения условия (3.60) варьировать можно только условной плотностью распределения .
Если случайная величина Ζ воспроизводит случайную величину U с некоторой верностью ε, то количество информации, содержащееся в воспроизводящей величине Ζ относительно U, конечно и в соответствии с (3.54) может быть записано в форме
где
- плотность воспроизводящей величины Ζ.
Желательно обеспечить заданную верность воспроизведения при минимальном количестве получаемой информации. Поэтому среди множества функций , удовлетворяющих условию (3.60), целесообразно выбрать такую, которая обеспечивает наименьшее I(ZU) [10, 35].
Минимальное количество информации в одной случайной величине Ζ относительно другой U, при котором удовлетворяется заданное требование к верности воспроизведения величины U, называется ε-энтропией величины U и обозначается :
при
Используя безусловную и условную дифференциальные энтропии величины U, выражение (3.63) можно представить в виде
где — условная плотность вероятности того, что в тех случаях, когда был принят сигнал z, передавался сигнал u.
Пример 3.9. Найти источника информации, ансамбль состояний которого описывается нормально распределенной случайной величиной U с дисперсией при верности воспроизведения .
Будем считать, что заданная верность воспроизведения обусловлена действием аддитивной статистически не связанной с сигналом помехой Ξ, причем Μ [Ξ] =0 и Μ[Ξ] = ε. Передаваемый сигнал u рассматриваем как сумму воспроизводящего сигнала z и помехи u=z+.
Так как в данном случае в выражении (3.64) полностью определяется помехой
то
где h(Ξ) — дифференциальная энтропия помехи; ρ(ξ) — плотность распределения помехи Ξ.
Ранее [см. (3.41)] нами установлено, что при ограничении на дисперсию случайной величины максимальной дифференциальной энтропией обладает нормальное распределение. Поэтому в соответствии с (3.42) получаем
откуда
Так как σ определяет среднюю мощность Р сигнала, а ε — среднюю мощность ρ помехи Ξ, то выражение (3.65) характеризует зависимость эпсилон - энтропии от величины , называемой отношением сигнал/помеха.
При заданном отношении сигнал/помеха значение H(U) для нормально распределенной случайной величины является максимально возможным.
Для произвольно распределенной случайной величины U при том же критерии верности и малых ε [когда H(U) велико] справедливо приближенное равенство
1. В чем сущность требования аддитивности к мере неопределенности выбора?
2. Назовите основной недостаток меры неопределенности, предложенной Хартли.
3. В каких единицах измеряется неопределенность выбора?
4. Какие требования предъявляются к мере неопределенности выбора из дискретного ансамбля?
5. Охарактеризуйте сущность понятия энтропии.
6. Изложите основные свойства энтропии дискретного ансамбля.
7. Запишите выражение для условной энтропии и поясните ее смысл.
8. Как определить энтропию нескольких взаимозависимых ансамблей?
9. Какова особенность определения энтропии непрерывного источника информации?
10. Дайте определение дифференциальной энтропии и сформулируйте ее основные свойства.
11. Какие распределения обладают максимальной дифференциальной энтропией:
а) при ограничении на диапазон изменения случайной величины?
б) при ограничении на дисперсию случайной величины?
12. Как связаны между собой понятия количества информации и энтропии?
13. Чем различаются понятия частного и среднего количества информации?
14. Сформулируйте основные свойства количества информации.
15. Запишите выражения для определения количества информации при неполной достоверности передачи:
а) от дискретного источника;
б) от непрерывного источника.
16. В чем сущность эпсилон - энтропии случайной величины?
17. Охарактеризуйте среднеквадратический критерий верности воспроизведения.
18. Покажите, что при среднеквадратическом критерии верности воспроизведения эпсилон - энтропия максимальна для нормально распределенной случайной величины с ограниченной дисперсией.
ГЛАВА 4. ИНФОРМАЦИОННЫЕ ХАРАКТЕРИСТИКИ ИСТОЧНИКА СООБЩЕНИЙ И КАНАЛА СВЯЗИ
§ 4.1. ОСНОВНЫЕ ПОНЯТИЯ И ОПРЕДЕЛЕНИЯ
Опираясь на формализованное описание сигналов и введенную меру количества информации, рассмотрим информационные характеристики источников сообщений и каналов связи, позволяющие установить пути повышения эффективности систем передачи информации, и, в частности, определить условия, при которых можно достигнуть максимальной скорости передачи сообщений по каналу связи как в отсутствие, так и при наличии помех.
Источники сообщений и каналы связи в системах передачи отличаются большим разнообразием по своей структуре и физической природе. Используются механические, акустические, оптические, электрические и радиоканалы. Для выяснения общих закономерностей необходимо абстрагироваться от их конкретного физического воплощения и оперировать формализованными понятиями источника сообщения и канала связи.
Источник дискретных сообщений формирует дискретные последовательности из ограниченного числа элементарных сообщений. На выходе источника непрерывных сообщений образуются непрерывные сообщения. Источник сообщений в теории информации полностью определяется статистическими данными о формируемых им сообщениях.
Под каналом связи подразумевают совокупность устройств и физических сред, обеспечивающих передачу сообщений из одного места в другое (или от одного момента времени до другого). Если канал используется для передачи дискретных сообщений, он называется дискретным каналом. Непрерывным будем называть канал, предназначенный для передачи непрерывных сообщений.
Так как в процессе передачи дискретных сообщений модулятором в соответствии с поступающей последовательностью символов осуществляется изменение информативного параметра непрерывного (чаще всего высокочастотного) сигнала, генерируемого передатчиком в линию связи, то часть дискретного канала от выхода модулятора до входа демодулятора (рис. 4.1) является непрерывным каналом связи. Включив в состав этого канала на передающей стороне модулятор, а на приемной — демодулятор, получим дискретный канал, характеризуемый на входе множеством символов u, а на выходе — множеством символов υ.
Для достижения определенных целей в указанный дискретный канал могут быть введены кодирующие и декодирующие устройства. При этом получаем дискретный канал связи, на вход которого поступают сообщения z, а выходом являются сообщения w, направляемые адресату. Отметим, что непрерывные сообщения z(t) путем дискретизации и квантования всегда можно преобразовать в дискретные и, таким образом, перейти от непрерывного канала к дискретному.
Если вредным действием помех в канале можно пренебречь, то для анализа используется модель в виде идеализированного канала, называемого каналом без помех. В идеальном канале каждому сообщению на входе однозначно соответствует определенное сообщение на выходе и наоборот.
Когда требования к достоверности велики и пренебрежение неоднозначностью связи между сообщениями z и w недопустимо, используется более сложная модель — канал с помехами.
Канал считается заданным, если известны статистические данные о сообщениях на его входе и выходе и ограничения, накладываемые на входные сообщения физическими характеристиками канала. Канал прямой передачи (от источника сообщений к их получателю), дополненный обратным каналом, например, для запроса повторной передачи в случае обнаружения ошибки, называют каналом с обратной связью.
§ 4.2. ИНФОРМАЦИОННЫЕ ХАРАКТЕРИСТИКИ ИСТОЧНИКА ДИСКРЕТНЫХ СООБЩЕНИЙ
Модели источника дискретных сообщений. В гл. 3 речь шла о средней неопределенности и среднем количестве информации, приходящимся на одно состояние источника сообщений. Математической моделью множества возможных реализаций источника была дискретная или непрерывная случайная величина.
На практике, однако, нас чаще всего интересует не одно конкретное состояние источника, а дискретные или непрерывные последовательности состояний, реализуемых источником за длительный промежуток времени, например телеграммы, видеосюжеты и т. п. Для описания таких сообщений используются математические модели в виде дискретных и непрерывных случайных процессов.
Для построения модели необходимо знать объем l алфавита знаков (), из которых источником формируются сообщения, и вероятности создания им отдельных знаков с учетом возможной взаимосвязи между ними.
При доказательстве основных положений теории информации Шенноном использовалась модель, называемая эргодическим источником сообщений. Предполагается, что создаваемые им сообщения математически можно представить в виде эргодической случайной последовательности. Такая последовательность, как известно, удовлетворяет условиям стационарности и эргодичности. Первое означает, что вероятности отдельных знаков и их сочетаний не зависят от расположения последних по длине сообщения. Из второго следует, что статистические закономерности, полученные при исследовании одного достаточно длинного сообщения с вероятностью, близкой к единице, справедливы для всех сообщений, создаваемых источником. Из статистических характеристик в данном случае нас интересует средняя неопределенность в расчете на один знак последовательности.
Стационарный источник сообщений, выбирающий каждый знак формируемой последовательности независимо от других знаков, всегда является эргодическим. Его также называют источником без памяти.
На практике, однако, чаще встречаются источники, у которых вероятность выбора одного знака сообщения зависит от того, какие знаки были выбраны источником до этого (источники с памятью). Поскольку такая связь, как правило, распространяется на ограниченное число предыдущих знаков, для описания функциони-рования источника целесообразно использовать цепи Маркова.
Цепь Маркова порядка n характеризует последовательность событий, вероятности которых зависят от того, какие n событий предшествовали данному. Эти n конкретных событий определяют состояние источника, в котором он находится при выдаче очередного знака. При объеме алфавита знаков l число R различных состояний источника не превышает . Обозначим эти состояния через , а вероятности выбора в состоянии знака — через . При определении вероятности естественно предположить, что к моменту выдачи источником очередного знака известны все знаки, созданные им ранее, а следовательно, и то, в каком состоянии находится источник.
Если источник находится в состоянии , его частная энтропия H() определяется соотношением
Усредняя случайную величину H() по всем возможным состояниям q = , получаем энтропию источника сообщений:
где p() — вероятность того, что источник сообщений находится в состоянии .
Величина H(Z) характеризует неопределенность, приходящуюся в среднем на один знак, выдаваемый источником сообщений.
Определим энтропию источника сообщений для нескольких частных случаев.
Если статистические связи между знаками полностью отсутствуют, то после выбора источником знака , его состояние не меняется (R = 1). Следовательно, p()= 1, и для энтропии источника сообщений справедливо выражение:
Когда корреляционные связи наблюдаются только между двумя знаками (простая цепь Маркова), максимальное число различных состояний источника равно объему алфавита. Следовательно, R= l и = , где q = . При этом выражение (4.2) принимает вид
При наличии корреляционной связи между тремя знаками состояния источника определяются двумя предшествующими знаками. Поэтому для произвольного состояния источника , удобно дать обозначение с двумя индексами , где k= и h= .
Тогда
Подставляя эти значения в (4.2), находим
Аналогично можно получить выражения для энтропии источника сообщений и при более протяженной корреляционной связи между знаками.
Пример 4.1. Определить, является ли эргодическим стационарный дискретный источник сообщений, алфавит которого состоит из четырех знаков и , причем безусловные вероятности выбора знаков одинаковы [], a условные вероятности заданы табл 4.1.
Таблица 4.1.
Анализ табл. 4.1 показывает, что источник имеет два режима работы. С вероятностью, равной ¾, первым будет выбран один из знаков или и источник начнет формировать последовательность с равновероятным появлением знаков. Если же первым будет выбран знак (вероятность такого случая равна ), то генерируется последовательность, содержащая только знаки .
Усреднение по ансамблю предполагает наличие множества однотипных источников, примерно три четверти из которых будет работать в первом режиме, а остальные — во втором. При этом в соответствии с (4.3) энтропия источника
Среднее по последовательности (времени) вычисляется с использованием конкретной последовательности и поэтому зависит от режима функционирования источника. В первом режиме неопределенность, приходящаяся на один знак достаточно длинной последовательности (энтропия последовательности), равна 1,586 дв. ед., а во втором — нулю.
Поскольку энтропии формируемых последовательностей не совпадают с энтропией источника, он не является эргодическим.
Отметим, однако, что любой стационарный источник сообщений может быть представлен совокупностью нескольких эргодических источников, различающихся режимами работы [22].
Свойства эргодических последовательностей знаков. Характер последовательностей, формируемых реальным источником сообщений, зависит от существующих ограничений на выбор знаков. Они выражаются в том, что вероятности реализации знаков различны и между ними существуют корреляционные связи. Эти ограничения приводят к тому, что вероятности формируемых последовательностей существенно различаются.
Пусть, например, эргодический источник без памяти последовательно выдает знаки в соответствии с вероятностями 0,1; 0,3; 0,6. Тогда в образованной им достаточно длинной последовательности знаков мы ожидаем встретить в среднем на один знак три знака и шесть знаков . Однако при ограниченном числе знаков в последовательности существуют вероятности того, что она будет содержать;
только знаки (либо , либо );
только знаки и один знак или ;
только знаки и один знак или ;
только знаки и один знак или ;
только знаки и два знака или и т. д.
С увеличением числа знаков вероятности появления таких последовательностей уменьшаются.
Фундаментальные свойства длинных последовательностей знаков, создаваемых эргодическим источником сообщений, отражает следующая теорема: как бы ни малы были два числа δ>0 и μ>0 при достаточно большом Ν, все последовательности могут быть разбиты на две группы.
Одну группу составляет подавляющее большинство последовательностей, каждая из которых имеет настолько ничтожную вероятность, что даже суммарная вероятность всех таких последовательностей очень мала и при достаточно большом N будет меньше сколь угодно малого числа δ. Эти последовательности называют нетипичными.
Вторая группа включает типичные последовательности, которые при достаточно большом N отличаются тем, что вероятности их появления практически одинаковы, причем вероятность ρ любой такой последовательности удовлетворяет неравенству
где Η(Ζ) — энтропия источника сообщений.
Соотношение (4.5) называют также свойством асимптотической равномерности длинных последовательностей. Рассмотрим его подробнее.
Поскольку при N→ ∞ источник сообщений с вероятностью, сколь угодно близкой к единице, выдает только типичные последовательности, принимаемое во внимание число последовательностей равно 1/р. Неопределенность создания каждой такой последовательности с учетом их равновероятности составляет log(l/p). Тогда величина log(l/p)/N представляет собой неопределенность, приходящуюся в среднем на один знак. Конечно, эта величина практически не должна отличаться от энтропии источника, что и констатируется соотношением (4.5).
Ограничимся доказательством теоремы для простейшего случая эргодического источника без памяти. Оно непосредственно вытекает из закона больших чисел, в соответствии с которым в длинной последовательности из N элементов алфавита l (), имеющих вероятности появления , содержится Np элементов , Np элементов и т. д.
Тогда вероятность ρ реализации любой типичной последовательности близка к величине
Логарифмируя правую и левую части выражения (4.6), получаем
откуда (при очень больших Ν)
Для общего случая теорема доказывается с привлечением цепей Маркова.
Покажем теперь, что за исключением случая равновероятного и независимого выбора букв источником, когда нетипичные последовательности отсутствуют, типичные последовательности при достаточно большом N составляют незначительную долю от общего числа возможных последовательностей.
При объеме алфавита источника l и количестве знаков в последовательности N число всех возможных последовательностей
Принимая во внимание соотношение (4.5), число типичных последовательностей n можно записать в виде
Тогда
Так как
то
и неравенство усиливается с увеличением N.
К. Шеннон показал, что рассмотренные свойства длинных последовательностей могут служить основанием для осуществления эффективного кодирования информации (см. § 5.4).
Пример 4.2. Оценить, какую долю общего числа возможных последовательностей следует учитывать в практических расчетах, если эргодический источник характеризуется параметрами l = 16, Η(Ζ) = 3,5 дв.ед , а N = 50.
В соответствии с (4.7) и (4.8) имеем
откуда
Следовательно, к типичным последовательностям относится только одна тридцатимиллионная доля всех возможных реализаций!
Избыточность. Следствием ограничений на выбор источником знаков является также недоиспользование их как переносчиков информации. Известная априорная информация о вероятностях выбора отдельных знаков и их сочетаний приводит к уменьшению средней неопределенности выбора источником знака, а следовательно, и переносимого им количества информации. При равновероятном и некоррелированном выборе ту же информационную нагрузку на знак можно обеспечить, используя алфавит меньшего объема. В связи с этим говорят об избыточности алфавита l источника сообщений или просто об избыточности источника.
Мерой избыточности служит величина D, показывающая, насколько хорошо используются знаки данного источника:
где (Z) — максимально возможная энтропия, равная log l; H(Ζ) — энтропия источника.
Если избыточность источника равна нулю, то формируемые им сообщения оптимальны в смысле наибольшего количества переносимой информации. Для передачи определенного количества информации I при отсутствии помех в этом случае необходимо k =I/[ (Z)] знаков.
Поскольку энтропия сообщений, формируемых реальным источником, обладающим избыточностью, меньше максимальной, то для передачи того же количества информации I знаков требуется больше, а именно: = I/H(Z)
> k. Поэтому говорят также об избыточности знаков в сообщении или просто об избыточности сообщения, характеризуя ее тем же параметром D:
Избыточность нельзя рассматривать как признак несовершенства источника сообщений. Обычно она является следствием его физических свойств. Ограничения, существующие в любом естественном языке, связаны, например, с особенностями артикуляции, не позволяющими формировать слова, состоящие из произвольных сочетаний букв.
Последствия от наличия избыточности сообщений неоднозначны. С одной стороны, избыточные сообщения требуют дополнительных затрат на передачу, например, увеличения длительности передач или расширения практической ширины спектра канала связи, что нежелательно. С другой стороны, при использовании сообщений, подчиняющихся априорно известным ограничениям, появляется возможность обнаружения и исправления ошибок, которые приводят к нарушению этих ограничений. Следовательно, наличие избыточности способствует повышению помехоустойчивости сообщений. Высокая избыточность большинства естественных языков обеспечивает, например, надежное общение людей даже при наличии у них акцентов и дефектов речи.
Однако при обмене информацией в автоматических системах естественная избыточность подлежит устранению. Это объясняется тем, что алгоритмы обнаружения и исправления ошибок, базирующихся на статистических закономерностях функционирования источника, оказываются слишком сложными для реализации их техническими средствами. В случае необходимости для повышения помехоустойчивости затем вводится «рациональная» избыточность, позволяющая обеспечить обнаружение и исправление наиболее вероятных и опасных по последствиям ошибок простыми техническими средствами. При низком уровне помех в канале связи устранение избыточности приводит к увеличению скорости передачи информации и может дать значительный экономический эффект.
Пример 4.3. Определить возможный эффект от устранения избыточности при передаче текста на русском языке.
Максимальная энтропия текста на русском языке (с учетом пренебрежения при передаче различиями в буквах е и ё, ъ и ь) установлена ранее (см. пример 3.3) и равна 5 дв. ед. Там же определена энтропия с учетом неравномерного распределения вероятностей появления отдельных букв (4,42 дв. ед.). Имея сведения о переходных вероятностях и исходя из предположения, что текст представляет собой простую цепь Маркова, можно установить, что энтропия уменьшается до 3,52 дв. ед. Учет всех ограничений в языке, включая связи между словами, позволяет оценить минимальную величину энтропии значением 1,5 дв. ед. Таким образом, избыточность русского языка составляет
Это означает, что каналы связи, построенные без учета ограничений, существующих в языке, и способные передавать равновероятные буквы, следующие друг за другом в любых сочетаниях, при передаче информации без помех текстом на русском языке используется всего на 30 %. Полное устранение избыточности позволило бы повысить эффективность их использования более чем в 3 раза!
Производительность источника дискретных сообщений. Под производительностью источника сообщений подразумевают количество информации, вырабатываемое источником в единицу времени Эту характеристику источника называют также скоростью создания сообщений или потоком входной информации. Поскольку возможное воздействие помех на источник сообщений принято учитывать эквивалентным изменением характеристик модели канала связи, то производительность источника сообщений равна энтропии источника, приходящейся на единицу времени.
Длительность выдачи знаков источником в каждом из состояний в общем случае может быть различной. Обозначим длительность выдачи знака , формируемого источником в состоянии S, через τ. Тогда средняя длительность выдачи источником одного знака
Производительность источника Ī(z) теперь можно выразить формулой
Как следует из (4.10), повышение производительности источника возможно не только за счет увеличения энтропии, но и за счет снижения средней длительности формирования знака. Длительность знаков желательно выбирать обратно пропорциональными вероятностям их появления.
Если длительность выдачи знака не зависит от состояния источника, для всех знаков одинакова и равна τ, то τ= τ. Выражение для Ī(Z) принимает вид
Наибольшая производительность источника в этом случае достигается при максимальной энтропии.
§ 4.3 ИНФОРМАЦИОННЫЕ ХАРАКТЕРИСТИКИ ДИСКРЕТНЫХ КАНАЛОВ СВЯЗИ
Модели дискретных каналов. Дискретным каналом называют совокупность средств, предназначенных для передачи дискретных сигналов. Такие каналы широко используются, например, при передаче данных, в телеграфии, радиолокации.
Дискретные сообщения, состоящие из последовательности знаков алфавита источника сообщений (первичного алфавита) , преобразуются в кодирующем устройстве в последовательности символов. Объем m алфавита символов (вторичного алфавита) , как правило, меньше объема l алфавита знаков, но они могут и совпадать.
Материальным воплощением символа является элементарный сигнал, получаемый в процессе манипуляции — дискретного изменения определенного параметра переносчика информации. Элементарные сигналы формируются с учетом физических ограничений, накладываемых конкретной линией связи. В результате манипуляции каждой последовательности символов ставится в соответствие сложный сигнал. Множество сложных сигналов конечно. Они различаются числом, составом и взаимным расположением элементарных сигналов.
Термины «элементарный сигнал» и «символ», так же как «сложный сигнал» и «последовательность символов», в дальнейшем будут использоваться как синонимы.
Информационная модель канала с помехами задается множеством символов на его входе и выходе и описанием вероятностных свойств передачи отдельных символов. В общем случае канал может иметь множество состояний и переходить из одного состояния в другое как с течением времени, так и в зависимости от последовательности передаваемых символов.
В каждом состоянии канал характеризуется матрицей условных вероятностей ρ() того, что переданный символ ui будет воспринят на выходе как символ νj. Значения вероятностей в реальных каналах зависят от многих различных факторов: свойств сигналов, являющихся физическими носителями символов (энергия, вид модуляции и т.д.), характера и интенсивности воздействующих на канал помех, способа определения сигнала на приемной стороне.
При наличии зависимости переходных вероятностей канала от времени, что характерно практически для всех реальных каналов, он называется нестационарным каналом связи. Если эта зависимость несущественна, используется модель в виде стационарного канала, переходные вероятности которого не зависят от времени. Нестационарный канал может быть представлен рядом стационарных каналов, соответствующих различным интервалам времени.
Канал называется с «памятью» (с последействием), если переходные вероятности в данном состоянии канала зависят от его предыдущих состояний. Если переходные вероятности постоянны, т.е. канал имеет только одно состояние, он называется стационарным каналом без памяти. Под k-ичным каналом подразумевается канал связи, у которого число различных символов на входе и выходе одинаково и равно k.
Стационарный дискретный двоичный канал без памяти однозначно определяется четырьмя условными вероятностями: р(0/0), р(1/0), р(0/1), р(1/1). Такую модель канала принято изображать в виде графа, представленного на рис. 4.2, где р(0/0) и р(1/1) — вероятности неискаженной передачи символов, а р(0/1) и р(1/0) — вероятности искажения (трансформация) символов 0 и 1 соответственно.
Если вероятности искажения символов можно принять равными, т. е.то такой канал называют двоичным симметричным каналом [при р(0/1) р(1/0) канал называется несимметричным]. Символы на его выходе правильно принимают с вероятностью ρ и неправильно — с вероятностью 1—p = q. Математическая модель упрощается.
Именно этот канал исследовался наиболее интенсивно не столько в силу своей практической значимости (многие реальные каналы описываются им весьма приближенно), сколько в силу простоты математического описания.
Важнейшие результаты, полученные для двоичного симметрического канала, распространены на более широкие классы каналов.
Следует отметить еще одну модель канала, которая в последнее время приобретает все большее значение. Это дискретный канал со стиранием. Для него характерно, что алфавит выходных символов отличается от алфавита входных символов. На входе, как и ранее, символы 0 и 1, а на выходе канала фиксируются состояния, при которых сигнал с равным основанием может быть отнесен как к единице, так и к нулю. На месте такого символа не ставится ни нуль, ни единица: состояние отмечается дополнительным символом стирания S. При декодировании значительно легче исправить такие символы, чем ошибочно определенные.
На рис. 4 3 приведены модели стирающего канала при отсутствии (рис. 4.3, а) и при наличии (рис. 4.3, 6) трансформации символов.
Скорость передачи информации по дискретному каналу. Характеризуя дискретный канал связи, используют два понятия скорости передачи: технической и информационной.
Под технической скоростью передачи VT, называемой также скоростью манипуляции, подразумевают число элементарных сигналов (символов), передаваемых по каналу в единицу времени. Она зависит от свойств линии связи и быстродействия аппаратуры канала.
С учетом возможных различий в длительностях символов скорость
где — среднее значение длительности символа.
При одинаковой продолжительности τ всех передаваемых символов = τ.
Единицей измерения технической скорости служит бод — скорость, при которой за одну секунду передается один символ.
Информационная скорость, или скорость передачи информации, определяется средним количеством информации, которое передается по каналу в единицу времени. Она зависит как от характеристик данного канала связи, таких, как объем алфавита используемых символов, техническая скорость их передачи, статистические свойства помех в линии, так и от вероятностей поступающих на вход символов и их статистической взаимосвязи.
При известной скорости манипуляции VT скорость передачи информации по каналу Ī(V,U) задается соотношением
где I(V,U) — среднее количество информации, переносимое одним символом.
Пропускная способность дискретного канала без помех. Для теории и практики важно выяснить, до какого предела и каким путем можно повысить скорость передачи информации по конкретному каналу связи. Предельные возможности канала по передаче информации характеризуются его пропускной способностью.
Пропускная способность канала Сд равна той максимальной скорости передачи информации по данному каналу, которой можно достигнуть при самых совершенных способах передачи и приема:
При заданном алфавите символов и фиксированных основных характеристиках канала (например, полосе частот, средней и пиковой мощности передатчика) остальные характеристики должны быть выбраны такими, чтобы обеспечить наибольшую скорость передачи по нему элементарных сигналов, т. е. обеспечить максимальное значение VТ. Максимум среднего количества информации, приходящейся на один символ принятого сигнала I(V,U), определяется на множестве распределений вероятностей между символами .
Пропускная способность канала, как и скорость передачи информации по каналу, измеряется числом двоичных единиц информации в секунду (дв. ед./с).
Так как в отсутствие помех имеет место взаимно-однозначное соответствие между множеством символов {ν} на выходе канала и {u} на его входе, то I(V,U) = =I(U,V) = H(U). Максимум возможного количества информации на символ равен log m, где m — объем алфавита символов, откуда пропускная способность дискретного канала без помех
Следовательно, для увеличения скорости передачи информации по дискретному каналу без помех и приближения ее к пропускной способности канала последовательность букв сообщения должна подвергнуться такому преобразованию в кодере, при котором различные символы в его выходной последовательности появлялись бы по возможности равновероятно, а статистические связи между ними отсутствовали бы. Доказано (см. § 5.4), что это выполнимо для любой эргодической последовательности букв, если кодирование осуществлять блоками такой длины, при которой справедлива теорема об их асимптотической равновероятности.
Расширение объема алфавита символов m приводит к повышению пропускной способности канала (рис. 4.4), однако возрастает и сложность технической реализации.
Пропускная способность дискретного канала с помехами. При наличии помех соответствие между множествами символов на входе и выходе канала связи перестает быть однозначным. Среднее количество информации I(V,U), передаваемое по каналу одним символом, определяется в этом случае соотношением
Если статистические связи между символами отсутствуют, энтропия сигнала на выходе линии связи равна
При наличии статистической связи энтропию определяют с использованием цепей Маркова. Поскольку алгоритм такого определения ясен и нет необходимости усложнять изложение громоздкими формулами, ограничимся здесь только случаем отсутствия связей.
Апостериорная энтропия характеризует уменьшение количества переданной информации вследствие возникновения ошибок. Она зависит как от статистических свойств последовательностей символов, поступающих на вход канала связи, так и от совокупности переходных вероятностей, отражающих вредное действие помехи.
Если объем алфавита входных символов u равен m1, а выходных символов υ — m2, то
Подставив выражения (4.18) и (4.19) в (4.17) и проведя несложные преобразования, получим
Скорость передачи информации по каналу с помехами
Считая скорость манипуляции VT предельно допустимой при заданных технических характеристиках канала, величину I(V,U) можно максимизировать, изменяя статистические свойства последовательностей символов на входе канала посредством преобразователя (кодера канала). Получаемое при этом предельное значение СД скорости передачи информации по каналу называют пропускной способностью дискретного канала связи с помехами:
где р{u} — множество возможных распределений вероятностей входных сигналов.
Важно подчеркнуть, что при наличии помех пропускная способность канала определяет наибольшее количество информации в единицу времени, которое может быть передано со сколь угодно малой вероятностью ошибки.
В гл. 6 показано, что к пропускной способности канала связи с помехами можно приблизиться, кодируя эргодическую последовательность букв источника сообщений блоками такой длины, при которой справедлива теорема об асимптотической равновероятности длинных последовательностей.
Произвольно малая вероятность ошибки оказывается достижимой только в пределе, когда длина блоков становится бесконечной.
При удлинении кодируемых блоков возрастает сложность технической реализации кодирующих и декодирующих устройств и задержка в передаче сообщений, обусловленная необходимостью накопления требуемого числа букв в блоке. В рамках допустимых усложнений на практике при кодировании могут преследоваться две цели: либо при заданной скорости передачи информации стремятся обеспечить минимальную ошибку, либо при заданной достоверности — скорость передачи, приближающуюся к пропускной способности канала.
Предельные возможности канала никогда не используются полностью. Степень его загрузки характеризуется коэффициентом использования канала
где — производительность источника сообщений; СД — пропускная способность канала связи.
Поскольку нормальное функционирование канала возможно, как показано далее, при изменении производительности источника в пределах,теоретически может изменяться в пределах от 0 до 1.
Пример 4.4. Определить пропускную способность двоичного симметричного канала (ДСК) со скоростью манипуляции VT в предположении независимости передаваемых символов.
Запишем соотношение (4.19) в следующем виде:
Воспользовавшись обозначениями на графе (рис. 4.5), можем записать
Так как
то
Величина HU(V) не зависит от вероятностей входных символов, что является следствием симметрии канала.
Следовательно, пропускная способность
Максимум H(V) достигается при равенстве вероятностей появления символов, он равен 1. Отсюда
График зависимости пропускной способности ДСК от ρ показан на рис. 4.6. При увеличении вероятности трансформации символа с 0 до 1/2 СД(р) уменьшается от 1 до 0. Если ρ = 0, то шум в канале отсутствует и его пропускная способность равна 1. При р=1/2 канал бесполезен, так как значения символов на приемной стороне с равным успехом можно устанавливать по результатам подбрасывания монеты (герб—1, решетка — 0). Пропускная способность канала при этом равна нулю.
§ 4.4. ИНФОРМАЦИОННЫЕ ХАРАКТЕРИСТИКИ ИСТОЧНИКА НЕПРЕРЫВНЫХ СООБЩЕНИЙ
Эпсилон - производительность непрерывного источника сообщений. Под конкретным непрерывным сообщением (t) подразумевают некоторую реализацию случайного процесса длительностью Т. Источник непрерывных сообщений характеризуется ансамблем его реализаций. Наиболее плодотворной оказалась модель непрерывного сообщения в виде эргодического случайного процесса.
Для определения производительности источника непрерывных сообщений воспользуемся подходом и результатами § 3.7, где определена ε-энтропия случайной величины.
Под ε-производительностью источника непрерывных сообщений Ηε(z) понимают минимальное количество информации, которое необходимо создать источнику в единицу времени, чтобы любую реализацию (t) можно было воспроизвести с заданной вероятностью ε.
Допустим, что (t) воспроизводится реализацией uT(t). Наблюдаемые реализации следует рассматривать, как сигналы, обладающие ограниченным, хотя возможно и достаточно широким спектром F [28, 8].
При достаточно большой длительности Т как (t), так и uT(t) могут быть представлены N-мерными (N = 2FT) векторами () и (), координатами которых являются отсчеты. Ансамбли сообщений {(t)} и воспроизводящих сигналов {uT(t)} характеризуют при этом N-мерными случайными векторами Ζ и U, составляющими которых являются соответственно случайные величины Ζ1, Z2, .., ZN и U1, U2, .., UN. Статистическое описание каждого из ансамблей задается N-мерными плотностями распределения вероятностей ρ(Ζ) = ρ() и p(U) = p(). Связь между ансамблями отражают условные плотности распределений pu(Z)= = ρ(/) и pz(U) = p(/), а также совместная плотность распределения вероятностей p(Z,U) = p(;).
Распространяя формулу (4.20) на N-мерные случайные векторы Ζ и U для количества информации одного из них относительно второго, получим
где интегралы являются N-мерными.
Используем, как и ранее, среднеквадратический критерий верности (Z,U), который в рассматриваемом случае имеет вид
где p(Z,U)ZU представляет собой квадрат расстояния l(Z,U) в N-мерном евклидовом пространстве.
Количество информации, приходящееся в среднем на один отсчет дискретизованных сигналов ZT(t) и UT(t), определяется выражением
Тогда в соответствии с определением для ε-пропорциональности источника непрерывных сообщений Нε(Z) запишем
при выполнении условия
Величина ν характеризует скорость формирования источником отсчетов (ν = =2F).
Пример 4.5. Определить ε-производительность источника, формирующего со скоростью ν1 некоррелированные отсчеты стационарного нормального случайного сигнала с дисперсией σ2.
Воспользовавшись полученным в (3.65) значением ε-энтропии для нормально распределенной случайной величины, найдем
Возможности воспроизведения любого сообщения zT(t) с заданной верностью можно дать геометрическое толкование. Поскольку все реализации эргодического процесса достаточно большой длительности являются типичными и обладают практически одной и той же средней мощностью, концы соответствующих им векторов в N-мерном пространстве сообщений составляют непрерывное множество точек, равноудаленных от начала координат (гиперсферу).
Конечное подмножество воспроизводящих сигналов UT(t) размещается в центрах непересекающихся правильных сферических N-угольников (ε-областей), на которое гиперсфера разбивается без промежутков. Размеры ε-областей определены заданной верностью воспроизведения сообщений. Если источником реализуется сообщение z*T(t), конец вектора которого должен попасть в ε-область сигнала u*T(t), то воспроизводится сигнал u*T(t).
Следует отметить, что заданная верность воспроизведения будет достигнута с вероятностью, близкой к единице, только при достаточно большой длительности сообщений, когда погрешностью от замены непрерывных реализаций последовательностями отсчетов можно будет пренебречь. Для уменьшения указанной погрешности при ограниченной длительности сообщений Т необходимо увеличивать число отсчетов N. В пределе при N→∞ получим непрерывные реализации.
В вычислении ε - производительности источника и геометрическом толковании возможности воспроизведения сообщений с заданной верностью принципиально ничего не изменяется. Следует лишь учесть, что N-мерное евклидово пространство сообщений становится гильбертовым и мерой близости двух сигналов должно быть расстояние в этом пространстве.
§ 4.5. ИНФОРМАЦИОННЫЕ ХАРАКТЕРИСТИКИ НЕПРЕРЫВНЫХ КАНАЛОВ СВЯЗИ
Модели непрерывных каналов связи. Каналы, используемые для передачи непрерывных сигналов, принято называть непрерывными. Такие каналы до сих пор находят широкое применение, например, в технике телефонной связи, радиовещании.
Реальные непрерывные каналы представляют собой сложные инерционные нелинейные объекты, характеристики которых случайным образом изменяются во времени. Для анализа таких каналов разработаны математические модели различных уровней сложности и степени адекватности реальным каналам. Модели, получившие наиболее широкое распространение, — это разновидности гауссова канала.
Под гауссовым каналом понимают математическую модель реального канала, построенную при следующих допущениях:
1) основные физические параметры канала являются известными детерминированными величинами;
2) полоса пропускания канала ограничена частотой FK герц;
3) в канале действует аддитивный гауссовый белый шум — аддитивная флуктуационная помеха ограниченной мощности с равномерным частотным спектром и нормальным распределением амплитуд.
Предполагается также, что по каналу передаются сигналы с постоянной средней мощностью, статистические связи между сигналами и шумом отсутствуют, ширина спектра сигнала и помехи ограничена полосой пропускания канала.
При рассмотрении информационных характеристик канала (скорости передачи, пропускной способности, коэффициента использования) основное внимание будет уделено гауссовому каналу.
Скорость передачи информации по непрерывному каналу. Скорость передачи информации по непрерывному каналу — это количество информации, которое передается в среднем принятыми непрерывными сигналами υ(t), относительно переданных u(t) в единицу времени.
Поскольку полоса пропускания канала всегда ограничена, непрерывные сообщения на достаточно продолжительном интервале времени Т с некоторой погрешностью могут быть представлены последовательностями отсчетов. С учетом наличия корреляционных связей между отсчетами и конечной верности воспроизведения, обусловленной воздействием помехи, для средней скорости Ĩ(VU) передачи информации дискретизованным сигналом получаем
где I(VU) определяется выражением, аналогичным (4.25).
По мере увеличения длительности Т эта скорость возрастает, так как при каждом новом отсчете реализации уточняются. В пределе при Т→∞ N-мерные распределения становятся бесконечномерными и выражение (4.27) будет определять скорость передачи информации по непрерывному каналу:
Переход к пределу при Т→∞ также означает усреднение скорости по всем возможным сигналам.
Степень вредного воздействия помехи с известными статистическими свойствами на различные ансамбли входных сигналов различна. Вследствие этого различны и значения скорости передачи информации.
Пропускная способность непрерывного канала связи. Максимально возможную скорость Сн передачи информации по непрерывному каналу с известными техническими характеристиками называют пропускной способностью непрерывного канала:
где максимум находят по всем возможным ансамблям входных сигналов.
Определим скорость передачи информации по гауссову каналу.
Пусть по гауссову каналу передается непрерывный сигнал uT(t) из ансамбля {uT(t)} со средней мощностью Рu, равной дисперсии σ. На выходе канала получим сигнал vT(t) из ансамбля {vT(t)}, искаженный гауссовой помехой ξ(t), среднюю мощность которой обозначим Ρξ(Ρξ = σ).
Будем считать, что длительность Т сигнала uT(t) достаточно велика, чтобы с приемлемой погрешностью можно было заменить uт(t) и νт (t) последовательностями отсчетов, взятых через интервалы Δt = 1/(2Fк), где Fк — полоса пропускания канала.
В соответствии с (4.17) выражение для среднего количества информации, передаваемой сигналом vT(t), принимает вид
где Н(V) и HU(V) — априорная и апостериорная энтропии N-мерного случайного вектора V, составляющими которого являются случайные величины V1, V2, ...,VN.
Поскольку помеха в канале аддитивна и статистически не связана с входным сигналом, справедливо равенство
Величина Н(Ξ) в (4.30) представляет собой энтропию N-мерного случайного вектора помехи Ξ, составляющими которого являются случайные величины Ξ1, Ξ2, ..., ΕΝ.
Учитывая, что значения белого шума в моменты отсчетов будут некоррелированными, запишем
где h(ξ) — дифференциальная энтропия одного отсчетного значения помехи.
Для помехи с нормальным распределением и дисперсией σ она составит (3.49)
Будем считать, что отсчетные значения входных функций uT(t) независимы. При воздействии на них независимых значений помехи отсчетные значения выходных сигналов VT(t) также независимы.
Тогда H(V) можно выразить через дифференциальную энтропию h(V) одного отсчета выходного сигнала:
Подставив (4.32) и (4.33) в (4.29), получим
Соответственно скорость передачи информации по непрерывному каналу связи
Определим теперь пропускную способность гауссова канала.
Найдем ансамбль входных сигналов, при котором обеспечивается максимальное значение h(V) в выражении (4.35).
Так как выходные сигналы образуются в результате суммирования входных сигналов и помехи, средние мощности которых ограничены, то и средняя мощность выходных сигналов ограничена. Для таких сигналов, как было установлено (см. § 3.5), наибольшее значение h(V) достигается при распределении V по нормальному закону. Известно также, что сумма двух нормально распределенных случайных величин имеет такую же функцию распределения с суммарной дисперсией. Отсюда следует, что при нормально распределенной помехе ξ выходной сигнал V будет распределен по нормальному закону лишь при нормально распределенном входном сигнале u.
Наибольшее значение энтропии h(V), а следовательно, и максимальная скорость передачи информации могут быть достигнуты при использовании нормальных центрированных случайных сигналов. Центрированность сигнала при заданной средней мощности соответствует максимальному значению дисперсии.
Они также должны иметь широкий и равномерный энергетический спектр, поскольку только в этом случае можно говорить о независимости отсчетов и использовать соотношение (2.23).
Таким образом, для более полного использования возможностей канала передаваемый сигнал должен обладать свойствами помехи, т. е. должен быть шумоподобным.
Максимальная величина дифференциальной энтропии
Подставляя (4.36) в (4.35), получаем выражение для пропускной способности гауссова канала:
Выясним, как зависит пропускная способность гауссова канала от ширины полосы пропускания FK.
Из выражения (4.37) следует, что эта зависимость нелинейна, поскольку FK также влияет на мощность помехи. Учитывая равномерность энергетического спектра белого шума, представим его мощность Р через удельную мощность Р0 на единицу частоты.
Выражение (4.37) примет вид
Рост пропускной способности канала при неограниченном расширении его полосы пропускания ограничен пределом СM:
Обозначивпо правилу Лопиталя определяем предел Сн при :
О характере зависимостиможно судить по графику, представленному на рис. 4.7.
§ 4.6. СОГЛАСОВАНИЕ ФИЗИЧЕСКИХ ХАРАКТЕРИСТИК СИГНАЛА И КАНАЛА
Конкретный канал связи обладает определенными физическими параметрами, от которых зависит возможность передачи по нему тех или иных сигналов. Независимо от назначения непрерывного канала его можно характеризовать тремя основными параметрами: временем, в течение которого он предоставляется для передачи сигнала Тк, шириной полосы пропускания сигнала FK и допустимым превышением сигнала над помехой в канале Hк. Превышение Hк характеризуется разностью максимально допустимого сигнала в канале Pu max и уровня помех Р (в логарифмическом масштабе). Для проводных каналов превышение в основном определяется пробивным напряжением и уровнем перекрестных помех, для радиоканалов — возможностями выявления сигнала на соответствующих расстояниях.
Произведение указанных основных параметров канала связи принято называть объемом (емкостью) канала и обозначать VK:
При оценке возможностей передачи сигнала по каналу с заданными физическими характеристиками также ограничиваются рассмотрением трех основных параметров сигнала: его длительности Тс, ширины спектра Fc и превышения над помехой Hс, причем
где Рu — средняя мощность передаваемого сигнала; Р — средняя мощность помехи в канале.
Превышение Hс связано с возможностями передатчика и дальностью передачи. Чем больше Hс, тем меньше вероятность ошибочного приема. Аналогично объему канала вводится понятие объема (емкости) Vc передаваемого сигнала:
Как объем сигнала, так и объем канала могут быть представлены в трехмерном пространстве с соответствующими координатами Т, F, Η (рис. 4.8).
Необходимым условием принципиальной возможности неискаженной передачи сигнала по данному каналу является выполнение соотношения
При этом, однако, могут потребоваться преобразования для обеспечения достаточных условий передачи, а именно:
Когда канал имеет меньшую полосу пропускания, чем практическая ширина спектра, подлежащего передаче сигнала, последнюю можно уменьшить за счет увеличения длительности сигнала. Объем сигнала при этом сохраняется неизменным. Практически такое преобразование можно осуществить, например, посредством записи сигнала на магнитную ленту с высокой скоростью и последующего воспроизведения со скоростью, при которой ширина его спектра равна полосе пропускания канала.
Если, наоборот, широкополосный канал предоставляется на время меньшее длительности сигнала, то согласование осуществляется за счет расширения спектра сигнала. Для реализации также может использоваться накопитель на магнитной ленте, однако в данном случае скорость воспроизведения должна быть выше скорости записи.
При низком допустимом уровне превышения сигнала в канале преобразование заключается в уменьшении уровня превышения передаваемого сигнала с одновременным увеличением его длительности путем многократного повторения передачи. Возможны и другие виды преобразования.
Рассмотрим, какова связь между объемом канала и количеством информации, которое можно получить о передаваемом по этому каналу сигнале.
В соответствии с выражением (4.37) предельное количество информации, которое может быть передано по каналу связи за время Тк,
Отсюда следует, что если Рu/Р>> 1, то при условии обеспечения посредством преобразования сигнала полного использования физических возможностей канала максимальное количество информации, которое можно получить о сигнале, близко к емкости канала:
§ 4.7. СОГЛАСОВАНИЕ СТАТИСТИЧЕСКИХ СВОЙСТВ ИСТОЧНИКА СООБЩЕНИЙ И КАНАЛА СВЯЗИ
Согласование статистических свойств и отражающих их информационных характеристик источника сообщений и канала связи проводится с целью улучшения качества системы передачи. Оценка качества осуществляется по трем основным показателям: достоверности, средней скорости передачи и сложности технической реализации системы, определяющей ее стоимость и надежность. Хотя с точки зрения практики сложность технической реализации может иметь решающее значение, при определении предельных возможностей системы целесообразно ограничиться только первыми двумя показателями.
Достоверность дискретного канала обычно оценивается значением вероятности ошибочного приема одного символа (элементарного сигнала). В случае передачи непрерывных сообщений о достоверности судят по значению среднеквадратической ошибки при воспроизведении сообщения
где w(t) — сообщение, поступающее с выхода канала; z(t) — сообщение на входе канала.
Достоверность характеризует помехоустойчивость информационной системы.
Под скоростью передачи подразумевают среднее количество информации, передаваемое по каналу в единицу времени. Именно эта (а не техническая) скорость формирования символов подлежит согласованию с пропускной способностью канала.
Скорость передачи информации характеризует эффективность системы.
Если высоких требований в отношении скорости передачи и достоверности к системе передачи не предъявляется, то согласование статистических (информационных) характеристик источника сообщений и канала связи не является принципиально необходимым.
При преобразовании сообщений в сигналы в этом случае могут преследоваться две основные цели. Одна из них заключается в том, чтобы преобразовать сообщения в такую систему символов (код), чтобы она обеспечивала простоту и надежность аппаратурной реализации информационных устройств и приемлемую их эффективность: простоту аппаратуры различения элементарных сигналов, соответствующих отдельным символам, приемлемое время при их передаче, простоту выполнения в этой системе арифметических и логических действий. Техническая реализация процесса кодирования в таком простейшем виде при непрерывном входном сигнале осуществляется аналого-цифровыми преобразователями.
Другой целью преобразования сообщений является защита их от несанкционированного доступа. Такое преобразование называют шифрованием. Оно может проводиться как на уровне знаков, так и на уровне символов.
В случае отсутствия необходимости в статистическом согласовании источника сообщений с каналом связи вопросы повышения качества функционирования системы решаются для дискретного канала от входа модулятора до выхода демодулятора.
Считается, что символы на вход модулятора поступают равновероятно и статистические связи между ними отсутствуют. Из множества сигналов, удовлетворяющих заданным ограничениям по мощности и полосе частот, для отображения символов отбираются такие, которые в предположении воздействия на них аддитивного гауссова шума обеспечивают наибольшую достоверность приема каждого отдельного символа. Одновременно определяется и структура оптимального приемника. Наиболее полно эти вопросы рассмотрены для случая двоичного канала (m = 2).
Увеличение эффективности и помехоустойчивости системы передачи информации, как показал Шеннон, возможно за счет введения в канал связи кодирующего, а следовательно, и декодирующего устройств, цель которых состоит в статистическом согласовании свойств источника сообщений и канала связи.
Доказанными им теоремами обосновано существование оптимального способа кодирования, при котором достигается скорость передачи информации, сколь угодно близкая к пропускной способности данного канала связи. Под способом кодирования при этом подразумевается совокупность операций по преобразованию сообщений в сигналы и обратного преобразования смеси сигнала с помехами в сообщения, включая операции в части канала «модулятор-демодулятор».
К сожалению, указанные теоремы не дают конструктивных рекомендаций относительно путей реализации оптимального способа кодирования. Определить соответствующую совокупность операций, а следовательно, и структуру оптимальной системы связи пока не удалось даже при ряде допущений, существенно упрощающих модели каналов. Для упрощения задачи переходят к оптимизации системы по частям путем нахождения наилучшего кода при условии оптимально спроектированной части канала «модулятор-демодулятор».
Выяснилась также целесообразность разделения процедур кодирования, обусловленных статистическими свойствами источника сообщений, и процедур кодирования, зависящих от статистических свойств канала связи. Такое разделение способствует лучшему пониманию существа процессов преобразования. С практической точки зрения оно ценно
тем, что позволяет реализовать как кодирующее, так и декодирующее устройства из двух фактически независимых блоков: кодера КИ и декодера ДКИ источника и кодера КК и декодера ДКК канала. Уточненная структурная схема системы передачи дискретных сообщений показана на рис. 4.9.
Рассмотрим теперь особенности статистического согласования различных источников сообщений и каналов связи.
Предположим, что дискретные сообщения, поступающие с источника, обладают избыточностью, а вредным действием помех в канале можно пренебречь, что будет близко к реальности при отношении сигнал/помеха, значительно превышающем единицу. В этом случае учитывать проблему обеспечения помехоустойчивости нет необходимости и остается задача повышения эффективности.
В основной теореме Шеннона о кодировании для дискретного канала без помех утверждается, что посредством преобразования сообщений в статистически независимые и равновероятные символы можно повысить скорость передачи вплоть до пропускной способности этого канала (подробно о теореме и методах кодирования говорится в § 5.4).
Техническая реализация указанной возможности осуществляется кодером источника, обеспечивающим такое кодирование, при котором за счет устранения избыточности снижается среднее число символов, требующихся для выражения знака сообщения. При отсутствии помех это непосредственно дает выигрыш во времени передачи (или в объеме запоминающего устройства), что повышает эффективность системы. Поэтому такое кодирование получило название эффективного или оптимального.
При наличии помех в канале оно позволяет преобразовать входную информацию в последовательность символов, наилучшим образом (в смысле максимального сжатия) подготовленную для дальнейших преобразований.
При статистическом согласовании источника, формирующего дискретные сообщения, не обладающие избыточностью, с каналом, подверженным действию помехи, использование кодера источника не имеет смысла. Однако для повышения достоверности передачи сообщений при минимальном сокращении скорости передачи по каналу дополнительную избыточность необходимо ввести так, чтобы она максимально способствовала устранению вредного действия помехи с определенными статистическими свойствами.
Из теоремы Шеннона о кодировании для дискретного канала с помехами следует неожиданное и фундаментальное заключение о том, что помехи в канале не накладывают ограничений на достоверность передачи. Ограничение накладывается только на скорость передачи, при которой может быть достигнута сколь угодно высокая достоверность. Она не должна превышать пропускной способности дискретного канала с помехами. Количество избыточной информации, необходимое для обеспечения достоверной передачи безызбыточных сообщений, невелико и равно потерям информации в канале, обусловленным действием помехи.
Техническая реализация возможности существенного повышения достоверности передачи осуществляется кодером и декодером канала. Такое кодирование получило название помехоустойчивого. Подробному рассмотрению указанной теоремы и методов помехоустойчивого кодирования посвящена гл. 6.
В общем случае, когда источник формирует сообщения, обладающие избыточностью, и требуется передавать их по каналу с помехами, целесообразно ввести в канал как кодер (и декодер) источника, так и кодер (и декодер) канала.
Целесообразность устранения избыточности сообщений методами эффективного кодирования с последующим перекодированием помехоустойчивым кодом обусловлена тем, что избыточность источника сообщения в большинстве случаев не согласована со статистическими закономерностями помехи в канале связи и поэтому не может быть полностью использована для повышения достоверности принимаемого сообщения, тогда как обычно можно подобрать подходящий помехоустойчивый код. Кроме того, избыточность источника сообщений часто является следствием весьма сложных вероятностных зависимостей и позволяет обнаруживать и исправлять ошибки только после декодирования всего сообщения, пользуясь сложнейшими алгоритмами и интуицией.
Передача непрерывных сообщений по каналу без помех не рассматривается, поскольку в этом теоретическом случае проблема связи вообще не возникает. Одним импульсом, амплитуда которого на приемной стороне воспринимается с неограниченной точностью, может быть передано бесконечно большое количество информации, что с точки зрения практики абсурдно.
Несколько подробнее остановимся на статистическом согласовании источника непрерывных сообщений с непрерывным каналом, подверженным действию помех. Предельные возможности системы передачи в этом случае определяются следующей теоремой Шеннона:
если ε-производительность ε(Ζ) источника непрерывных сообщений не превышает пропускной способности непрерывного канала Сн, то существует такой способ передачи, при котором с вероятностью, сколь угодно близкой к единице, любое полученное сообщение будет отличаться от переданного только в пределах принятой оценки верности воспроизведения.
Утверждается также, что при такую передачу никаким способом обеспечить невозможно.
Не доказывая теорему, поясним возможность осуществления указанного в ней способа передачи, используя геометрическую форму представления сигналов.
Если сообщения должны воспроизводиться с определенной верностью, то из бесконечного множества непрерывных сообщений длительностью Т передавать необходимо только счетное подмножество воспроизводящих сообщений.
Процесс кодирования в этом случае заключается в отождествлении полученного от источника сообщения с ближайшим воспроизводящим и сопоставлении ему конкретного сигнала из множества разрешенных сигналов, специально подобранных для передачи с учетом действующей в канале помехи.
При декодировании полученный сигнал отождествляется с ближайшим разрешенным и ставится в соответствие воспроизводящему сообщению. Ошибки не произойдет, если конец вектора принятого сигнала в гильбертовом пространстве попадет в собственную область соответствующего разрешенного сигнала, размеры которой зависят от средней мощности помехи. Это накладывает ограничения на расстояния между концами векторов разрешенных сигналов. Таким образом, на поверхности гиперсферы, соответствующей определенному уровню средней мощности передаваемых сигналов, можно разместить только ограниченное число разрешенных сигналов. Оно и определяет предельную скорость передачи информации с обеспечением заданного уровня верности.
Поскольку обычно допускается возможность появления любого значения помехи, вероятность воспроизведения другого разрешенного сигнала остается конечной. Однако доказано [36], что она стремится к нулю при неограниченном увеличении длительности передаваемых сигналов.
Контрольные вопросы
1. Назовите основные информационные характеристики источника сообщений.
2. В чем сущность понятия эргодического источника сообщений?
3. Как вычислить энтропию дискретного источника сообщений с памятью?
4. Сформулируйте теорему об асимптотической равновероятности длинных последовательностей знаков.
5. Что понимают под избыточностью алфавита источника сообщений?
6. Каковы причины наличия избыточности в сообщении?
7. Определите производительность источника дискретных сообщений и укажите пути ее повышения.
8. Назовите основные характеристики дискретного канала.
9. Какие исходные данные необходимы для создания информационной модели канала с помехами?
10. Охарактеризуйте двоичный симметричный канал без памяти.
11. В чем различие между технической и информационной скоростями передачи?
12. Поясните сущность понятия пропускной способности канала.
13. Запишите выражения для пропускной способности дискретного канала с помехами и без помех.
14. Что понимают под ε-производительностью источника непрерывных сообщений?
15. Какие допущения приняты в модели, известной как гауссовый канал?
16. Как определяют скорость передачи информации и пропускную способность непрерывного канала?
17. Напишите и поясните выражение для пропускной способности гауссова канала.
18. Что подразумевается под объемом: а) сигнала? б) канала?
19. Определите условия неискаженной передачи сигнала по каналу.
20. Сформулируйте теорему Шеннона о кодировании для непрерывного канала с помехами.
21. Назовите основные цели кодирования.
ГЛАВА 5. КОДИРОВАНИЕ ИНФОРМАЦИИ ПРИ ПЕРЕДАЧЕ ПО ДИСКРЕТНОМУ КАНАЛУ БЕЗ ПОМЕХ
§ 5.1. КОДИРОВАНИЕ КАК ПРОЦЕСС ВЫРАЖЕНИЯ ИНФОРМАЦИИ В ЦИФРОВОМ ВИДЕ
Любому дискретному сообщению или знаку сообщения можно приписать какой-либо порядковый номер. Измерение аналоговой величины, выражающееся в сравнении ее с образцовыми мерами, также приводит к числовому представлению информации. Передача или хранение сообщений при этом сводится к передаче или хранению чисел. Числа можно выразить в какой-либо системе счисления. Таким образом, будет получен один из кодов, основанный на данной системе счисления.
Сравним системы счисления и построенные на их основе коды с позиций применения в системах передачи, хранения и преобразования информации.
Общепризнанным в настоящее время является позиционный принцип образования системы счисления. Значение каждого символа (цифры) зависит от его положения — позиции в ряду символов, представляющих число.
Единица каждого следующего разряда больше единицы предыдущего разряда в m раз, где m — основание системы счисления. Полное число получаем, суммируя значения по разрядам:
где i — номер разряда данного числа; l — количество разрядов; ai — множитель, принимающий любые целочисленные значения в пределах от 0 до m-1 и показывающий, сколько единиц ί-го разряда содержится в числе.
Чем больше основание системы счисления, тем меньшее число разрядов требуется для представления данного числа, а следовательно, и меньшее время для его передачи.
Однако с ростом основания существенно повышаются требования к линии связи и аппаратуре создания и распознавания элементарных сигналов, соответствующих различным символам. Логические элементы вычислительных устройств в этом случае должны иметь большее число устойчивых состояний.
Учитывая оба обстоятельства, целесообразно выбрать систему, обеспечивающую минимум произведения количества различных символов m на количество разрядов l для выражения любого числа. Найдем этот минимум по графику на рис. 5.1, где показана связь между величинами m и l при воспроизведении определенного достаточно большого числа Q (Q ≈ 60 000).
Из графика следует, что наиболее эффективной системой является троичная. Незначительно уступают ей двоичная и четверичная. Системы с основанием 10 и более существенно менее эффективны. Сравнивая эти системы с точки зрения удобства физической реализации соответствующих им логических элементов и простоты выполнения в них арифметических и логических действий, предпочтение необходимо отдать двоичной системе. Действительно, логические элементы, соответствующие этой системе, должны иметь всего два устойчивых состояния. Задача различения сигналов сводится в этом случае к задаче обнаружения (есть импульс или нет импульса), что значительно проще.
Арифметические и логические действия также наиболее просто осуществляются в двоичной системе. В таблицы сложения, вычитания и умножения входит всего по четыре равенства:
Правила Правила Правила
сложения: вычитания: умножения
|
0 + 0 = 0 |
0 – 0 = 0 |
0 · 0 = 0 |
|
0 + 1 = 1 |
1 – 0 = 1 |
0 · 1 = 0 |
|
1 + 0 = 1 |
1 – 1 = 0 |
1 · 0 = 0 |
|
1 + 1 = 1 |
0 – 1 = 1 |
1 · 1 = 1 |
Наиболее распространенная при кодировании и декодировании логическая операция — сложение по модулю. В двоичной системе она также наиболее проста и определяется равенствами:
Алгоритм перевода из двоичной в привычную для человека десятичную систему несложен. Пересчет начинается со старшего разряда. Если в следующем разделе стоит 0, то цифра предыдущего (высшего) разряда удваивается. Если же в следующем разряде единица, то после удвоения предыдущего разряда результат увеличивается на единицу.
Пример 5.1. Найдем десятичный эквивалент двоичного числа 1001. После первой единицы слева стоит 0. Удваиваем эту единицу. Получаем число 2. Цифрой следующего младшего разряда также является 0. Удваивая число 2, получаем 4. В самом младшем разряде стоит единица. Удваивая число 4 и прибавляя 1, окончательно получаем 9.
Итак, для передачи и проведения логических и арифметических операций наиболее целесообразен двоичный код. Однако он неудобен при вводе и выводе информации, так как трудно оперировать с непривычными двоичными числами. Кроме того, запись таких чисел на бумаге оказывается слишком громоздкой. Поэтому, помимо двоичной, получили распространение системы, которые, с одной стороны, легко сводятся как к двоичной, так и к десятичной системе, а с другой стороны, дают более компактную запись. К таким системам относятся восьмеричная, шестнадцатеричная и двоично-десятичная.
В восьмеричной системе для записи всех возможных чисел используется восемь цифр от 0 до 7 включительно. Перевод чисел из восьмеричной системы в двоичную крайне прост и сводится к замене каждой восьмеричной цифры равным ей трехразрядным числом. Например, для восьмеричного числа 754 получаем:
7 4 5
111 100 101
Поскольку в восьмеричной системе числа выражаются короче, чем в двоичной, она широко используется как вспомогательная система при программировании.
Чтобы сохранить преимущества двоичной системы и удобство десятичной системы, используют двоично-десятичные коды. В таком коде каждую цифру десятичного числа записывают в виде четырехразрядного двоичного числа (тетрады). С помощью четырех разрядов можно образовать 16 различных комбинаций, из которых любые 10 могут составить двоично-десятичный код. Наиболее целесообразным является код 8-4-2-1 (табл. 5.1). Этот код относится к числу взвешенных кодов. Цифры в названии кода означают вес единиц в соответствующих двоичных разрядах. Двоично-десятичный код обычно используется как промежуточный при введении в вычислительную машину данных, представленных в десятичном коде.
В табл. 5.1 представлены два других двоично-десятичных кода с весами 5-1-2-1 и 2-4-2-1, которые широко используются при поразрядном уравновешивании в цифровых измерительных приборах.
Среди кодов, отходящих от систем счисления, большое практическое значение имеют такие, у которых при переходе от одного числа к другому изменение происходит только в одном разряде.
Наибольшее распространение получил код Грея, часто называемый циклическим или рефлексно - двоичным. Код Грея используется в технике аналого-цифрового преобразования, где он позволяет свести к единице младшего разряда ошибку неоднозначности при считывании. Комбинации кода Грея, соответствующие десятичным числам от 0 до 15, приведены в табл. 5.2.
Таблица 5.2
Правила перевода числа из кода Грея в обычный двоичный сводятся к следующему: первая единица со стороны старших разрядов остается без изменения, последующие цифры (0 и 1) остаются без изменения, если число единиц, им предшествующих, четно, инвертируются, если число единиц нечетно.
Пример 5.2. Выразим число 1010, записанное в коде Грея, в обычном двоичном коде.
Первую единицу слева переписываем. Следующая цифра будет единицей, так как в этом разряде кода Грея стоит нуль и впереди только одна единица. Далее необходимо записать нуль, так как в следующем разряде исходного числа стоит единица и впереди снова имеется только одна единица. Поскольку перед последней цифрой числа в коде Грея стоят две единицы, то она должна остаться неизменной, т. е. нулем. Таким образом, числу 1010 в коде Грея соответствует обычное двоичное число 1100.
§ 5.2. ТЕХНИЧЕСКИЕ СРЕДСТВА ПРЕДСТАВЛЕНИЯ ИНФОРМАЦИИ В ЦИФРОВОЙ ФОРМЕ
Разновидности преобразователей. Устройства, позволяющие заменять непрерывную последовательность значений аналоговой величины конечным числом дискретных значений и представлять их в заданном коде, получили название аналого-кодовых преобразователей. Кодовые эквиваленты аналоговой величины могут быть представлены комбинациями состояний оптических, электромеханических, электронных и других элементов, а также параллельными или последовательными во времени комбинациями электрических импульсов.
В случае необходимости обработки информации посредством цифровых вычислительных машин, как правило, используются представления в двоичном коде.
В аналого-кодовых преобразователях, которые должны выдавать кодовые эквиваленты на систему цифровой индикации или на регистрирующее устройство, непосредственно используемое человеком, целесообразно применять представления в десятичном коде.
Аналого-кодовые преобразователи можно классифицировать по многим существенным признакам. Важнейшими из них являются принцип работы измерительной части преобразователя и способ получения цифрового эквивалента.
В принципе возможно непосредственное преобразование различных физических величин в цифровую форму. Такие преобразователи называют кодовыми датчиками. Примером могут служить цифровые преобразователи угла поворота вала (фазовые преобразователи угла).
Однако в настоящее время более рационально преобразовывать различные по физической природе сигналы в электрические, а затем представлять их в цифровой форме посредством преобразователей напряжение — код. Под термином «аналого-цифровой преобразователь» (АЦП) в первую очередь подразумевают именно такой преобразователь (напряжение — код).
Кодовые датчики геометрических координат. В таких датчиках в процессе преобразования определяется, какому месту на заранее заданном геометрическом пространственном рисунке (кодирующей маске) соответствует данный входной сигнал.
Кодирующую маску выполняют в виде прямоугольной пластины или диска. В последнем случае знаки разрядов нанесены на концентрические дорожки, каждая из которых соответствует определенному разряду двоичного числа. Внешняя дорожка диска соответствует низшему разряду (рис. 5.2). Итак, каждому дискретному значению угла ставится в соответствие вполне определенная неповторяющаяся комбинация сегментов двух типов, соответствующих 1 и 0.
Разрешающая способность диска определяется числом всех сегментов дорожки младшего разряда. Она может быть повышена применением системы нескольких дисков, соединенных с помощью понижающего редуктора. В зависимости от способа съема кода (контактный, фотоэлектрический, магнитный и т. д.) сегменты, составляющие рисунок кода, выполняют проводящими и непроводящими, прозрачными и непрозрачными, магнитопроницаемыми и магнитонепроницаемыми и т. д.
Для считывания с каждого из разрядов установлены чувствительные элементы: щетки, фотоэлементы, индуктивные катушки и т. д.
При опросе чувствительных элементов получаем комбинацию электрических сигналов, представляющую в выбранном коде число, соответствующее данному углу поворота. К сожалению, при использовании масок с обычным двоичным кодом в местах, где одновременно изменяется состояние нескольких чувствительных элементов, при считывании могут возникать значительные погрешности. Например, если чувствительные элементы располагаются на границе между числом 7 (0111) и 8 (1000), то преобразователь может выдать на выходе любое число от 0 до 15. Это, конечно, недопустимо.
Указанный недостаток может быть устранен как за счет увеличения числа чувствительных элементов (метод сдвоенных щеток, метод Баркера [26] ), так и путем использования масок с кодами, у которых при последовательном переходе от числа к числу изменяется только один разряд. Наиболее часто применяется код Грея. Кодирующая маска с кодом Грея изображена на рис. 5.3.
Нетрудно убедиться, что каждое последующее число отличается от предыдущего только в одном разряде, поэтому погрешность при считывании не может превосходить единицы младшего разряда независимо от того, в каком разряде имела место неопределенность.
Использование этого способа приводит к необходимости иметь дополнительный преобразователь для представления полученных в коде Грея чисел в обыкновенном двоичном коде.
Кодовый диск, чувствительные элементы и преобразователь кода конструктивно объединены в одном корпусе. Датчики отличаются высоким быстродействием и большой точностью. У лучших двухотсчетных фазовых преобразователей угла погрешность составляет доли секунды.
Аналого-цифровые преобразователи. Современные АЦП строят на основе серийно выпускаемых отечественной промышленностью интегральных схем, номенклатура которых достаточно высока. В нее входят операционные усилители, органы сравнения (компараторы напряжения), источники опорного напряжения, коммутаторы, цифроаналоговые преобразователи, устройства запоминания и другие функциональные элементы и узлы. Поскольку степень интеграции схем постоянно растет, количество интегральных схем, необходимых для реализации конкретного АЦП, уменьшается.
Имеются образцы АЦП, выполненных на одном кристалле. Успехи в технологии изготовления интегральных схем способствовали увеличению быстродействия, повышению надежности и снижению стоимости АЦП.
По способу получения цифрового эквивалента все разнообразие существующих преобразователей может быть разбито на три основные группы: преобразователи последовательного счета, преобразователи поразрядного уравновешивания, преобразователи считывания.
Аналого-цифровые преобразователи последовательного счета. В преобразователях этого класса непрерывная величина электрического тока или напряжения предва-тельно преобразуется в импульсы, общее число которых соответствует ее значению. Эти импульсы передаются последовательно к двоичному или десятичному счетчику, где происходит их суммирование.
При заданном отнесенном к шкале шаге квантования преобразователя δ (%), число импульсов mх, представляющих одно значение кодируемой величины uх, может меняться в пределах
Если частота счетчика предельная fсч mах, то время, требующееся на один цикл преобразования, равно
где Δ — время считывания цифрового эквивалента и сброса счетчика.
Отметим, что для преобразователя последовательного счета со следящим принципом измерения такое время потребуется только в случае резкого изменения кодируемой величины на полный диапазон преобразования.
Современные серии элементов допускают построение счетчиков с максимальной тактовой частотой по счетному входу до 50 МГц. Параллельное считывание и сброс счетчика можно выполнить за время, значительно меньшее 1 мкс. Следовательно, при относительном шаге квантования 0,1 % преобразователи последовательного счета в состоянии обеспечить число преобразований порядка 5·104 в секунду. Точность преобразователя зависит от принципа работы его измерительной части.
Аналого-цифровые преобразователи последовательного счета выполняют на основе прямого, развертывающего или следящего измерительного преобразования.
Преобразователи с прямым измерительным преобразованием. Функциональная схема такого преобразователя приведена на рис. 5.4. Частота следования выходных импульсов управляемого генератора Ρ (uх→fx) линейно изменяется в зависимости от значения преобразуемого напряжения uх.
В каждом цикле преобразования сигнал с генератора эталонных временных интервалов (ГЭВИ) на определенное время Т открывает схему совпадения Ит, пропуская импульсы в счетчик Сч. Количество импульсов, зафиксированное счетчиком за время Т, пропорционально кодируемой величине uх. По окончании сигнала, воздействующего на схему Ит, ГЭВИ выдает импульсы на считывание цифрового эквивалента Ζ и установку всех разрядов счетчика в исходное состояние (сброс). Далее процесс повторяется.
Основная трудность при реализации такого преобразователя заключается в создании генератора Ρ с достаточно линейной зависимостью частоты следования выходных импульсов от преобразуемого напряжения. Трудно добиться и его стабильности, особенно при изменении напряжения питания и температуры. Тем не менее в последнее время разработан ряд высокостабильных преобразователей напряжение — частота, позволивших снизить погрешность до 0,01 %.
Преобразователи с развертывающим измерительным преобразованием. Функциональная схема преобразователя изображена на рис. 5.5.
В начале каждого цикла преобразования запускается генератор ГКН линейно изменяющегося компенсирующего напряжения uк. Одновременно сигнал с органа сравнения ОС открывает схему совпадения И, и импульсы высокостабильного генератора ГИ начинают поступать в счетчик Сч. В момент компенсации, когда преобразуемое напряжение uх сравнивается с компенсирующим напряжением uк, состояние органа сравнения изменяется и доступ импульсов в счетчик прекращается. С выхода счетчика снимается цифровой эквивалент Ζ, соответствующий uх.
Число импульсов, поступивших в счетчик, пропорционально преобразуемому напряжению uх. Временная диаграмма работы преобразователя приведена на рис. 5.6.
По окончании цикла развертки компенсирующего напряжения с блока синхронизации БС поступают импульсы на считывание цифрового эквивалента и сброс счетчика. Далее процесс повторяется.
Блок синхронизации позволяет «привязать» момент начала развертки компенсирующего напряжения к одному из импульсов ГИ, что повышает точность преобразования (рис. 5.7, а). Действительно (рис. 5.7,6), при отсутствии синхронизации погрешность дискретизации может оказаться вдвое больше:
Блок синхронизации может представлять собой счетчик, который фиксирует число импульсов, соответствующее циклу преобразования, и запускает по окончании следования этого числа импульсов генератор компенсирующего напряжения.
Точность преобразования определяется характеристикой органа сравнения и линейностью компенсирующего напряжения. Обычно она достигает 0,1 %.
Более точными (до 0,005%) являются аналогичные преобразователи со ступенчато-линейным компенсирующим напряжением (рис. 5.8). Как правило, оно получается в результате суммирования коммутируемых по двоичному закону эталонных напряжений (или токов), амплитуды которых относятся друг к другу как целочисленные степени двух (1:2:4:8 и т. д.). Управление суммированием осуществляется импульсами, поступающими с двоичного счетчика, причем каждый раз, когда содержимое счетчика увеличивается на единицу, выходное напряжение возрастает на одну ступеньку [26].
Структурная схема преобразователя со ступенчато-линейным изменением компенсирующего напряжения показана на рис. 5.9. Импульсы от генератора ГИ поступают на триггеры TГ1 — TГ4, состояние которых определяет напряжение uк на выходе источника ступенчатого компенсирующего напряжения ИСКН. Кодируемое напряжение uх сравнивается со ступенчато-линейным uк. В каждый момент времени на счетчике в двоичном коде фиксируется число ступеней компенсирующего на
пряжения, т. е. цифровой эквивалент. В момент компенсации, когда ιιx=ιικ, двоичное число на счетчике· является цифровым эквивалентом и для uх.
Равенство напряжений uх и uк отмечается органом сравнения ОС, который и посылает импульс на считывание цифрового эквивалента Ζ со счетчика. Временные диаграммы работы преобразователя представлены на рис. 5.8, где показаны напряжения в точках а — г схемы рис. 5.9: интервал времени, пропорциональный uх, обозначен tx.
Преобразователи со следящим измерительным преобразованием. Преобразователь является цифровой следящей системой (рис. 5.10), в которой входное напряжение uх сравнивается органом сравнения ОС с напряжением uк, поступающим с источника линейно-ступенчатого компенсирующего напряжения ИСКН.
В зависимости от разности напряжений uх — uк происходит такое изменение кода в схеме управления источником, которое приводит к равенству этих напряжений в пределах заданной точности.
Орган сравнения воздействует на две схемы совпадения И, через которые импульсы генератора G поступают на входы реверсивного счетчика СТ: если , то
импульсы идут по каналу «+1», а если, то по каналу «-1». При равенстве напряжений обе схемы И закрыты и импульсы на счетчик не поступают.
Минимальное напряжение срабатывания органа сравнения uср должно лежать в пределах где ∆u — напряжение одной ступеньки. При большей чувствительности значение младшего разряда цифрового эквивалента беспрерывно изменяется даже при постоянном значении uх.
Отработка цифровых эквивалентов некоторой изменяющейся аналоговой величины uх преобразователем со следящим уравновешиванием с момента его включения показана на рис. 5.11. Внизу записаны двоичные эквиваленты значений uх на каждом такте. В схеме они представлены состоянием триггеров двоичного реверсивного счетчика СТ.
Для uх, изменяющихся во времени плавно и с ограниченной скоростью, такой преобразователь, очевидно, обеспечит наибольшую скорость преобразования, так как время получения цифрового эквивалента уменьшается до одного такта.
Погрешность, как и в предыдущих схемах, зависит от стабильности органа сравнения и числа разрядов реверсивного двоичного счетчика. У лучших образцов она составляет 0,01—0,005 %.
Аналого-цифровые преобразователи поразрядного уравновешивания. Преобразователи, рассмотренные ранее, основаны на методе, при котором последовательно изменяется на единицу младшего разряда уровень компенсирующего напряжения и посредством органа сравнения каждый раз определяется, находится преобразуемая величина на данном уровне или нет.
Этот метод неэффективен с точки зрения числа операций сравнения (а следовательно, и быстродействия), необходимых для определения цифрового эквивалента резко изменяющейся величины uх. Количество операций сравнения можно значительно сократить. Рассмотрим эту возможность.
Максимальное количество информации, которое можно получить в результате одной операции сравнения, равно 1 дв. ед. Для достижения этого значения каждую операцию сравнения необходимо проводить на таком уровне, чтобы вероятности обнаружения преобразуемой величины ниже и выше этого уровня были равны. Если вероятности всех значений преобразуемой величины одинаковы, то первую операцию сравнения при двоичном кодировании нужно провести на уровне ux max/2. Цифровые эквиваленты напряжения uх ниже этого уровня будут иметь в старшем разряде 0, а выше уровня — 1.
Следовательно, в результате операции сравнения будет определено значение старшего разряда цифрового эквивалента (0 или 1). Аналогично выбирают уровни сравнения для определения значений остальных разрядов. Каждый из них будет в 2 раза меньше предыдущего. Определение цифрового эквивалента производится поразрядно. При заданном относительном шаге квантования δx (%) число разрядов находим из соотношения
Значение i-го разряда определяют после проведения операции сравнения при поступлении с распределителя (i+1)-го импульса. На цикл преобразования, следовательно, требуется не менее (l+1) импульсов. Если используемые распределители работают по принципу пересчетных схем, то их предельную частоту снова обозначим через fсч mах. Тогда для аналого-цифровых преобразователей поразрядного уравновешивания максимально возможное число преобразований в секунду можно оценить по формуле
Приняв, как и ранее, δx = 0,1% и fсч mах = 5∙107, максимальную частоту преобразователя получим равной 4,5·106 Гц, что почти на два порядка превышает максимальную частоту преобразователей с линейно-ступенчатым компенсирующим напряжением.
Метод преобразования с поразрядным уравновешиванием может использоваться для получения цифровых эквивалентов uх в любой системе счисления. В частности, в цифровых измерительных приборах широко применяется поразрядная отработка цифрового эквивалента uх в десятичном и двоично-десятичном коде. Точность лучших преобразователей этого типа того же порядка, что и у преобразователей с линейно-ступенчатым уравновешиванием, т. е. до 0,005%. Конструктивно они несколько более сложны, но в ряде случаев незаменимы с точки зрения совмещения требований высокого быстродействия и высокой точности.
Типовая функциональная схема преобразователя поразрядного уравновешивания приведена на рис. 5.12. Уровни сравнения устанавливаются последовательным переключением триггеров двоичных разрядов, начиная со старшего Тгп. Эталонное напряжение каждого уровня создается путем суммирования токов, пропорциональных весам разрядов, на резисторе r(r«R). Напряжение питания поступает от источника Ε.
Первый импульс с кольцевого распределителя КР переводит триггер Тгп в состояние «1», а остальные через схемы ИЛИ устанавливает в «0». В замкнутом состоянии оказывается только ключ Кп. При этом компенсирующее напряжение ик1 пропорционально весу старшего разряда (uк1 = uп). Если uх<uк1, то в цифровом эквиваленте uх на месте старшего разряда должен стоять 0. В этом случае сигнал с органа сравнения ОС открывает элемент И и при поступлении второго импульса с распределителя триггер Тгп сбрасывается в 0. Тем же импульсом в состояние «1» переводится триггер Тгп-1. Уровень компенсирующего напряжения снижается вдвое (uк2 = uп-1= uп/2)· Если теперь их>uк2, то на месте этого разряда в цифровом эквиваленте uх должна стоять 1. Знак выходного напряжения органа сравнения изменяется на противоположный, и элементы И запираются. Поэтому третий импульс, переключающий триггер Тгп-2 на триггер Тгп-1, не воздействует и последний остается в состоянии «T». Компенсирующее напряжение возрастает на uп-2= uп2-2:
Если uх<uк3, то Тгп-2 очередным импульсом сбрасывается в состояние «0», если uх>uк3, то Tгп-2 остается в состоянии «1». Аналогично отрабатываются значения всех остальных разрядов, причем значение младшего разряда определяется при поступлении с распределителя (n+1)-ro импульса.
Цифровой эквивалент uх снимается в конце цикла преобразования. На рис. 5.13 показана последовательность определения двоичного цифрового эквивалента при поразрядном уравновешивании напряжения uх = 26 В.
Компенсирующие напряжения разрядов, вошедших в состав uх, изображены сплошными линиями и отмечены внизу знаком 1. Компенсирующие напряжения разрядов, не вошедших в состав uх, изображены пунктиром и отмечены внизу знаком 0. В результате уравновешивания получен двоичный эквивалент числа 26—011010.
Аналого-цифровые преобразователи считывания. АЦП считывания называют также преобразователями параллельного сравнения. В этих преобразователях для каждого уровня квантования предусматривается свое опорное напряжение uοi и свой орган сравнения ОСi (рис. 5.14). Опорные напряжения снимаются с последовательного резисторного делителя. Входное напряжение uх одновременно подается на все схемы сравнения. Часть схем, для которых выполняется условие ux>uoi, срабатывает, и мы получаем цифровой эквивалент uх в унитарном коде (с основанием m=1). Преобразование этого кода в двоичный осуществляется специальной логической схемой, которую называют дешифратором или кодирующей логикой.
Такая простая структура дает возможность обеспечить чрезвычайно высокое быстродействие. Преобразование выполняется за один цикл, длительность которого при современной технологии изготовления интегральных схем может быть сделана менее 50 нc. Таким образом, АЦП считывания являются самыми быстродействующими из известных.
Основным недостатком рассматриваемых преобразователей является их невысокая разрядность (6—8 разрядов). С каждым дополнительным разрядом сложность преобразователя практически удваивается, что ведет к увеличению потребляемой мощности и стоимости. Поэтому при большем числе разрядов используются преобразователи, у которых считывание осуществляется в несколько тактов, причем на каждом такте определяется несколько разрядов.
Алгоритмы работы конкретных АЦП могут предусматривать нахождение и устранение систематических или случайных погрешностей отдельных узлов или всего преобразователя. Для указанных целей, а также для упрощения ряда логических операций в последнее время наметилась тенденция использования микропроцессоров.
§ 5.3. КОДИРОВАНИЕ КАК СРЕДСТВО КРИПТОГРАФИЧЕСКОГО ЗАКРЫТИЯ ИНФОРМАЦИИ
В последние годы все большее развитие получают интегрированные информационно-вычислительные системы, в частности автоматизированные системы управления и вычислительные сети коллективного пользования. В таких системах концентрируются большие объемы данных, хранимые на машинных носителях, и осуществляется автоматический межмашинный обмен данными, в том числе и на больших расстояниях
Во многих случаях хранимая и передаваемая информация может представлять интерес для лиц, желающих использовать ее в корыстных целях. Последствия от такого несанкционированного использования информации могут быть весьма серьезными. Поэтому уже в настоящее время возникла проблема защиты информации от несанкционированного доступа [2].
Существует комплекс технических средств защиты информации, включающий системы охраны территории и помещений, регулирования доступа в помещения, устройств идентификации пользователей и др. Ограничимся рассмотрением методов защиты информации от несанкционированного доступа при передаче ее по каналам связи. Рассматриваемые методы защиты обеспечивают такое преобразование сообщений (данных), при котором их исходное содержание становится доступным лишь при наличии у получателя некоторой специфической информации (ключа) и осуществления с ее помощью обратного преобразования. Эти методы называют методами криптографического закрытия информации. Они применяются как для защиты информации в каналах передачи, так и для защиты ее в каналах хранения, в основном в накопителях со сменными носителями (магнитными лентами, дисками), которые легко могут быть похищены.
Преобразования, выполняемые в системах, где используются методы криптографического закрытия информации, можно считать разновидностями процессов кодирования и декодирования, которые получили специфические названия шифрования и дешифрования. Зашифрованное сообщение называют криптограммой.
Современные методы криптографического закрытия информации должны обеспечивать секретность при условии, что противник обладает любым специальным оборудованием, необходимым для перехвата и записи криптограмм, а также в случае, когда ему стал известен не только алгоритм шифрования, но и некоторые фрагменты криптограмм и соответствующего им открытого текста сообщений. Иначе говоря, метод должен предусматривать такое множество возможных ключей, чтобы вероятность определения использованного даже при наличии указанных фрагментов была близка к нулю. Последнее требование является весьма жестким, но его можно удовлетворить.
Методы криптографического закрытия могут быть реализованы как программно, так и аппаратно. При программной реализации в месте шифрования (дешифрования) предполагается наличие процессора. В тех случаях, когда процессор отсутствует или его загрузка нецелесообразна, используется аппаратное закрытие с помощью специальной серийно выпускаемой аппаратуры.
Известно значительное число различных методов криптографического закрытия информации. Рассмотрим некоторые из них в порядке возрастания сложности и надежности закрытия.
Шифр простой подстановки. Буквы кодируемого сообщения прямо заменяются другими буквами того же или другого алфавита. Если сообщения составляются из k различных букв, то существует k! способов выражения сообщения k буквами этого алфавита, т. е. существует k! различных ключей.
Пример 5.3. Зашифруем сообщение CAREFULLY, используя в качестве ключа для шифрования английского текста буквы английского алфавита в соответствии с табл. 5.3.
Таблица 5.3
Подставляя новые буквы, получаем криптограмму KUCFHERRP.
Метод шифрования прост, но не позволяет обеспечить высокой степени защиты информации. Это связано с тем, что буквы английского языка (как, впрочем, и других языков), имеют вполне определенные и различные вероятности появления. Так как в зашифрованном тексте статистические свойства исходного сообщения сохраняются, то при наличии криптограммы достаточной длины можно с большой достоверностью определить вероятности отдельных букв, а по ним и буквы исходного сообщения.
Шифр Вижинера. Этот шифр является одним из наиболее распространенных. Степень надежности закрытия информации повышается за счет того, что метод шифрования предусматривает нарушение статистических закономерностей появления букв алфавита.
Каждая буква алфавита нумеруется. Например, буквам английского алфавита ставятся в соответствие цифры от О (А = 0) до 25 (Z = 25):
Ключ представляет собой некоторое слово или просто последовательность букв, которая подписывается с повторением под сообщением. Цифровой эквивалент каждой буквы криптограммы определяется в результате сложения с приведением по модулю 26 цифровых эквивалентов буквы сообщения и лежащей под ней буквы ключа.
Пример 5.4. Зашифруем сообщение CAREFULLY кодом Вижинера с ключом PIES.
Запишем буквы сообщения, расположив под ними их цифровые эквиваленты. Аналогично внизу запишем ключ, повторяя его необходимое число раз:
Складывая верхние и нижние цифровые эквиваленты с приведением по модулю 26, получим следующую последовательность чисел: 17 8 21 22 20 2 15 3 13, что соответствует криптограмме R1VWUCPDN.
Шифр Вижинера обладает достаточно высокой надежностью закрытия только при использовании весьма длинных ключей, что сопряжено с определенными трудностями.
Шифр Вижинера с ключом, состоящим из одной буквы, известен как шифр Цезаря, а с неограниченным неповторяющимся ключом как шифр Вернама.
Шифрование гаммированием. В процессе шифрования цифровые эквиваленты знаков криптографически закрываемого сообщения складываются с псевдослучайной последовательностью чисел, именуемой гаммой, и приводятся по модулю k, где k — объем алфавита знаков. Таким образом, псевдослучайная последовательность выполняет здесь роль ключа.
Наиболее широко гаммирование используется для криптографического закрытия сообщений, уже выраженных в двоичном коде.
В этом случае особенно просто реализуется устройство, вырабатывающее ключ. Оно представляет собой регистр сдвига с обратными связями. Соответствующим выбором обратных связей можно добиться генерирования двоичных последовательностей, период повторения которых составляет 2n-1 символов, где n — число разрядов регистра. Такие последовательности называют псевдослучайными. С одной стороны, они удовлетворяют ряду основных тестов на случайность, что существенно затрудняет раскрытие такого ключа, а с другой — являются детерминированными, что позволяет обеспечить однозначность дешифрования сообщения. Подробно регистры с обратными связями рассмотрены в § 6.8.
Надежность криптографического закрытия методом гаммирования определяется главным образом длиной неповторяющейся части гаммы. Если она превышает длину закрываемого текста, то раскрыть криптограмму, опираясь только на результаты статистической обработки этого текста, теоретически невозможно.
Однако если удастся получить некоторое число двоичных символов исходного текста и соответствующих им двоичных символов криптограммы, то сообщение нетрудно раскрыть, так как преобразование, осуществляемое при гаммировании, является линейным. Для полного раскрытия достаточно всего 2n двоичных символов зашифрованного и соответствующего ему исходного текста.
Современный стандартный метод шифрования данных. Рассмотрим теперь метод криптографического закрытия данных, удовлетворяющий всем указанным ранее требованиям. Он является действующим стандартом шифрования данных в США и удобен для защиты информации как при передаче данных, так и при их хранении в запоминающих устройствах [6].
В процессе шифрования последовательность символов определенной длины (64 бит) преобразуется в шифрованный блок той же длины. Операции шифрования и дешифрования осуществляются по схеме, представленной на рис. 5.15.
Перед началом шифрования в специализированный регистр устройства через входной регистр вводится ключ, содержащий 64 бит, из которых 56 используются для генерации субключей, а 8 являются проверочными. Ключ из устройства вывести нельзя. Предусмотрена возможность формирования нового ключа внутри устройства. При этом ключ, вводимый в устройство, шифруется ранее использовавшимся ключом и затем через выходной регистр вводится в специальный регистр в качестве нового ключа.
16 субключей по 48 бит каждый, сформированных в генераторе субключей, используются для шифрования блока из 64 символов, поступающих во входной регистр устройства. Шифрование осуществляется из 16 логически идентичных шагов, на каждом из которых используется один из субключей.
Процесс дешифрования выполняется по тому же алгоритму, что и процесс шифрования, с той лишь разницей, что субключи генерируются в обратном порядке.
В основе технической реализации такого устройства лежат регистры с обратными связями. В результате коммутации цепей обратной связи регистра-шифратора в соответствии с генерируемыми субключами нарушается линейность преобразования входной последовательности, что и обеспечивает высокую надежность криптографического закрытия данных.
§ 5.4. ЭФФЕКТИВНОЕ КОДИРОВАНИЕ
Как отмечалось, в большинстве случаев знаки сообщений преобразуются в последовательности двоичных символов. В рассмотренных устройствах это преобразование выполнялось без учета статистических характеристик поступающих сообщений.
Учитывая статистические свойства источника сообщения, можно минимизировать среднее число символов, требующихся для выражения одного знака сообщения, что при отсутствии шума позволяет уменьшить время передачи или объем запоминающего устройства.
Основная теорема Шеннона о кодировании для канала без помех. Эффективное кодирование сообщений для передачи их по дискретному каналу без помех базируется на теореме Шеннона, которую можно сформулировать так:
1. При любой производительности источника сообщений, меньшей пропускной способности канала, т. е. при условии
где ε — сколь угодно малая, положительная величина, существует способ кодирования, позволяющий передавать по каналу все сообщения, вырабатываемые источником.
2. Не существует способа кодирования, обеспечивающего передачу сообщений без их неограниченного накопления, если
Поскольку строгое математическое доказательство относительно сложно [34], убедимся в справедливости теоремы, основываясь на эвристических соображениях.
В основе доказательства лежит идея возможности повышения скорости передачи информации по каналу, если при кодировании последовательности символов ставить в соответствие не отдельным знакам, а их последовательностям такой длины, при которой справедлива теорема об их асимптотической равновероятности. При этом, естественно, в первую очередь подлежат кодированию типичные последовательности.
Если количество знаков в кодируемой последовательности равно Ν, а энтропия источника — Η(Ζ), то в соответствии с (4.8) число типичных последовательностей
Так как Ν = Τ/τ, где Т — длительность кодируемой последовательности; τ — длительность одного знака, то
Каждой типичной последовательности нужно поставить в соответствие кодовую комбинацию той же продолжительности Т из символов с объемом алфавита m. При скорости манипуляции VT число символов в кодовой комбинации составит TVТ, что позволяет образовать nk различных кодовых комбинаций, причем
Сравнение (5.7) и (5.8) показывает, что Следовательно, если то кодовых комбинаций, пропускаемых каналом, достаточно для того, чтобы закодировать все типичные последовательности знаков, причем останется еще некоторый излишек.
Нетипичным последовательностям в принципе могут быть поставлены в соответствие кодовые комбинации со значительно большим числом символов. Для различения эти комбинации в начале и конце сопровождаются кодовыми комбинациями, взятыми из излишка, не использованного для кодирования типичных последовательностей. Однако всем нетипичным последовательностям можно ставить в соответствие и одну и ту же кодовую комбинацию из указанного излишка, предопределяя их недостоверную передачу.
Поскольку при вероятность появления нетипичной последовательности стремится к нулю, в первом случае это никак не отразится на эффективности передачи, а во втором — на уровне надежности отождествления принятых комбинаций с действительно переданными.
Отметим, что ограничиваясь кодированием типичных последовательностей, вероятности которых равны, мы обеспечиваем равновероятное и независимое поступление символов на вход канала, что соответствует полному устранению избыточности в передаваемом сообщении.
Справедливость второй части теоремы, указывающей на невозможность осуществления передачи при следует из определения пропускной способности канала как максимально достижимой скорости передачи информации, взятой по всему множеству источников заданного класса. Поэтому если пропускная способность канала меньше производительности источника, то неизбежно накопление сообщений на передающей стороне.
Рассматриваемая теорема Шеннона часто приводится и в другой формулировке:
сообщения источника с энтропией Η(Ζ) всегда можно закодировать последовательностями символов с объемом алфавита m так, что среднее число символов на знак сообщения lcр будет сколь угодно близко к величине но не менее ее.
Данное утверждение обосновывается также указанием на возможную процедуру кодирования, при которой обеспечивается равновероятное и независимое поступление символов на вход канала, а следовательно, и максимальное количество переносимой каждым из них информации, равное log m. Как мы установили ранее, в общем случае это возможно, если кодировать сообщения длинными блоками. Указанная граница достигается асимптотически при безграничном увеличении длины кодируемых блоков.
В частности, при двоичном кодировании (m = 2) среднее число символов на знак сообщения может быть уменьшено до значения, равного энтропии источника, выраженной в дв. ед.
Методы эффективного кодирования некорреляционной последовательности знаков. Теорема не указывает конкретного способа кодирования, но из нее следует, что при выборе каждого символа кодовой комбинации необходимо стараться, чтобы он нес максимальную информацию.
Следовательно, каждый символ должен принимать значения 0 и 1 по возможности с равными вероятностями и каждый выбор должен быть независим от значений предыдущих символов.
Для случая отсутствия статистической взаимосвязи между знаками конструктивные методы построения эффективных кодов были даны впервые американскими учеными Шенноном и Фано. Их методики существенно не различаются и поэтому соответствующий код получил название кода Шеннона — Фано.
Код строят следующим образом: знаки алфавита сообщений выписывают в таблицу в порядке убывания вероятностей. Затем их разделяют на две группы так, чтобы суммы вероятностей в каждой из групп были по возможности одинаковы. Всем знакам верхней половины в качестве первого символа приписывают 0, а всем нижним — 1. Каждую из полученных групп, в свою очередь, разбивают на две подгруппы с одинаковыми суммарными вероятностями и т. д. Процесс повторяется до тех пор, пока в каждой подгруппе останется по одному знаку.
Пример 5.5. Проведем эффективное кодирование ансамбля из восьми знаков, характеристики которого представлены в табл. 5.4.
Таблица 5.4
Ясно, что при обычном (не учитывающем статистических характеристик) кодировании для представления каждого знака требуется три двоичных символа. Используя методику Шеннона — Фано, получаем совокупность кодовых комбинаций, приведенных в табл. 5.4.
Так как вероятности знаков представляют собой целочисленные отрицательные степени двойки, то избыточность при кодировании устраняется полностью. Среднее число символов на знак в этом случае точно равно энтропии. Убедимся в этом, вычислив энтропию:
и среднее число символов на знак
где n(zi) — число символов в кодовой комбинации, соответствующей знаку zi.
В более общем случае для алфавита из восьми знаков среднее число символов на знак будет меньше трех, но больше энтропии алфавита Η(Ζ).
Пример 5.6. Определим среднюю длину кодовой комбинации при эффективном кодировании знаков ансамбля, приведенного в табл. 5.5.
Энтропия ансамбля равна 2,76. В результате сопоставления отдельным знакам ансамбля кодовых комбинаций по методике Шеннона — Фано (табл. 5.5) получаем среднее число символов на знак, равное 2,84.
Следовательно, некоторая избыточность в последовательностях символов осталась. Из теоремы Шеннона следует, что эту избыточность также можно устранить, если перейти к кодированию достаточно большими блоками.
Пример 5.7. Рассмотрим процедуру эффективного кодирования сообщений, образованных с помощью алфавита, состоящего всего из двух знаков z1 и z2 с вероятностями появления соответственно р(z1) = 0,9 и ρ(z2) = 0,1.
Так как вероятности не равны, то последовательность из таких букв будет обладать избыточностью. Однако при побуквенном кодировании мы никакого эффекта не получим.
Действительно, на передачу каждой буквы требуется символ либо 1, либо 0, в то время как энтропия равна 0,47.
При кодировании блоков, содержащих по две буквы, получим коды, показанные в табл. 5.6.
Таблица 5.6
Так как знаки статистически не связаны, вероятности блоков определяются как произведение вероятностей составляющих знаков.
Среднее число символов на блок получается равным 1,29, а на букву — 0,645.
Кодирование блоков, содержащих по три знака, дает еще больший эффект. Соответствующий ансамбль и коды приведены в табл. 5.7.
Среднее число символов на блок равно 1,59, а на знак — 0,53, что всего на 12 % больше энтропии. Теоретический минимум Η(Ζ) = 0,47 может быть достигнут при кодировании блоков, включающих бесконечное число знаков:
Следует подчеркнуть, что увеличение эффективности кодирования при укрупнении блоков не связано с учетом все более далеких статистических связей, так как нами рассматривались алфавиты с некоррелированными знаками. Повышение эффективности определяется лишь тем, что набор вероятностей, получающихся при укрупнении блоков, можно делить на более близкие по суммарным вероятностям подгруппы.
Рассмотренная методика Шеннона — Фано не всегда приводит к однозначному построению кода. Ведь при разбиении на подгруппы можно сделать большей по вероятности как верхнюю, так и нижнюю подгруппы. Например, множество вероятностей, приведенных в табл. 5.5, можно было бы разбить так, как показано в табл. 5.8.
Таблица 5.8
От указанного недостатка свободна методика Хаффмена. Она гарантирует однозначное построение кода с наименьшим для данного распределения вероятностей средним числом символов на букву.
Для двоичного кода методика сводится к следующему. Буквы алфавита сообщений выписывают в основной столбец в порядке убывания вероятностей. Две последние буквы объединяют в одну вспомогательную букву, которой приписывают суммарную вероятность. Вероятности букв, не участвовавших в объединении, и полученная суммарная вероятность снова располагаются в порядке убывания вероятностей в дополнительном столбце, а две последние объединяются. Процесс продолжается до тех пор, пока не получим единственную вспомогательную букву с вероятностью, равной единице.
Пример 5.8. Используя методику Хаффмана, осуществим эффективное кодирование ансамбля знаков, приведенного в табл. 5.5.
Процесс кодирования поясняется табл. 5.9. Для составления кодовой комбинации, соответствующей данному знаку, необходимо проследить путь перехода знака по строкам и столбцам таблицы.
Для наглядности строим кодовое дерево. Из точки, соответствующей вероятности 1, направляем две ветви, причем ветви с большей вероятностью присваиваем символ 1, а с меньшей 0. Такое последовательное ветвление продолжаем до тех пор, пока не дойдем до вероятности каждой буквы. Кодовое дерево для алфавита букв, рассматриваемого в табл. 5.9, приведено на рис. 5.16.
Теперь, двигаясь по кодовому дереву сверху вниз, можно записать для каждой буквы соответствующую ей кодовую комбинацию:
Требование префиксности эффективных кодов. Рассмотрев методики построения эффективных кодов, нетрудно убедиться в том, что эффект достигается благодаря присвоению более коротких кодовых комбинаций более вероятным знакам и более длинных менее вероятным знакам. Таким образом, эффект связан с различием в числе символов кодовых комбинаций. А это приводит к трудностям при декодировании. Конечно, для различения кодовых комбинаций можно ставить специальный разделительный символ, но при этом значительно снижается эффект, которого мы добивались, так как средняя длина кодовой комбинации по существу увеличивается на символ.
Более целесообразно обеспечить однозначное декодирование без введения дополнительных символов. Для этого эффективный код необходимо строить так, чтобы ни одна комбинация кода не совпадала с началом более длинной комбинации. Коды, удовлетворяющие этому условию, называют префиксными кодами. Последовательность 100000110110110100 комбинаций префиксного кода, например кода
декодируется однозначно:
Последовательность 000101010101 комбинаций непрефиксного кода, например кода
(комбинация 01 является началом комбинации 010), может быть декодирована по-разному:
или
Нетрудно убедиться, что коды, получаемые в результате применения методики Шеннона — Фано или Хаффмена, являются префиксными.
Методы эффективного кодирования коррелированной последовательности знаков. Декорреляция исходной последовательности может быть осуществлена путем укрупнения алфавита знаков. Подлежащие передаче сообщения разбиваются на двух-, трех- или n-знаковые сочетания, вероятности которых известны:
Каждому сочетанию ставится в соответствие кодовая комбинация по методике Шеннона — Фано или Хаффмена.
Недостаток такого метода заключается в том, что не учитываются корреляционные связи между знаками, входящими в состав следующих друг за другом сочетаний. Естественно, он проявляется тем меньше, чем больше знаков входит в каждое сочетание.
Указанный недостаток устраняется при кодировании по методу диаграмм, триграмм или l-грамм. Условимся называть l-граммой сочетание из l смежных знаков сообщения. Сочетание из двух смежных знаков называют диаграммой, из трех — триграммой и т. д.
Теперь в процессе кодирования l-грамма непрерывно перемещается по тексту cсообщения:
Кодовое обозначение каждого очередного знака зависит от l-1 предшествовавших ей знаков и определяется по вероятностям различных l-грамм на основании методики Шеннона - Фано или Хаффмена.
Конкретное значение l выбирают в зависимости от степени корреляционной связи между знаками или сложности технической реализации кодирующих и декодирующих устройств.
Недостатки системы эффективного кодирования. Причиной одного из недостатков является различие в длине кодовых комбинаций. Если моменты снятия информации с источника неуправляемы (например, при непрерывном съеме информации с запоминающего устройства на магнитной ленте), кодирующее устройство через равные промежутки времени выдает комбинации различной длины. Так как линия связи используется эффективно только в том случае, когда символы поступают в нее с постоянной скоростью, то на выходе кодирующего устройства должно быть предусмотрено буферное устройство («упругая» задержка). Оно запасает символы по мере поступления и выдает их в линию связи с постоянной скоростью. Аналогичное устройство необходимо и на приемной стороне.
Второй недостаток связан с возникновением задержки в передаче информации.
Наибольший эффект достигается при кодировании длинными блоками, а это приводит к необходимости накапливать знаки, прежде чем поставить им в соответствие определенную последовательность символов. При декодировании задержка возникает снова. Общее время задержки может быть велико, особенно при появлении блока, вероятность которого мала. Это следует учитывать при выборе длины кодируемого блока.
Еще один недостаток заключается в специфическом влиянии помех на достоверность приема. Одиночная ошибка может перевести передаваемую кодовую комбинацию в другую, не равную ей по длительности. Это повлечет за собой неправильное декодирование ряда последующих комбинаций, который называют треком ошибки.
Специальными методами построения эффективного кода трек ошибки стараются свести к минимуму [18].
Следует отметить относительную сложность технической реализации систем эффективного кодирования.
§ 5.5. ТЕХНИЧЕСКИЕ СРЕДСТВА КОДИРОВАНИЯ
И ДЕКОДИРОВАНИЯ ЭФФЕКТИВНЫХ КОДОВ
Из материала предыдущего параграфа следует, что в общем случае кодер источника должен содержать следующие блоки:
устройство декорреляции, ставящее в соответствие исходной последовательности знаков другую декоррелированную последовательность знаков;
собственно кодирующее устройство, ставящее в соответствие декоррелированной последовательности знаков последовательность кодовых комбинаций;
буферное устройство, выравнивающее плотность символов перед их поступлением в линию связи.
Декор источника соответственно должен содержать:
устройство декодирования последовательности кодовых комбинаций в последовательность знаков;
буферное устройство, выравнивающее интервалы между знаками;
устройство pекорреляции, осуществляющее операцию, обратную декорреляции.
В частном случае, когда корреляционные связи между знаками отсутствуют и имеется возможность управлять моментами считывания информации с источника, схемы кодера и декодера источника существенно упрощаются.
Ограничимся рассмотрением этого случая применительно к коду, приведенному в табл. 5.9.
Схема кодера источника приведена на рис. 5.17. В ней можно выделить основной матричный шифратор 1 с регистром 3 и вспомогательную схему управления считыванием информации, содержащую матричный шифратор 2 — с регистром сдвига 4. Число горизонтальных шин шифраторов равно числу кодируемых знаков, а число вертикальных шин в каждом из них равно числу символов в самой длинной комбинации используемого эффективного кода.
Включение диодов в узлах ί-й горизонтальной шины основного шифратора 1 обеспечивает запись в регистр сдвига 3 кодовой комбинации, соответствующей знаку zi.
Во вспомогательном шифраторе 2 к каждой i-й горизонтальной шине подключен только один диод, обеспечивающий запись единицы в такую ячейку регистра 4, номер которой совпадает с числом символов в кодовой комбинации, соответствующей знаку zi.
Кодирование очередного знака zi, выдаваемого источником информации 7, осуществляется посредством подачи через элементы И импульса на ί-ю горизонтальную шину шифраторов от импульсного источника питания 6. При этом в регистр сдвига 3 записывается кодовая комбинация, соответствующая знаку zi, а в регистр 4 — единица, несущая информацию о конце этой кодовой комбинации. Продвигающими импульсами генератора 5 записанная в регистре 3 кодовая комбинация символ за символом выводится в канал связи. Посредством того же генератора сдвигается и единица в регистре 4. Соответствующий ей импульс появится на выходе регистра в тот момент, когда из регистра 3 будет выведен последний символ кодовой комбинации. Этот импульс используется как управляющий для перехода к кодированию следующего знака.
На рис. 5.18 приведена схема декодирующего устройства, разработанного Гильбертом и Муром.
Символы декодируемой кодовой комбинации, поступающие на вход 2, продвигаются по нему импульсами тактового генератора 5. Так как некоторые из поступающих кодовых комбинаций начинаются с одного или нескольких нулей, то непосредственно по содержанию регистра невозможно определить начало этих комбинаций, а следовательно, и правильно их декодировать.
Для однозначного определения начала каждой кодовой комбинации число ячеек регистра берут на единицу больше числа символов в самой длинной комбинации используемого эффективного кода. В дополнительной первой ячейке регистра перед поступлением в него очередной декодируемой комбинации всегда записывают единицу. Продвигаясь по регистру, она сигнализирует о начале кодовой комбинации, а следовательно, и о ее длине.
За каждым тактовым импульсом следует импульс с источника 6, питающего матричный дешифратор 1. Последний построен в соответствии с комбинациями используемого кода, в котором со стороны старшего разряда приписана лишняя единица. При поступлении в регистр последнего символа декодируемой первой кодовой комбинации очередной импульс от источника 6 приводит к появлению импульса напряжения на выходе i-й шине дешифратора, что соответствует приему знака zi. Через схему ИЛИ этот импульс записывается в промежуточную ячейку памяти 4 и при считывании очередным импульсом с генератора сброса 3 используется для установления всех ячеек регистра в исходное состояние (в первой ячейке 1, в остальных 0). Далее поступает следующая кодовая комбинация и процесс декодирования повторяется.
Контрольные вопросы
1. В чем преимущества использования двоичных кодов при передаче, хранении и обработке информации?
2. С какой целью применяется код Грея?
3. В чем сущность метода поразрядного уравновешивания?
4. Сравните различные типы аналого-цифровых преобразователей по быстродействию и точности.
5. Что понимают под криптографическим закрытием информации?
6. Какие требования предъявляются к современным методам криптографического закрытия информации?
7. Назовите основной недостаток шифрования гаммированием.
8. В чем суть эффективного статистического кодирования?
9. Сформулируйте и поясните основную теорему Шеннона о кодировании для канала без помех.
10. Каковы причины эффективности кодирования длинных последовательных знаков?
11. За счет чего при эффективном кодировании уменьшается средняя длина кодовой комбинации?
12. До какого предела может быть уменьшена средняя длина кодовой комбинации при эффективном кодировании?
13. В чем преимущество методики построения эффективного кода, предложенной Хаффманом, по сравнению с методикой Шеннона — Фано?
14. Какому основному условию должны удовлетворить эффективные коды?
15. Перечислите сложности, возникающие при использовании эффективных кодов.
ГЛАВА 6. КОДИРОВАНИЕ ИНФОРМАЦИИ ПРИ ПЕРЕДАЧЕ
ПО ДИСКРЕТНОМУ КАНАЛУ С ПОМЕХАМИ
§ 6.1. ОСНОВНАЯ ТЕОРЕМА ШЕННОНА О КОДИРОВАНИИ
ДЛЯ КАНАЛА С ПОМЕХАМИ
Теория помехоустойчивого кодирования базируется на результатах исследований, проведенных Шенноном и сформулированных им в виде теоремы:
1. При любой производительности источника сообщений, меньшей, чем пропускная способность канала, существует такой способ кодирования, который позволяет обеспечить передачу всей информации, создаваемой источником сообщений, со сколь угодно малой вероятностью ошибки.
2. Не существует способа кодирования, позволяющего вести передачу информации со сколь угодно малой вероятностью ошибки, если производительность источника сообщений больше пропускной способности канала.
Хотя доказательство этой теоремы, предложенной Шенноном, в дальнейшем подвергалось более глубокому и строгому математическому представлению [34], идея его осталась неизменной. Доказывается только существование искомого способа кодирования, для чего находят среднюю вероятность ошибки по всем возможным способам кодирования и показывают, что она может быть сделана сколь угодно малой. При этом существует хотя бы один способ кодирования, для которого вероятность ошибки меньше средней.
Доказательство теоремы. Будем кодировать сообщения такой длительности Т, чтобы была справедлива теорема об асимптотической вероятности длинных последовательностей букв (см. § 4.2). Тогда при заданной производительности источника сообщений Ī(Ζ) кодированию подлежат только Ν(z) типичных последовательностей, причем:
Ориентируясь на равновероятное поступление в канал любого из m различных элементарных входных сигналов и отсутствие между ними статистической связи на входе канала, можно сформировать N(u) равновероятных последовательностей длительности Т, причем
Если условие существования способа кодирования выполняется, т. е.
то
и
Следовательно, существуетспособов кодирования, при которых множеству сообщений N(z) случайным образом ставятся в соответствие различные подмножества разрешенных последовательностей элементарных сигналов из множества N(u).
При равновероятном выборе последовательностей элементарных сигналов из множества N(u) для любого подмножества разрешенных последовательностей вероятность ρ того, что конкретная последовательность будет отнесена к числу разрешенных,
В результате действия помех при получении на выходе канала сигналов v остается неопределенность относительно переданных последовательностей u. Она характеризуется условной энтропией Hv(U) и эквивалентна неопределенности выбора из последовательностей. Конкретная последовательность может быть идентифицирована со сколь угодно малой вероятностью ошибки, если среди Nv(U) последовательностей она единственная разрешенная. Отсюда принципиальная необходимость введения избыточности в кодируемые последовательности для компенсации потерь информации в канале из-за действия помех.
Определим среднюю по всем возможным способам кодирования вероятность того, что ни одна из Nv(U)-1 последовательностей не является разрешенной:
Так как (1 — р)<1, то увеличение степени на единицу приведет к неравенству
Правую часть неравенства разложим в ряд
Покажем, что члены ряда убывают по абсолютному значению. Для этого выразим ρ через Nv(U) [14].
Используя соотношение (6.3), запишем
или
где Выражение (6.4) теперь можно привести к виду
Согласно признаку Лейбница, остаток знакопеременного ряда с убывающими по абсолютному значению членами имеет тот же знак, что и первый отбрасываемый член, и меньше его по абсолютному значению. Следовательно, отбросив в разложении (6.5) все члены, содержащие ρ во второй и более высоких степенях, мы только усилим неравенство
Тогда для средней вероятности ошибочного приема типичной последовательности ош запишем:
Вероятность ош пристремится к нулю. Принимая во внимание, что при неограниченном увеличении Т вероятность появления на входе канала нетипичной последовательности в соответствии с теоремой об асимптотической равновероятности также стремится к нулю, справедливо утверждение: при любом заданном η>0 можно выбрать такое T, при котором средняя вероятность ошибочной передачи информации по каналу будет меньше произвольно малого положительного числа.
Теорему можно считать доказанной, поскольку среди всего множества способов кодирования должен существовать хотя бы один, при котором вероятность ошибочного приема меньше средней.
С доказательством второй части рассматриваемой теоремы (обратного утверждения) можно ознакомиться в [36].
Обсуждение теоремы. В первую очередь отметим фундаментальность полученного результата. Теорема устанавливает теоретический предел возможной эффективности системы при достоверной передаче информации. Ею опровергнуто казавшееся интуитивно правильным представление о том, что достижение сколь угодно малой вероятности ошибки в случае передачи информации по каналу с помехами возможно лишь при введении бесконечно большой избыточности, т. е. при уменьшении скорости передачи до нуля. Из теоремы следует, что помехи в канале не накладывают ограничений на точность передачи. Ограничение накладывается только на скорость передачи, при которой может быть достигнута сколь угодно высокая достоверность передачи.
Теорема неконструктивна в том смысле, что в ней не затрагивается вопрос о путях построения кодов, обеспечивающих указанную идеальную передачу. Однако, обосновав принципиальную возможность такого кодирования, она мобилизовала усилия ученых на разработку конкретных кодов.
Следует отметить, что при любой конечной скорости передачи информации вплоть до пропускной способности сколь угодно малая вероятность ошибки, как следует из соотношения (6.10), достигается лишь при безграничном увеличении длительности кодируемых последовательностей знаков. Таким образом, безошибочная передача при наличии помех возможна лишь теоретически.
Обеспечение передачи информации с весьма малой вероятностью ошибки и достаточно высокой эффективностью возможно при кодировании чрезвычайно длинных последовательностей знаков. На практике степень достоверности и эффективности ограничивается двумя факторами: размерами и стоимостью аппаратуры кодирования и декодирования и временем задержки передаваемого сообщения. В настоящее время используются относительно простые методы кодирования, которые не реализуют возможностей, указанных теорией. Однако постоянно растущие требования в отношении достоверности передачи и успехи в технологии создания больших интегральных схем способствуют внедрению для указанных целей все более сложного оборудования.
§ 6.2. РАЗНОВИДНОСТИ ПОМЕХОУСТОЙЧИВЫХ КОДОВ
Бурный рост теории и практики помехоустойчивого кодирования в последнее десятилетие связан в первую очередь с созданием средств телеобработки данных, вычислительных систем и сетей, региональных автоматизированных систем управления, систем автоматизации научных исследований. Высокие требования к достоверности передачи, обработки и хранения информации в указанных системах диктовали необходимость такого кодирования информации, которое обеспечивало бы возможность обнаружения и исправления ошибки.
В этом случае кодирование должно осуществляться так, чтобы сигнал, соответствующий принятой последовательности символов, после воздействия на него предполагаемой в канале помехи оставался ближе к сигналу, соответствующему конкретной переданной последовательности символов, чем к сигналам, соответствующим другим возможным последовательностям. (Степень близости обычно определяется по числу разрядов, в которых последовательности отличаются друг от друга.)
Это достигается ценой введения при кодировании избыточности, которая позволяет так выбрать передаваемые последовательности символов, чтобы они удовлетворяли дополнительным условиям, проверка которых на приемной стороне дает возможность обнаружить и исправить ошибки.
Коды, обладающие таким свойством, называют помехоустойчивыми. Они используются как для исправления ошибок (корректирующие коды), так и для их обнаружения.
У подавляющего большинства существующих в настоящее время помехоустойчивых кодов указанные условия являются следствием их алгебраической структуры. В связи с этим их называют алгебраическими кодами. (В отличие, например, от кодов Вагнера, корректирующее действие которых базируется на оценке вероятности искажения каждого символа.)
Алгебраические коды можно подразделить на два больших класса: блоковые и непрерывные.
В случае блоковых кодов процедура кодирования заключается в сопоставлении каждой букве сообщения (или последовательности из k символов, соответствующей этой букве) блока из n символов. В операциях по преобразованию принимают участие только указанные k символов, и выходная последовательность не зависит от других символов в передаваемом сообщении.
Блоковый код называют равномерным, если n остается постоянным для всех букв сообщения.
Различают разделимые и неразделимые блоковые коды. При кодировании разделимыми кодами выходные последовательности состоят из символов, роль которых может быть отчетливо разграничена. Это информационные символы, совпадающие с символами последовательности, поступающей на вход кодера канала, и избыточные (проверочные) символы, вводимые в исходную последовательность кодером канала и служащие для обнаружения и исправления ошибок.
При кодировании неразделимыми кодами разделить символы выходной последовательности на информационные и проверочные невозможно.
Непрерывными (древовидными) называют такие коды, в которых введение избыточных символов в кодируемую последовательность информационных символов осуществляется непрерывно, без разделения ее на независимые блоки. Непрерывные коды также могут быть разделимыми и неразделимыми.
Наиболее простыми в отношении технической реализации кодами этого класса являются сверточные (рекуррентные) коды.
§ 6.3. БЛОКОВЫЕ КОДЫ
Общие принципы использования избыточности. Способность кода обнаруживать и исправлять ошибки обусловлена наличием избыточных символов. На вход кодирующего устройства поступает последовательность из k информационных двоичных символов. На выходе ей соответствует последовательность из n двоичных символов, причем
Всего может быть 2k различных входных и 2n различных выходных последовательностей. Из общего числа 2n выходных последовательностей только 2k последовательностей соответствуют входным. Назовем их разрешенными кодовыми комбинациями. Остальные 2n — 2k возможных выходных последовательностей для передачи не используются. Назовем их запрещенными комбинациями.
Искажение информации в процессе передачи сводится к тому, что некоторые из переданных символов заменяются другими — неверными. Так как каждая изразрешенных комбинаций в результате действия помех может трансформироваться в любую другую, то всего имеетсявозможных случаев передачи (рис. 6.1). В это число входят:
случаев безошибочной передачи (на рис. 6.1 обозначены жирными линиями);
случаев перехода в другие разрешенные комбинации, что соответствует необнаруживаемым ошибкам (на рис. 6.1 обозначены пунктирными линиями);
случаев перехода в неразрешенные комбинации, которые могут быть обнаружены (на рис. 6.1 обозначены тонкими сплошными линиями).
Следовательно, часть обнаруживаемых ошибочных кодовых комбинаций от общего числа возможных случаев передачи составляет:
Пример 6.1. Определим обнаруживающую способность кода, каждая комбинация которого содержит всего один избыточный символ (n = k+1). Общее число выходных последовательностей составляет 2k+1, т.е. вдвое больше общего числа кодируемых входных последовательностей. За подмножество разрешенных кодовых комбинаций можно принять, например, подмножество 2k комбинаций, содержащих четное число единиц (или нулей).
При кодировании к каждой последовательности из k информационных символов добавляется один символ (0 или 1) такой, чтобы число единиц в кодовой комбинации было четным. Искажение любого нечетного числа символов переводит разрешенную кодовую комбинацию в подмножество запрещенных комбинаций, что обнаруживается на приемной стороне по нечетности числа единиц. Часть опознанных ошибок составляет
Рассмотрим случай исправления ошибок.
Любой метод декодирования можно рассматривать как правило разбиения всего множества запрещенных кодовых комбинаций на непересекающихся подмножеств Mί, каждое из которых ставится в соответствие одной из разрешенных комбинаций. При получении запрещенной комбинации, принадлежащей подмножеству Mί, принимают решение, что передавалась разрешенная комбинация Аi. Ошибка будет исправлена в тех случаях, когда полученная комбинация действительно образовалась из Аi, т. е.случаях.
Всего случаев перехода в неразрешенные комбинации . Таким образом, при наличии избыточности любой код способен исправлять ошибки. Отношение числа исправляемых кодом ошибочных кодовых комбинаций к числу обнаруживаемых ошибочных комбинаций равно.
Способ разбиения на подмножества зависит от того, какие ошибки должны исправляться данным конкретным кодом.
Большинство разработанных до настоящего времени кодов предназначено для корректирования взаимно независимых ошибок определенной кратности и пачек (пакетов) ошибок.
Взаимно независимыми ошибками будем называть такие искажения в передаваемой последовательности символов, при которых вероятность появления любой комбинации искаженных символов зависит только от числа искаженных символов r и вероятности искажения одного символа р.
Кратностью ошибки называют количество искаженных символов в кодовой комбинации.
При взаимно независимых ошибках вероятность искажения любых r символов в n-разрядной кодовой комбинации
Если учесть, что р«1, то в этом случае наиболее вероятны ошибки низшей кратности. Их и следует обнаруживать и исправлять в первую очередь.
Связь корректирующей способности кода с кодовым расстоянием. Из предыдущего следует, что при взаимно независимых ошибках наиболее вероятен переход в кодовую комбинацию, отличающуюся от данной в наименьшем числе символов.
Степень отличия любых двух кодовых комбинаций характеризуется расстоянием между ними в смысле Хэмминга или просто кодовым расстоянием. Оно выражается числом символов, в которых комбинации отличаются одна от другой, и обозначается через d.
Чтобы получить кодовое расстояние между двумя комбинациями двоичного кода, достаточно подсчитать число единиц в сумме этих комбинаций по модулю 2. Например:
Минимальное расстояние, взятое по всем парам кодовых разрешенных комбинаций кода, называют минимальным кодовым расстоянием.
Декодирование после приема может производиться таким образом, что принятая кодовая комбинация отождествляется с той разрешенной, которая находится от нее на наименьшем кодовом расстоянии.
Такое декодирование называется декодированием по методу максимального правдоподобия.
Очевидно, что при d =1 все кодовые комбинации являются разрешенными.
Например, при n = 3 разрешенные комбинации образуют следующее множество: 000, 001, 010, 011, 100, 101, 110, 111.
Любая одиночная ошибка трансформирует данную комбинацию в другую разрешенную комбинацию. Это случай безызбыточного кода, не обладающего корректирующей способностью.
Если d = 2, то ни одна из разрешенных кодовых комбинаций при одиночной ошибке не переходит в другую разрешенную комбинацию. Например, подмножество разрешенных кодовых комбинаций может быть образовано по принципу четности в них числа единиц, как это приведено ниже для n = 3:
Код обнаруживает одиночные ошибки, а также другие ошибки нечетной кратности (при n = 3 тройные). В общем случае при необходимости обнаруживать ошибки кратности до r включительно минимальное хэммингово расстояние между разрешенными кодовыми комбинациями должно быть по крайней мере на единицу больше r, т. е.
Действительно, в этом случае ошибка, кратность которой не превышает r, не в состоянии перевести одну разрешенную кодовую комбинацию в другую.
Для исправления одиночной ошибки каждой разрешенной кодовой комбинации необходимо сопоставить подмножество запрещенных кодовых комбинаций. Чтобы эти подмножества не пересекались, хэммингово расстояние между разрешенными кодовыми комбинациями должно быть не менее трех. При n = 3 за разрешенные комбинации можно, например, принять 000 или 111. Тогда разрешенной комбинации 000 необходимо приписать подмножество запрещенных кодовых комбинаций 001, 010, 100, образующихся в результате возникновения единичной ошибки в комбинации 000.
Подобным же образом разрешенной комбинации 111 необходимо приписать подмножество запрещенных кодовых комбинаций: 110, 011, 101, образующихся в результате возникновения единичной ошибки в комбинации 111:
В общем случае для обеспечения возможности исправления всех ошибок кратности до s включительно при декодировании по методу максимального правдоподобия каждая из ошибок должна приводить к запрещенной комбинации, относящейся к подмножеству исходной разрешенной кодовой комбинации.
Подмножество каждой из разрешенных n-разрядных комбинаций Bi (рис. 6.2) складывается из запрещенных комбинаций, являющихся следствием воздействия:
единичных ошибок (они располагаются на сфере радиусом d=1, и их число равно C),
двойных ошибок (они располагаются на сфере радиусом d = 2, и их число равно C) и т. д.
Внешняя сфера подмножества имеет радиус d = s и содержит С запрещенных кодовых комбинаций.
Поскольку указанные подмножества не должны пересекаться, минимальное хэммингово расстояние между разрешенными комбинациями должно удовлетворять соотношению
Нетрудно убедиться в том (рис. 6.3), что для исправления всех ошибок кратности s и одновременного обнаружения всех ошибок кратности r(rs) минимальное хэммингово расстояние нужно выбирать из условия
Формулы, выведенные для случая взаимно независимых ошибок, дают завышенные значения минимального кодового расстояния при помехе, коррелированной с сигналом.
В реальных каналах связи длительность импульсов помехи часто превышает длительность символа. При этом одновременно искажаются несколько расположенных рядом символов комбинации. Ошибки такого рода получили название пачек ошибок или пакетов ошибок. Длиной пачки ошибок называют число следующих друг за другом символов, начиная с первого искаженного символа и кончая искаженным символом, за которым следует не менее ρ неискаженных символов. Основой для выбора ρ служат статистические данные об ошибках. Если, например, кодовая комбинация 00000000000000000 трансформировалась в комбинацию 01001000010101000 и ρ принято равным трем, то в комбинации имеется два пакета длиной 4 и 5 символов.
Описанный способ декодирования для этого случая не является наиболее эффективным.
Для пачек ошибок и асимметричного канала при той же корректирующей способности минимальное хэммингово расстояние между разрешенными комбинациями может быть меньше.
Подчеркнем еще раз, что каждый конкретный корректирующий код не гарантирует исправления любой комбинации ошибок. Коды предназначены для исправления комбинаций ошибок, наиболее вероятных для заданного канала и наиболее опасных по последствиям.
Если характер и уровень помехи отличаются от предполагаемых, эффективность применения кода резко снизится. Применение корректирующего кода не может гарантировать безошибочного приема, но дает возможность повысить вероятность получения на выходе правильного результата.
Геометрическая интерпретация блоковых корректирующих кодов. Любая n-разрядная двоичная кодовая комбинация может быть интерпретирована как вершина n-мерного единичного куба, т. е. куба с длиной ребра, равной 1.
При n = 2 кодовые комбинации располагаются в вершинах квадрата (рис. 6.4); при n = 3 — в вершинах единичного куба (рис. 6.5); при n = 4 — в вершинах четырехмерного куба (рис. 6.6).
В общем случае n-мерный единичный куб имеет 2n вершин, что равно наибольшему возможному числу кодовых комбинаций. Такая модель дает простую геометрическую интерпретацию и кодовому расстоянию между отдельными кодовыми комбинациями. Оно соответствует наименьшему числу ребер единичного куба, которые необходимо пройти, чтобы попасть от одной комбинации к другой.
Теперь метод декодирования при исправлении одиночных независимых ошибок можно пояснить следующим образом. В подмножество каждой разрешенной комбинации относят все вершины, лежащие в сфере с радиусом (d - l)/2 и центром в вершине, соответствующей данной разрешенной кодовой комбинации. Если в результате действия шума комбинация переходит в точку, находящуюся внутри сферы (d—1)/2, то такая ошибка может быть исправлена.
Если помеха смещает точку разрешенной комбинации на границу двух сфер (расстояние d/2) или дальше (но не в точку, соответствующую другой разрешенной комбинации), то такое искажение может быть обнаружено. Для кодов с независимым искажением символов лучшие корректирующие коды — это такие, у которых точки, соответствующие разрешенным кодовым комбинациям, расположены в пространстве равномерно.
Показатели качества корректирующего кода. Одной из основных характеристик корректирующего кода является избыточность кода, указывающая степень удлинения кодовой комбинации для достижения определенной корректирующей способности. Если на каждые n символов выходной последовательности кодера канала приходится k информационных и n-k проверочных, то относительная избыточность кода может быть выражена одним из соотношений
или
Величина Rk, изменяющаяся от 0 до ∞, предпочтительнее, так как лучше отвечает смыслу понятия избыточности. Коды, обеспечивающие заданную корректирующую способность при минимально возможной избыточности, называют оптимальными.
В связи с нахождением оптимальных кодов оценим, например, наибольшее возможное число Q разрешенных комбинаций n-значного двоичного кода, обладающего способностью исправлять взаимно независимые ошибки кратности до s включительно. Это равносильно отысканию числа комбинаций, кодовое расстояние между которыми не менее
Общее число различных исправляемых ошибок для каждой разрешенной комбинации составляет (см. рис. 6.2).
Каждая из таких ошибок должна приводить к запрещенной комбинации, относящейся к подмножеству данной разрешенной комбинации. Совместно с этой комбинацией подмножество включает комбинаций.
Как отмечалось, однозначное декодирование возможно только в том случае, когда названные подмножества не пересекаются. Так как общее число различных комбинаций n-значного двоичного кода составляет 2n, число разрешенных комбинаций не может превышать
или
Эта верхняя оценка найдена Хэммингом. Для некоторых конкретных значений кодового расстояния d соответствующие Q указаны в табл. 6.1.
Таблица 6.1
Коды, для которых в приведенном соотношении достигается равенство, называют также плотноупакованными.
Однако не всегда целесообразно стремиться к использованию кодов, близких к оптимальным. Необходимо учитывать другой, не менее важный показатель качества корректирующего кода — сложность технической реализации процессов кодирования и декодирования.
Если информация должна передаваться по медленно действующей, ненадежной и дорогостоящей линии связи, а кодирующее и декодирующее устройства предполагается выполнить на высоконадежных и быстродействующих элементах, то сложность этих устройств не играет существенной роли. Решающим фактором в таком случае является повышение эффективности использования линии связи и поэтому желательно применение корректирующих кодов с минимальной избыточностью.
Если же корректирующий код должен быть применен в системе, выполненной на элементах, надежность и быстродействие которых равны или близки надежности и быстродействию элементов кодирующей и декодирующей аппаратуры (например, для повышения достоверности воспроизведения информации с запоминающего устройства цифровой вычислительной машины), то критерием качества корректирующего кода является надежность системы в целом, т. е. с учетом возможных искажений и отказов в устройствах кодирования и декодирования. В этом случае часто более целесообразны коды с большей избыточностью, но обладающие преимуществом простоты технической реализации.
Линейные коды. Самый большой класс разделимых кодов составляют линейные коды, у которых значения проверочных символов определяются в результате проведения линейных операций над определенными информационными символами. Для случая двоичных кодов каждый проверочный символ выбирают таким, чтобы его сумма с определенными информационными символами была равна нулю. Символ проверочной позиции имеет значение 1, если число единиц информационных разрядов, входящих в данное проверочное равенство, нечетно, и 0, если оно четно. Число проверочных равенств (а следовательно, и число проверочных символов) и номера конкретных информационных разрядов, входящих в каждое из равенств, определяется тем, какие и сколько ошибок должен исправлять или обнаруживать данный код. Проверочные символы могут располагаться на любом месте кодовой комбинации.
При декодировании определяется справедливость проверочных равенств. В случае двоичных кодов такое определение сводится к проверкам на четность числа единиц среди символов, входящих в каждое из равенств (включая проверочный). Совокупность проверок дает информацию о том, имеется ли ошибка, а в случае необходимости и о том, на каких позициях символы искажены.
Любой двоичный линейный код является групповым, так как совокупность входящих в него кодовых комбинаций образует группу. Уточнение понятий линейного и группового кода требует ознакомления с основами линейной алгебры.
Математическое введение к линейным кодам. Основой математического описания линейных кодов является линейная алгебра (теория векторных пространств, теория матриц, теория групп). Кодовые комбинации рассматривают как элементы множества, например кодовые комбинации двоичного кода принадлежат множеству положительных двоичных чисел.
Множества, для которых определены некоторые алгебраические операции, называют алгебраическими системами. Под алгебраической операцией понимают однозначное сопоставление двум элементам некоторого третьего элемента по определенным правилам. Обычно основную операцию называют сложением (обозначают а + b = с) или умножением (обозначают а∙b=с), а обратную ей — вычитанием или делением, даже если эти операции проводятся не над числами и неидентичны соответствующим арифметическим операциям.
Рассмотрим кратко основные алгебраические системы, широко используемые в теории корректирующих кодов.
Группой называют множество элементов, в котором определена одна основная операция и выполняются следующие аксиомы:
1. В результате применения операции к любым двум элементам группы образуется элемент этой же группы (требование замкнутости).
2. Для любых трех элементов группы а, b и с удовлетворяется равенство (если основная операция — сложение) и равенство (если основная операция — умножение).
3. В любой группе Gn существует однозначно определенный элемент, удовлетворяющий при всех значениях а из Gn условию (если основная операция — сложение) или условию (если основная операция — умножение).
В первом случае этот элемент называют нулем и обозначают символом 0, а во втором — единицей и обозначают символом 1.
4. Всякий элемент а группы обладает элементом, однозначно определенным уравнением а+(-а) = - а + а = 0 (если основная операция сложение) или уравнением (если основная операция — умножение).
В первом случае этот элемент называют противоположным и обозначают (-а), а во втором — обратным и обозначают а-1.
Если операция, определенная в группе, коммутативна, т. е. справедливо равенство (для группы по сложению) или равенство ab = bа (для группы по умножению), то группу называют коммутативной или абелевой.
Группу, состоящую из конечного числа элементов, называют конечной. Число элементов в группе называют порядком группы.
Чтобы рассматриваемое нами множество n-разрядных кодовых комбинаций было конечной группой, при выполнении основной операции число разрядов в результирующей кодовой комбинации не должно увеличиваться. Этому условию удовлетворяет операция символического поразрядного сложения по заданному модулю q (q — простое число), при которой цифры одинаковых разрядов элементов группы складываются обычным порядком, а результатом сложения считается остаток от деления полученного числа на модуль q.
При рассмотрении двоичных кодов используется операция сложения по модулю 2. Результатом сложения цифр данного разряда является 0, если сумма единиц в нем четна, и 1, если сумма единиц в нем нечетна, например:
Выбранная нами операция коммутативна, поэтому рассматриваемые группы будут абелевыми.
Нулевым элементом является комбинация, состоящая из одних нулей. Противоположным элементом при сложении по модулю 2 будет сам заданный элемент. Следовательно, операция вычитания по модулю 2 тождественна операции сложения.
Пример 6.2. Определить, являются ли группами следующие множества кодовых комбинаций:
Первое множество не является группой, так как не содержит нулевого элемента.
Второе множество не является группой, так как не выполняется условие замкнутости, например сумма по модулю 2 комбинаций 1101 и 1110 дает комбинацию 0011, не принадлежащему исходному множеству.
Третье множество удовлетворяет всем перечисленным условиям и является группой.
Подмножества группы, являющиеся сами по себе группами относительно операции, определенной в группе, называют подгруппами. Например, подмножество трехразрядных кодовых комбинаций: 000, 001, 010, 011 образуют подгруппу указанной в примере группы трехразрядных кодовых комбинаций.
Пусть в абелевой группе Gn задана определенная подгруппа А. Если В — любой не входящий в А элемент из Gn, то суммы (по модулю 2) элементов В с каждым из элементов подгруппы А образуют смежный класс группы Gn по подгруппе А, порождаемый элементом В.
Элемент В, естественно, содержится в этом смежном классе, так как любая подгруппа содержит нулевой элемент. Взяв последовательно некоторые элементы Вj группы, не вошедшие в уже образованные смежные классы, можно разложить всю группу на смежные классы по подгруппе А.
Элементы Bj называют образующими элементами смежных классов подгруппы.
В таблице разложения, иногда называемой групповой таблицей, образующие элементы обычно располагают в крайнем левом столбце, причем крайним левым элементом подгруппы является нулевой элемент.
Пример 6.3. Разложим группу трехразрядных двоичных кодовых комбинаций по подгруппе двухразрядных кодовых комбинаций.
Разложение выполняем в соответствии с табл. 6.2.
Пример 6.4. Разложим группу четырехразрядных двоичных кодовых комбинаций по подгруппе двухразрядных кодовых комбинаций.
Существует много вариантов разложения в зависимости от того, какие элементы выбраны в качестве образующих смежных классов. Один из вариантов представлен в табл. 6.3.
Кольцом называют множество элементов R, на котором определены две операции (сложения и умножения), такие, что:
1) множество R является коммутативной группой по сложению;
2) произведение элементов aR и bR есть элемент R (замкнутость по отношению к умножению);
3) для любых трех элементов а, b и с из R справедливо равенство a(bc) = (ab)c (ассоциативный закон для умножения);
4) для любых трех элементов а, b и с из R выполняются соотношения а(b+с) = =ab+ас и (b+c)a = bа+са (дистрибутивные законы).
Если для любых двух элементов кольца справедливо соотношение ab = bа, кольцо называют коммутативным. Кольцо может не иметь единичного элемента по умножению и обратных элементов.
Примером кольца может служить множество действительных четных целых чисел относительно обычных операций сложения и умножения.
Полем F называют множество по крайней мере двух элементов, в котором определены две операции — сложение и умножение, и выполняются следующие аксиомы:
1) множество элементов образует коммутативную группу по сложению;
2) множество ненулевых элементов образует коммутативную группу по умножению;
3) для любых трех элементов множества а, b, с выполняется соотношение (дистрибутивный закон)
Поле F является, следовательно, коммутативным кольцом с единичным элементом по умножению, в котором каждый ненулевой элемент обладает обратным элементом. Примером поля может служить множество всех действительных чисел.
Поле GF(P), состоящее из конечного числа элементов Р, называют конечным полем или полем Галуа. Для любого числа Р, являющегося степенью простого числа q, существует поле, насчитывающее Р элементов. Например, совокупность чисел по модулю q, если q — простое число, является полем.
Поле не может содержать менее двух элементов, поскольку в нем должны быть по крайней мере единичный элемент относительно операции сложения (0) и единичный элемент относительно операции умножения (1). Поле, включающее только 0 и 1, обозначим GF (2). Правила сложения и умножения в поле с двумя элементами следующие:
Двоичные кодовые комбинации, являющиеся упорядоченными последовательностями из n элементов поля GF (2), рассматриваются в теории кодирования как частный случай последовательностей из n элементов поля GF(P). Такой подход позволяет строить и анализировать коды с основанием, равным степени простого числа.
В общем случае суммой кодовых комбинаций Aj, и Ai называют комбинацию Af = Ai+Aj, в которой любой символ Ak (k=1, 2, ..., n) представляет собой сумму k-x символов исходных комбинаций, причем суммирование производится по правилам поля GF(P). При этом вся совокупность n-разрядных кодовых комбинаций оказывается абелевой группой.
В частном случае, когда основанием кода является простое число q, правило сложения в поле GF(q) совпадает с правилом сложения по заданному модулю q.
Линейный код как подпространство линейного векторного пространства. В рассмотренных алгебраических системах (группа, кольцо, поле) операции относились к одному классу математических объектов (элементов). Такие операции называют внутренними законами композиции элементов.
В теории кодирования широко используются модели, охватывающие два класса математических объектов (например, L и Ω). Помимо внутренних законов композиции в них задаются внешние законы композиции элементов, по которым любым элементам ωΩ и aL ставится в соответствие элемент cL.
Линейным векторным пространством над полем элементов F (скаляров) называют множество элементов V (векторов), если для него выполняются следующие аксиомы:
1) множество V является коммутативной группой относительно операции сложения;
2) для любого вектора ν из V и любого скаляра с из F определено произведение сv, которое содержится в V (замкнутость по отношению умножения на скаляр);
3) если u и ν из V векторы, а с и d из F скаляры, то справедливо (дистрибутивные законы);
4) если ν — вектор, а с и d — скаляры, то (cd)v = c(dv) и 1 · ν = ν (ассоциативный закон для умножения на скаляр).
Выше было определено правило поразрядного сложения кодовых комбинаций, при котором вся их совокупность образует абелеву группу. Определим теперь операцию умножения последовательности из n элементов поля GF(P) (кодовой комбинации) на элемент поля аi из GF(P) аналогично правилу умножения вектора на скаляр:
[умножение элементов производится по правилам поля GF(P)].
Поскольку при выбранных операциях дистрибутивные законы и ассоциативный закон (п. 3, 4) выполняются, все множество n-разрядных кодовых комбинаций можно рассматривать как векторное линейное пространство над полем GF(P), а кодовые комбинации — как его векторы.
В частности, при двоичном кодировании векторы состоят из элементов поля GF (2) (т. е. 0 и 1). Сложение проводят поразрядно по модулю 2. При умножении вектора на один элемент поля (1) он не изменяется, а умножение на другой (0) превращает его в единичный элемент векторного пространства, обозначаемый символом 0= (0 0...0).
Если в линейном пространстве последовательностей из n элементов поля GF(P) дополнительно задать операцию умножения векторов, удовлетворяющую определенным условиям (ассоциативности, замкнутости, билинейности по отношению к умножению на скаляры), то вся совокупность n-разрядных кодовых комбинаций превращается в линейную коммутативную алгебру над полем коэффициентов GF(P).
Подмножество элементов векторного пространства, которое удовлетворяет аксиомам векторного пространства, называют подпространством.
Линейным кодом называют множество векторов, образующих подпространство векторного пространства всех n-разрядных кодовых комбинаций над полем GF(P).
В случае двоичного кодирования такого подпространствo комбинаций над полем GF (2) образует любая совокупность двоичных кодовых комбинаций, являющаяся подгруппой группы всех n-разрядных двоичных кодовых комбинаций. Поэтому любой двоичный линейный код является групповым.
§ 6.4. ПОСТРОЕНИЕ ДВОИЧНОГО ГРУППОВОГО КОДА
Построение конкретного корректирующего кода производят, исходя из требуемого объема кода Q, т. е. необходимого числа передаваемых команд или дискретных значений измеряемой величины и статистических данных о наиболее вероятных векторах ошибок в используемом канале связи. Вектором ошибки называют n-разрядную двоичную последовательность, имеющую единицы в разрядах, подвергшихся искажению, и нули во всех остальных разрядах. Любую искаженную кодовую комбинацию можно рассматривать теперь как сумму (или разность) по модулю 2 исходной разрешенной кодовой комбинации и вектора ошибки.
Исходя из неравенства (нулевая комбинация часто не используется, так как не меняет состояния канала связи), определяем число информационных разрядов k, необходимое для передачи заданного числа команд обычным двоичным кодом.
Каждой из 2k-1 ненулевых комбинаций k-разрядного безызбыточного кода нам необходимо поставить в соответствие комбинацию из n символов. Значения символов в n — k проверочных разрядах такой комбинации устанавливаются в результате суммирования по модулю 2 значений символов в определенных информационных разрядах.
Поскольку множество 2k комбинаций информационных символов (включая нулевую) образует подгруппу группы всех n-разрядных комбинаций, то и множество 2k n-разрядных комбинаций, полученных по указанному правилу, тоже является подгруппой группы n-разрядных кодовых комбинаций. Это множество разрешенных кодовых комбинаций и будет групповым кодом.
Нам надлежит определить число проверочных разрядов и номера информационных разрядов, входящих в каждое из равенств для определения символов в проверочных разрядах.
Разложим группу 2n всех n-разрядных комбинаций на смежные классы по подгруппе 2k разрешенных n-разрядных кодовых комбинаций, проверочные разряды в которых еще не заполнены. Помимо самой подгруппы кода в разложении насчитывается 2n-k —1 смежных классов. Элементы каждого класса представляют собой суммы по модулю 2 комбинаций кода и образующих элементов данного класса. Если за образующие элементы каждого класса принять те наиболее вероятные для заданного канала связи вектора ошибок, которые должны быть исправлены, то в каждом смежном классе сгруппируются кодовые комбинации, получающиеся в результате воздействия на все разрешенные комбинации определенного вектора ошибки. Для исправления любой полученной на выходе канала связи кодовой комбинации теперь достаточно определить, к какому классу смежности она относится. Складывая ее затем (по модулю 2) с образующим элементом этого смежного класса, получаем истинную комбинацию кода.
Ясно, что из общего числа возможных ошибок групповой код может исправить всего разновидностей ошибок по числу смежных классов.
Чтобы иметь возможность получить информацию о том, к какому смежному классу относится полученная комбинация, каждому смежному классу должна быть поставлена в соответствие некоторая контрольная последовательность символов, называемая опознавателем (синдромом).
Каждый символ опознавателя определяют в результате проверки на приемной стороне справедливости одного из равенств, которые мы составим для определения значений проверочных символов при кодировании.
Ранее указывалось, что в двоичном линейном коде значения проверочных символов подбирают так, чтобы сумма по модулю 2 всех символов (включая проверочный), входящих в каждое из равенств, равнялась нулю. В таком случае число единиц среди этих символов четное. Поэтому операции определения символов опознавателя называют проверками на четность. При отсутствии ошибок в результате всех проверок на четность образуется опознаватель, состоящий из одних нулей. Если проверочное равенство не удовлетворяется, то в соответствующем разряде опознавателя появляется единица. Исправление ошибок возможно лишь при наличии взаимно однозначного соответствия между множеством опознавателей и множеством смежных классов, а следовательно, и множеством подлежащих исправлению векторов ошибок.
Таким образом, количество подлежащих исправлению ошибок является определяющим для выбора числа избыточных символов n — k. Их должно быть достаточно для того, чтобы обеспечить необходимое число опознавателей.
Если, например, необходимо исправить все одиночные независимые ошибки, то исправлению подлежат n ошибок:
Различных ненулевых опознавателей должно быть не менее n. Необходимое число проверочных разрядов, следовательно, должно определяться из соотношения
или
Если необходимо исправить не только все единичные, но и все двойные независимые ошибки, соответствующее неравенство принимает вид
В общем случае для исправления всех независимых ошибок кратности до s включительно получаем
Стоит подчеркнуть, что в приведенных соотношениях указывается теоретический предел минимально возможного числа проверочных символов, который далеко не во всех случаях можно реализовать практически. Часто проверочных символов требуется больше, чем следует из соответствующего равенства.
Одна из причин этого выяснится при рассмотрении процесса сопоставления каждой подлежащей исправлению ошибки с ее опознавателем.
Составление таблицы опознавателей. Начнем для простоты с установления опознавателей для случая исправления одиночных ошибок. Допустим, что необходимо закодировать 15 команд. Тогда требуемое число информационных разрядов равно четырем. Пользуясь соотношением , определяем общее число разрядов кода, а следовательно, и число ошибок, подлежащих исправлению (n = 7). Три избыточных разряда позволяют использовать в качестве опознавателей трехразрядные двоичные последовательности.
В данном случае ненулевые последовательности в принципе могут быть сопоставлены с подлежащими исправлению ошибками в любом порядке. Однако более целесообразно сопоставлять их с ошибками в разрядах, начиная с младшего, в порядке возрастания двоичных чисел (табл. 6.4).
Таблица 6.4
При таком сопоставлении каждый опознаватель представляет собой двоичное число, указывающее номер разряда, в котором произошла ошибка.
Коды, в которых опознаватели устанавливаются по указанному принципу, известны как коды Хэмминга.
Возьмем теперь более сложный случай исправления одиночных и двойных независимых ошибок. В качестве опознавателей одиночных ошибок в первом и втором разрядах можно принять, как и ранее, комбинации 0...001 и 0...010.
Однако в качестве опознавателя одиночной ошибки в третьем разряде комбинацию 0...011 взять нельзя. Такая комбинация соответствует ошибке одновременно в первом и во втором разрядах, а она также подлежит исправлению и, следовательно, ей должен соответствовать свой опознаватель 0...011.
В качестве опознавателя одиночной ошибки в третьем разряде можно взять только трехразрядную комбинацию 0...0100, так как множество двухразрядных комбинаций уже исчерпано. Подлежащий исправлению вектор ошибки 0...0101 также можно рассматривать как результат суммарного воздействия двух векторов ошибок 0...0100 и 0...001 и, следовательно, ему должен быть поставлен в соответствие опознаватель, представляющий собой сумму по модулю 2 опознавателей этих ошибок, т.е. 0...0101.
Аналогично находим, что опознавателем вектора ошибки 0...0110 является комбинация 0...0110.
Определяя опознаватель для одиночной ошибки в четвертом разряде, замечаем, что еще не использована одна из трехразрядных комбинаций, а именно 0...0111. Однако, выбирая в качестве опознавателя единичной ошибки в i-м разряде комбинацию с числом разрядов, меньшим i, необходимо убедиться в том, что для всех остальных подлежащих исправлению векторов ошибок, имеющих единицы в ί-м и более младших разрядах, получатся опознаватели, отличные от уже использованных. В нашем случае подлежащими исправлению векторами ошибок с единицами в четвертом и более младших разрядах являются:
0...01001, 0...01010, 0...01100.
Если одиночной ошибке в четвертом разряде поставить в соответствие опознаватель 0...0111, то для указанных векторов опознавателями должны были бы быть соответственно
Однако эти комбинации уже использованы в качестве опознавателей других векторов ошибок, а именно: 0...0110, 0...0101, 0...0011.
Следовательно, во избежание неоднозначности при декодировании в качестве опознавателя одиночной ошибки в четвертом разряде следует взять четырехразрядную комбинацию 1000. Тогда для векторов ошибок 0...01001, 0...01010, 0...01100 опознавателями соответственно будут: 0...01001, 0...01010, 0...01100.
Аналогично можно установить, что в качестве опознавателя одиночной ошибки в пятом разряде может быть выбрана не использованная ранее четырехразрядная комбинация 01111.
Действительно, для всех остальных подлежащих исправлению векторов ошибок с единицей в пятом и более младших разрядах получаем опознаватели, отличающиеся οт ранее установленных:
Векторы ошибок Опознаватели
0 010001 0 0110
0 010010 0 01101
0 010100 0 01011
0 011000 0 00111
Продолжая сопоставление, можно получить таблицу опознавателей для векторов ошибок данного типа с любым числом разрядов. Так как опознаватели векторов ошибок с единицами в нескольких разрядах устанавливаются как суммы по модулю 2 опознавателей одиночных ошибок в этих разрядах, то для определения правил Построения кода и составления проверочных равенств Достаточно знать только опознаватели одиночных ошибок в каждом из разрядов. Для построения кодов, исправляющих двойные независимые ошибки, таблица таких опознавателей определена [27] с помощью вычислительной машины вплоть до 29-го разряда. Опознаватели одиночных ошибок в первых пятнадцати разрядах приведены в табл. 6.5.
Таблица 6.5
По тому же принципу аналогичные таблицы определены и для ошибок других типов, например для тройных независимых ошибок, пачек ошибок в два и три символа.
Определение проверочных равенств. Итак, для любого кода, имеющего целью исправлять наиболее вероятные векторы ошибок заданного канала связи (взаимно независимые ошибки или пачки ошибок), можно составить таблицу опознавателей одиночных ошибок в каждом из разрядов. Пользуясь этой таблицей, нетрудно определить, символы каких разрядов должны входить в каждую из проверок на четность.
Рассмотрим в качестве примера опознаватели для кодов предназначенных исправлять единичные ошибки (табл. 6.6).
Таблица 6.6
В принципе можно построить код, усекая эту таблицу на любом уровне. Однако из таблицы видно, что оптимальными будут коды (7, 4), (15, 11), где первое число равно n, а второе k, и другие, которые среди кодов, имеющих одно и то же число проверочных символов, допускают наибольшее число информационных символов.
Усечем эту таблицу на седьмом разряде и найдем номера разрядов, символы которых должны войти в каждое из проверочных равенств.
Предположим, что в результате первой проверки на четность для младшего разряда опознавателя будет получена единица. Очевидно, это может быть следствием ошибки в одном из разрядов, опознаватели которых в младшем разряде имеют единицу. Следовательно, первое проверочное равенство должно включать символы 1, 3, 5 и 7-го разрядов;
Единица во втором разряде опознавателя может быть следствием ошибки в разрядах, опознаватели которых имеют единицу во втором разряде. Отсюда второе проверочное равенство должно иметь вид
Аналогично находим и третье равенство:
Чтобы эти равенства при отсутствии ошибок удовлетворялись для любых значений информационных символов в кодовой комбинации, в нашем распоряжении имеется три проверочных разряда. Мы должны так выбрать номера этих разрядов, чтобы каждый из них входил только в одно из равенств. Это обеспечит однозначное определение значений символов в проверочных разрядах при кодировании. Указанному условию удовлетворяют разряды, опознаватели которых имеют по одной единице. В нашем случае это будут первый, второй и четвертый разряды.
Таким образом, для кода (7, 4), исправляющего одиночные ошибки, искомые правила построения кода, т. е. соотношения, реализуемые в процессе кодирования, принимают вид:
Поскольку построенный код имеет минимальное хэммингово расстояние dmin = =3, он в соответствии с (6.15) может использоваться с целью обнаружения единичных и двойных ошибок. Обращаясь к табл. 6.6, легко убедиться, что сумма любых двух опознавателей единичных ошибок дает ненулевой опознаватель, что и является признаком наличия ошибки.
Пример 6.5. Построим групповой код объемом 15 слов, способный исправлять единичные и обнаруживать двойные ошибки.
В соответствии с (6.17) код должен обладать минимальным хэмминговым расстоянием, равным 4. Такой код можно построить в два этапа. Сначала строим код заданного объема, способный исправлять единичные ошибки. Это код Хэмминга (7, 4). Затем добавляем еще один проверочный разряд, который обеспечивает четность числа единиц в разрешенных комбинациях.
Таким образом, получаем код (8, 4). В процессе кодирования реализуются соотношения:
Обозначив синдром кода (7, 4) через Si, результат общей проверки на четности через
и пренебрегая возможностью
возникновения ошибок кратности 3 и выше, запишем алгоритм декодирования:
при S1 = 0 и S2 = 0 ошибок нет;
при S1=0 и S2 = 1 ошибка в восьмом разряде;
при S1=0 и S2 = 0 двойная ошибка (коррекция блокируется, посылается запрос повторной передачи),
при S1=0 и S2=1 одиночная ошибка (осуществляется ее исправление).
Пример 6.6. Используя табл. 6.6, составим правила построения кода (8,2), исправляющего все одиночные и двойные ошибки.
Усекая табл. 6.5 на восьмом разряде, найдем следующие проверочные равенства:
Соответственно правила построения кода выразим соотношениями
Отметим, что для построенного кода dmin=5, и, следовательно, он может использоваться обнаружения ошибок кратности от 1 до 4.
Соотношения, отражающие процессы кодирования и декодирования двоичных линейных кодов, могут быть реализованы непосредственно с использованием сумматоров по модулю два. Однако декодирующие устройства, построенные таким путем для кодов, предназначенных исправлять многократные ошибки, чрезвычайно громоздки. В этом случае более эффективны другие принципы декодирования.
Мажоритарное декодирование групповых кодов. Для линейных кодов, рассчитанных на исправление многократных ошибок, часто более простыми оказываются декодирующие устройства, построенные по мажоритарному принципу. Это метод декодирования называют также принципом голосования или способом декодирования по большинству проверок. В настоящее время известно значительное число кодов, допускающих мажоритарную схему декодирования, а также сформулированы некоторые подходы при конструировании таких кодов.
Мажоритарное декодирование тоже базируется на системе проверочных равенств. Система последовательно может быть разрешена относительно каждой из независимых переменных, причем в силу избыточности это можно сделать не единственным способом.
Любой символ ai, выражается d (минимальное кодовое расстояние) различными независимыми способами в виде линейных комбинаций других символов. При этом может использоваться тривиальная проверка аi = аi. Результаты вычислений подаются на соответствующий этому символу мажоритарный элемент. Последний представляет собой схему, имеющую d входов и один выход, на котором появляется единица, когда возбуждается больше половины его входов, и нуль, когда возбуждается число таких входов меньше половины. Если ошибки отсутствуют, то проверочные равенства не нарушаются, и на выходе мажоритарного элемента получаем истинное значение символа. Если число проверок d2s+1 и появление ошибки кратности s и менее не приводит к нарушению более s проверок, то правильное решение может быть принято по большинству неискаженных проверок. Чтобы указанное условие выполнялось, любой другой символ aj(j неравно i) не должен входить более чем в одно проверочное равенство. В этом случае мы имеем дело с системой разделенных проверок.
Пример 6.7. Построим систему разделенных проверок для декодирования информационных символов рассмотренного ранее группового кода (8,2).
Поскольку код рассчитан на исправление любых единичных и двойных ошибок, число проверочных равенств для определения каждого символа должно быть не менее 5. Подставив в равенства (6.26 а) и (6.26 б) значения a8, полученные из равенств (6.26д) и (6.26е), и записав их относительно а5 совместно с равенствами (6.26 в) и (6.26г) и тривиальным равенством a5 = a5, получим следующую систему разделенных проверок для символа а5:
Для символа а8 систему разделенных проверок строим аналогично
Матричное представление линейных кодов. Матрицей размерности lxn называют упорядоченное множество lxn элементов, расположенных в виде прямоугольной таблицы с l строками и n столбцами:
Транспонированной матрицей к матрице А называют матрицу, строками которой являются столбцы, а столбцами строки матрицы А:
Матрицу размерности nxn называют квадратной матрицей порядка n. Квадратную матрицу, у которой по одной из диагоналей расположены только единицы, а все остальные элементы равны нулю, называют единичной матрицей I. Суммой двух матриц А = |аij| и В = |bij| размерности lxn называют матрицу размерности lxn:
Умножение матрицы Α = |аij| размерности lxn на скаляр с дает матрицу размерности lxn:
Матрицы А == |аij| размерности lxn и В = |bij| размерности nxm могут быть перемножены, причем элементами Cik матрицы — произведения размерности lxm являются суммы произведений элементов l-й строки матрицы А на соответствующие элементы k-ro столбца матрицы В:
В теории кодирования элементами матрицы являются элементы некоторого поля GF(P), а строки и столбцы матрицы рассматриваются как векторы. Сложение и умножение элементов матриц осуществляется по правилам поля GF(P).
Пример 6.8. Вычислим произведение матриц с элементами из поля GF(2):
Элементы Cik матрицы произведения М=М1М2 будут равны:
Следовательно,
Зная закон построения кода, определим все множество разрешенных кодовых комбинаций. Расположив их друг под другом, получим матрицу, совокупность строк которой является подпространством векторного пространства η-разрядных кодовых комбинаций (векторов) из элементов поля GF(P). В случае двоичного (n,k)-кода матрица насчитывает n столбцов и 2к-1 строк (исключая нулевую). Например, для рассмотренного ранее кода (8,2), исправляющего все одиночные и двойные ошибки, матрица имеет вид:
При больших n и k матрица, включающая все векторы кода, слишком громоздка. Однако совокупность векторов, составляющих линейное пространство разрешенных кодовых комбинаций, является линейно зависимой, так как часть векторов может быть представлена в виде линейной комбинации некоторой ограниченной совокупности векторов, называемой базисом пространства.
Совокупность векторов V1, V2, V3, ..., Vn называют линейно зависимой, когда существуют скаляры с1...сn (не все равные нулю), при которых
В приведенной матрице, например, третья строка представляет собой суммы по модулю два первых двух строк.
Для полного определения пространства разрешенных кодовых комбинаций линейного кода достаточно записать в виде матрицы только совокупность линейно независимых векторов. Их число называют размерностью векторного пространства.
Среди 2k — 1 ненулевых двоичных кодовых комбинаций — векторов их только k. Например, для кода (8,2)
Матрицу, составленную из любой совокупности векторов линейного кода, образующей базис пространства, называют порождающей (образующей) матрицей кода.
Если порождающая матрица содержит k строк по n элементов поля GF(q), то код называют (n, k)-кодом. В каждой комбинации (n, k)-кода k информационных символов и n — k проверочных. Общее число разрешенных кодовых комбинаций (исключая нулевую) Q == qk-1.
Зная порождающую матрицу кода, легко найти разрешенную кодовую комбинацию, соответствующую любой последовательности Аki из k информационных символов. Она получается в результате умножения вектора Аki на порождающую матрицу Мn,k:
Найдем, например, разрешенную комбинацию кода (8,2), соответствующую информационным символам а5=1, а8=1:
Пространство строк матрицы остается неизменным при выполнении следующих элементарных операций над строками: 1) перестановка любых двух строк; 2) умножение любой строки на ненулевой элемент поля; 3) сложение какой-либо строки с произведением другой строки на ненулевой элемент поля, а также при перестановке столбцов.
Если образующая матрица кода M2 получена из образующей матрицы кода Μ1 с помощью элементарных операций над строками, то обе матрицы порождают один и тот же код. Перестановка столбцов образующей матрицы кода приводит к образующей матрице эквивалентного кода. Эквивалентные коды весьма близки по своим свойствам. Корректирующая способность таких кодов одинакова.
Для анализа возможностей линейного (n, k)-кода, а также для упрощения процесса кодирования удобно, чтобы порождающая матрица (Mn,k) состояла из двух матриц: единичной матрицы размерности kXk и дописываемой справа матрицы-дополнения (контрольной подматрицы) размерности k*(n-k), которая соответствует n — k проверочным разрядам:
Разрешенные кодовые комбинации кода с такой порождающей матрицей отличаются тем, что первые k символов в них совпадают с исходными информационными, а проверочными оказываются (n — k) последних символов.
Действительно, если умножим вектор-строку Аki = (a1 a2...ai...an) на матрицу получим
вектор
где проверочные символыявляются линейными комбинациями информационных:
Коды, удовлетворяющие этому условию, называют систематическими. Для каждого линейного кода существует эквивалентный систематический код.
Как следует из (6.27), (6.28), информацию о способе построения такого кода содержит матрица-дополнение. Если правила построения кода (уравнения кодирования) известны, то значения символов любой строки матрицы-дополнения получим, применяя эти правила к символам соответствующей строки единичной матрицы.
Пример 6.9. Запишем матрицы Ik, Pk,n-k и Mn,k для двоичного кода (7,4)
Единичная матрица на четыре разряда имеет вид
Один из вариантов матрицы дополнения можно записать, используя соотношения (6.25)
Тогда для двоичного кода Хэмминга имеем·
Запишем также матрицу для систематического кода (7,4)·
В свою очередь, по заданной матрице-дополнению Pk,n-k можно определить равенства, задающие правила построения кода. Единица в первой строке каждого столбца указывает на то, что в образовании соответствующего столбцу проверочного разряда участвовал первый информационный разряд. Единица в следующей строке любого столбца говорит об участии в образовании проверочного разряда второго информационного разряда и т. д.
Так как матрица-дополнение содержит всю информацию о правилах построения кода, то систематический код с заданными свойствами можно синтезировать путем построения соответствующей матрицы-дополнения.
Так как минимальное кодовое расстояние d для линейного кода равно минимальному весу его ненулевых векторов, то в матрицу-дополнение должны быть включены такие k строк, которые удовлетворяли бы следующему общему условию: вектор-строка образующей матрицы, получающаяся при суммировании любых строк, должна содержать не менее d-l отличных от нуля символов.
Действительно, при выполнении указанного условия любая разрешенная кодовая комбинация, полученная суммированием l строк образующей матрицы, имеет не менее d ненулевых символов, так как l ненулевых символов она всегда содержит в результате суммирования строк единичной матрицы.
Синтезируем таким путем образующую матрицу двоичного систематического кода (7,4) с минимальным кодовым расстоянием d = 3.
В каждой вектор - строке матрицы - дополнения согласно сформулированному условию (при l= 1) должно быть не менее двух единиц. Среди трехразрядных векторов таких имеется четыре: 011, 110, 101, 111.
Эти векторы могут быть сопоставлены со строками единичной матрицы в любом порядке. В результате получим матрицы систематических кодов, эквивалентных коду Хэмминга, например:
Нетрудно убедиться, что при суммировании нескольких строк такой матрицы (l>1) получим вектор-строку, содержащую не менее d = 3 ненулевых символов.
Имея образующую матрицу систематического кода Μn,k = [Ik Pk,n-k], можно построить так называемую проверочную (контрольную) матрицу Η размерности (n---k)Xn:
При умножении неискаженного кодового вектора Аni на матрицу, транспонированную к матрице Н, получим вектор, все компоненты которого равны нулю:
Каждая компонента S, является результатом проверки справедливости соответствующего уравнения декодирования:
В общем случае, когда кодовый вектор Ani = (a1, a2,...ai,...,ak, ak+1,...aj,...,an) искажен вектором ошибки), умножение вектора (Ani + ξni) на матрицу Нt дает ненулевые компоненты:
Отсюда видно, чтоι представляют собой символы, зависящие только от вектора ошибки, а вектор S = (Sk+1, Sk+2, ..., Sj,...Sn) является не чем иным как опознавателем ошибки (синдромом).
Для двоичных кодов (операция сложения тождественна операции вычитания) проверочная матрица имеет вид
Пример 6.10. Найдем проверочную матрицу Η для кода (7,4) с образующей матрицей М:
Определим синдромы в случаях отсутствия и наличия ошибки в кодовом векторе 1100011.
Выполним транспонирование матрицы Р4,3
Запишем проверочную матрицу:
Умножение на Нt неискаженного кодового вектора 1100011 дает нулевой синдром:
При наличии в кодовом векторе ошибки, например, в 4 м разряде (1101011) получим
Следовательно, вектор-строка 111 в данном коде является опознавателем (синдромом) ошибки в четвертом разряде. Аналогично можно найти и синдромы других ошибок. Множество всех опознавателей идентично множеству опознавателей кода Хэмминга (7,4), но сопоставлены они конкретным векторам ошибок по-иному, в соответствии с образующей матрицей данного (эквивалентного) кода.
§ 6.5. ТЕХНИЧЕСКИЕ СРЕДСТВА КОДИРОВАНИЯ И ДЕКОДИРОВАНИЯ ДЛЯ ГРУППОВЫХ КОДОВ
Кодирующее устройство строится на основании совокупности равенств, отражающих правила построения кода. Определение значений символов в каждом из n-k проверочных разрядов в кодирующем устройстве осуществляется посредством сумматоров по модулю два.
На каждый разряд сумматора (кроме первого) используется четыре элемента И (вентиля) и два элемента ИЛИ.
Сумматор по модулю два выпускают в виде отдельного логического элемента, который на схеме изображается прямоугольником с надписью внутри — М2.
Приведем несколько примеров реализации кодирующих и декодирующих устройств групповых кодов.
Пример 6.11. Рассмотрим техническую реализацию кода (7,4), имеющего целью исправление одиночных ошибок.
Правила построения кода определяются равенствами
Схема кодирующего устройства приведена на рис 6.7.
Кодовая комбинация, возможно содержащая ошибку, поступает на n-разрядный приемный регистр (на рис 6.8 триггеры Тг1—Тг. По окончании переходного процесса в триггерах с блока управления на каждый из сумматоров (С1-С3) поступает импульс опроса.
При поступлении импульса синхронизации со схемы управления подлежащая кодированию k разрядная комбинация неизбыточного кода переписывается, например, с аналого-кодового преобразователя в информационные разряды n разрядного регистра. Предположим, что в результате этой операции триггеры регистра установились в состояния, указанные в табл. 6.7.
Таблица 6.7.
С некоторой задержкой формируются выходные импульсы сумматоров С1,С2 Сз, которые устанавливают триггеры проверочных разрядов в положение 0 или 1 в соответствии с приведенными выше равенствами. Например, в нашем случае ко входам сумматора C1 подводится информация, записанная в 3, 5 и 7 разрядах и, следовательно, триггер Tг1 первого проверочного разряда устанавливается в положение 1, аналогично триггер Тг2 устанавливается в положение 0, а триггер Тг4 — в положение 1.
Сформированная в регистре разрешенная комбинация (табл. 6.8) импульсом, поступающим с блока управления, последовательно или параллельно считывается в линию связи. Далее начинается кодирование следующей комбинации.
Таблица 6.8.
Рассмотрим теперь схему декодирования и коррекции ошибок (рис 6.8), строящуюся на основе совокупности проверочных равенств. Для кода (7 4) они имеют вид
Выходные импульсы сумматоров устанавливают в положение 0 или 1 триггеры регистра опознавателей. Если проверочные равенства выполняются, все триггеры регистра опознавателей устанавливаются в положение 0, что соответствует отсутствию ошибок. При наличии ошибки в регистр опознавателей запишется опознаватель этого вектора ошибки. Дешифратор ошибки DC ставит в соответствие множеству опознавателей множество векторов ошибок. При опросе выходных вентилей дешифратора сигналы коррекции поступают только на те разряды, в которых вектор ошибки, соответствующий записанному на входе опознавателю, имеет единицы. Сигналы коррекции воздействуют на счетные входы триггеров. Последние изменяют свое состояние, и, таким образом, ошибка исправлена. На триггеры проверочных разрядов импульсы коррекции можно не посылать, если после коррекции информация списывается только с информационных разрядов. Для кода Хэмминга (7,4) любой опознаватель представляет собой двоичное трехразрядное число, равное номеру разряда приемного регистра, в котором записан ошибочный символ
Предположим, что сформированная ранее в кодирующем устройстве комбинация при передаче исказилась и на приемном регистре была зафиксирована в виде, записанном в табл. 6.9
По результатам опроса сумматоров получаем на выходе С1 на выходе С2 на выходе С3
Следовательно, номер разряда, в котором произошло искажение, 101 или 5. Импульс коррекции поступит на счетный вход триггера Tг5, и ошибка будет исправлена.
Пример 6.12. Реализуем мажоритарное декодирование для группового кода (8,2), рассчитанного на исправление двойных ошибок (см. § 6.4).
В случае мажоритарного декодирования сигналы с триггеров приемного регистра поступают непосредственно или после сложения по модулю два в соответствии с уравнениями системы разделенных проверок на мажоритарные элементы М, формирующие скорректированные информационные символы.
Схема декодирования представлена на рис. 6.9. На входах мажоритарных элементов указаны сигналы, соответствующие случаю поступления из канала связи кодовой информации, искаженной в обоих информационных разрядах (5-м и 8-м). Реализуя принцип решения по большинству, мажоритарные элементы восстанавливают на выходе правильные значения информационных символов.
§ 6.6. ПОСТРОЕНИЕ ЦИКЛИЧЕСКИХ КОДОВ
Общие понятия и определения. Любой групповой код (n,k)может быть записан в виде матрицы, включающей k линейно независимых строк по n символов и, наоборот, любая совокупность k линейно независимых n-разрядных кодовых комбинаций может рассматриваться как образующая матрица некоторого группового кода. Среди всего многообразия таких кодов можно выделить коды, у которых строки образующих матриц связаны дополнительным условием цикличности.
Все строки образующей матрицы такого кода могут быть получены циклическим сдвигом одной комбинации, называемой образующей для данного кода. Коды,
удовлетворяющие этому условию, получили название циклических кодов.
Сдвиг осуществляется справа налево, причем крайний левый символ каждый раз переносится в конец комбинации. Запишем, например, совокупность кодовых комбинаций, получающихся циклическим сдвигом комбинации 001011:
Число возможных циклических (n, k)-кодов значительно меньше числа различных групповых (n, k)-кодов.
При описании циклических кодов n-разрядные кодовые комбинации представляются в виде многочленов фиктивной переменной х. Показатели степени у x соответствуют номерам разрядов (начиная с нулевого), а коэффициентами при x в общем случае являются элементы поля GF(q). При этом наименьшему разряду числа соответствует фиктивная переменная х° = 1. Многочлен с коэффициентами из поля GF(q) называют многочленом над полем GF(q). Так как мы ограничиваемся рассмотрением только двоичных кодов, то коэффициентами при x будут только цифры 0 и 1. Иначе говоря, будем оперировать с многочленами над полем GF(2).
Запишем, например, в виде многочлена образующую кодовую комбинацию 01011:
Поскольку члены с нулевыми коэффициентами при записи многочлена опускаются, образующий многочлен·
Наибольшую степень x в слагаемом с ненулевым коэффициентом называют степенью многочлена. Теперь действия над кодовыми комбинациями сводятся к действиям над многочленами. Суммирование многочленов осуществляется с приведением коэффициентов по модулю два.
Указанный циклический сдвиг некоторого образующего многочлена степени n- — k без переноса единицы в конец кодовой комбинации соответствует простому умножению на x. Умножив, например, первую строку матрицы (001011), соответствующую многочлену go(x) = х3+x+1, на х, получим вторую строку матрицы (010110), соответствующую многочлену x · g0(x).
Нетрудно убедиться, что кодовая комбинация, получающаяся при сложении этих двух комбинаций, также будет соответствовать результату умножения многочлена на многочлен x+1.
Циклический сдвиг строки матрицы с единицей в старшем (n-m) разряде (слева) равносилен умножению соответствующего строке многочлена на x с одновременным вычитанием из результата многочлена хn+1 = хn-1, т. е. с приведением по модулю хn+1.
Отсюда ясно, что любая разрешенная кодовая комбинация циклического кода может быть получена в результате умножения образующего многочлена на некоторый другой многочлен с приведением результата по модулю хn+1. Иными словами, при соответствующем выборе образующего многочлена любой многочлен циклического кода будет делиться на него без остатка.
Ни один многочлен, соответствующий запрещенной кодовой комбинации, на образующий многочлен без остатка не делится. Это свойство позволяет обнаружить ошибку. По виду остатка можно определить и вектор ошибки.
Умножение и деление многочленов весьма просто осуществляется на регистрах сдвига с обратными связями, что и явилось причиной широкого применения циклических кодов.
Математическое введение к циклическим кодам. Так как каждая разрешенная комбинация n-разрядного циклического кода есть произведение двух многочленов, один из которых является образующим, то эти комбинации можно рассматривать как подмножества всех произведений многочленов степени не выше n—1. Это наталкивает на мысль использовать для построения этих кодов еще одну ветвь теории алгебраических систем, а именно — теорию колец.
Как следует из приведенного ранее определения (см. § 6.3), для образования кольца на множестве n-разрядных кодовых комбинаций необходимо задать две операции: сложение и умножение.
Операция сложения многочленов уже выбрана нами с приведением коэффициентов по модулю два.
Определим теперь операцию умножения. Нетрудно видеть, что операция умножения многочленов по обычным правилам с приведением подобных членов по модулю два может привести к нарушению условия замкнутости. Действительно, в результате умножения могут быть получены многочлены более высокой степени, чем n — 1, вплоть до 2(n— 1), а соответствующие им кодовые комбинации будут иметь число разрядов, превышающее n и, следовательно, не относятся к рассматриваемому множеству. Поэтому операция символического умножения задается так:
1) многочлены перемножаются по обычным правилам, но с приведением подобных членов по модулю два;
2) если старшая степень произведения не превышает n— 1, то оно и является результатом символического умножения;
3) если старшая степень произведения больше или равна n, то многочлен произведения делится на заранее определенный многочлен степени n и результатом символического умножения считается остаток от деления.
Степень остатка не превышает n — 1, и, следовательно, этот многочлен принадлежит к рассматриваемому множеству n-разрядных кодовых комбинаций.
При анализе циклического сдвига с перенесением единицы в конец кодовой комбинации установлено, что таким многочленом n-й степени является многочлен хn+1.
Действительно, в результате умножения многочлена степени n-1 на x получим:
Следовательно, чтобы результат умножения и теперь соответствовал кодовой комбинации, образующейся путем циклического сдвига исходной кодовой комбинации, в нем необходимо заменить хn на 1. Такая замена эквивалентна делению полученного при умножении многочлена на xn+1 с записью в качестве результата остатка от деления, что обычно называют взятием остатка или приведением по модулю хn+1 (сам остаток при этом называют вычетом).
Выделим теперь в нашем кольце подмножество всех многочленов, кратных некоторому многочлену g(x). Такое подмножество называют идеалом, а многочлен g(x) — порождающим многочленом идеала.
Количество различных элементов в идеале определяется видом его порождающего многочлена. Если на порождающий многочлен взять 0, то весь идеал будет составлять только этот многочлен, так как умножение его на любой другой многочлен дает 0.
Если за порождающий многочлен принять l[g(x) = 1], то в идеал войдут все многочлены кольца. В общем случае число элементов идеала, порожденного простым многочленом степени n — k, составляет 2k.
Теперь становится понятным, что циклический двоичный код в построенном нами кольце n-разрядных двоичных кодовых комбинаций является идеалом.
Остается выяснить, как выбрать многочлен g(x), способный породить циклический код с заданными свойствами.
Требования, предъявляемые к образующему многочлену. Согласно определению циклического кода все многочлены, соответствующие его кодовым комбинациям, должны делиться на g(x) без остатка. Для этого достаточно, чтобы на g(x) делились без остатка многочлены, составляющие образующую матрицу кода. Последние получаются циклическим сдвигом, что соответствует последовательному умножению g(x) на x с приведением по модулю хn+1.
Следовательно, в общем случае многочлен gi(x) является остатком от деления произведения g(x) ·xi на многочлен хn+1 и может быть записан так:
где с = 1, если степень g(x)xi превышает n — 1; с = 0, если степень g(x)xi не превышает n—1.
Отсюда следует, что все многочлены матрицы, а поэтому и все многочлены кода будут делиться на g(x) без остатка только в том случае, если на g(x) будет делиться без остатка многочлен хn+1.
Таким образом, чтобы g(x) мог породить идеал, а следовательно, и циклический код, он должен быть делителем многочлена хn+1.
Поскольку для кольца справедливы все свойства группы, а для идеала — все свойства подгруппы, кольцо можно разложить на смежные классы, называемые в этом случае классами вычетов по идеалу.
Первую строку разложения образует идеал, причем нулевой элемент располагается крайним слева. В качестве образующего первого класса вычетов можно выбрать любой многочлен, не принадлежащий идеалу. Остальные элементы данного класса вычетов образуются путем суммирования образующего многочлена с каждым многочленом идеала.
Если многочлен g(x) степени m = n — k является делителем хn+1, то любой элемент кольца либо делится на g(x) без остатка (тогда он является элементом идеала), либо в результате деления появляется остаток r(х), представляющий собой многочлен степени не выше m-1.
Элементы кольца, дающие в остатке один и тот же многочлен гi(х), относятся к одному классу вычетов. Приняв многочлены г(х) за образующие элементы классов вычетов, разложение кольца по идеалу с образующим многочленом g(x) степени m можно представить табл. 6.10, где f(x) — произвольный многочлен степени не выше n — m — 1.
Таблица 6.10
Как отмечалось, групповой код способен исправить столько разновидностей ошибок, сколько различных классов насчитывается в приведенном разложении. Следовательно, корректирующая способность циклического кода будет тем выше, чем больше остатков может быть образовано при делении многочлена, соответствующего искаженной кодовой комбинации, на образующий многочлен кода.
Наибольшее число остатков, равное 2m-1 (исключая нулевой), может обеспечить только неприводимый (простой) многочлен, который делится сам на себя и не делится ни на какой другой многочлен (кроме 1).
§ 6.7. ВЫБОР ОБРАЗУЮЩЕГО МНОГОЧЛЕНА ПО ЗАДАННОМУ ОБЪЕМУ КОДА И ЗАДАННОЙ КОРРЕКТИРУЮЩЕЙ СПОСОБНОСТИ
По заданному объему кода однозначно определяется число информационных разрядов k. Далее необходимо найти наименьшее n, обеспечивающее обнаружение или исправление ошибок заданной кратности. В случае циклического кода эта проблема сводится к нахождению нужного многочлена g(x).
Начнем рассмотрение с простейшего циклического кода, обнаруживающего все одиночные ошибки.
Обнаружение одиночных ошибок. Любая принятая по каналу связи кодовая комбинация h(x), возможно содержащая ошибку, может быть представлена в виде суммы по модулю два неискаженной комбинации кода f(x) и вектора ошибки ξ(x) :
При делении h(x) на образующий многочлен g(x) остаток, указывающий на наличие ошибки, обнаруживается только в том случае, если многочлен, соответствующий вектору ошибки, не делится на g(x): f(x) — неискаженная комбинация кода и, следовательно, на g(x) делится без остатка.
Вектор одиночной ошибки имеет единицу в искаженном разряде и нули во всех остальных разрядах. Ему соответствует многочлен ξ(x) = хi· Последний не должен делиться на g(x). Среди неприводимых многочленов, входящих в разложении хn+1, многочленом наименьшей степени, удовлетворяющим указанному условию, является x+1. Остаток от деления любого многочлена на x+1 представляет собой многочлен нулевой степени и может принимать только два значения: 0 или 1. Все кольцо в данном случае состоит из идеала, содержащего многочлены с четным числом членов, и одного класса вычетов, соответствующего единственному остатку, равному 1. Таким образом, при любом числе информационных разрядов необходим только один проверочный разряд. Значение символа этого разряда как раз и обеспечивает четность числа единиц в любой разрешенной кодовой комбинации, а следовательно, и делимость ее на х+1.
Полученный циклический код с проверкой на четность способен обнаруживать не только одиночные ошибки в отдельных разрядах, но и ошибки в любом нечетном числе разрядов.
Исправление одиночных или обнаружение двойных ошибок. Прежде чем исправить одиночную ошибку в принятой комбинации из n разрядов, необходимо определить, какой из разрядов был искажен. Это можно сделать только в том случае, если каждой одиночной ошибке в определенном разряде соответствуют свой класс вычетов и свой опознаватель. Так как в циклическом коде опознавателями ошибок являются остатки от деления многочленов ошибок на образующий многочлен кода g(x), то g(x) должно обеспечить требуемое число различных остатков при делении векторов ошибок с единицей в искаженном разряде. Как отмечалось, наибольшее число остатков дает неприводимый многочлен. При степени многочлена m = n — k он может дать 2n-k-1 ненулевых остатков (нулевой остаток является опознавателем безошибочной передачи).
Следовательно, необходимым условием исправления любой одиночной ошибки является выполнение неравенства
где Сn — общее число разновидностей одиночных ошибок в кодовой комбинации из n символов; отсюда находим степень образующего многочлена кода
и общее число символов в кодовой комбинации. Наибольшие значения k и n для различных m можно найти, пользуясь табл. 6.11.
Как указывалось, образующий многочлен g(x) должен быть делителем двучлена хn+1. Доказано [20], что любой двучлен типаможет быть представлен произведением всех неприводимых многочленов, степени которых являются делителями числа m (от 1 до m включительно). Следовательно, для любого m существует по крайней мере один неприводимый многочлен степени m, входящий сомножителем в разложение двучлена хn+1.
Таблица 6.11
Пользуясь этим свойством, а также имеющимися в ряде книг [20] таблицами многочленов, неприводимых при двоичных коэффициентах, выбрать образующий многочлен при известных n и m несложно. Определив образующий многочлен, необходимо убедиться в том, что он обеспечивает заданное число остатков.
Пример 6.13. Выберем образующий многочлен для случая n = 15 и m = 4.
Двучлен x15+1 можно записать в виде произведения всех неприводимых многочленов, степени которых являются делителями числа 4. Последнее делится на 1, 2, 4.
В таблице неприводимых многочленов находим один многочлен первой степени, а именно х+1, один многочлен второй степени х2 + х+1 и три многочлена четвертой степени: х4 + x + 1, х4 + х3+1, х4 + х3+х + 1. Перемножив все многочлены, убедимся в справедливости соотношения (х+1)(х2 + х + 1)(х4 + х+1)(х4 + х3+ l)(x4 + x3 + +x2+x+1) = x12+1.
Один из сомножителей четвертой степени может быть принят за образующий многочлен кода. Возьмем, например, многочлен х4 + х3 + 1, или в виде двоичной последовательности 11001.
Чтобы убедиться, что каждому вектору ошибки соответствует отличный от других остаток, необходимо поделить каждый из этих векторов на 11001.
Векторы ошибок т младших разрядов имеют вид:
00...0001, 00...0010, 00...0100, 00...1000.
Степени соответствующих им многочленов меньше степени образующего многочлена g(x). Поэтому они сами являются остатками при нулевой целой части. Остаток, соответствующий вектору ошибки в следующем старшем разряде, получаем при делении 00...10000 на 11001, т.е.
Аналогично могут быть найдены и остальные остатки. Однако их можно получить проще, деля на g(x) комбинацию в виде единицы с рядом нулей и выписывая все промежуточные остатки:
При последующем делении остатки повторяются.
Таким образом, мы убедились в том, что число различных остатков при выбранном g(x) равно n = 15, и, следовательно, код, образованный таким g(x), способен исправить любую одиночную ошибку С тем же успехом за образующий многочлен кода мог быть принят и многочлен х4+x+1. При этом был бы получен код, эквивалентный выбранному.
Однако использовать для тех же целей многочлен x4 + х3 + х2 + x + 1 нельзя. При проверке числа различных остатков обнаруживается, что их у него не 15, а только 5 Действительно,
Это объясняется тем, что многочлен x4 + х3 + х2 + x + 1 входит в разложение не только двучлена x15 + 1, но и двучлена х5 + 1.
Из приведенного примера следует, что в качестве образующего следует выбирать такой неприводимый многочлен g(x) (или произведение таких многочленов), который, являясь делителем двучлена хn+1, не входит в разложение ни одного двучлена типа x^ λ+1, степень которого λ меньше n. В этом случае говорят, что многочлен q(x) принадлежит показателю степени n.
В табл. 6.12 приведены основные характеристики некоторых кодов, способных исправлять одиночные ошибки или обнаруживать все одиночные и двойные ошибки.
Таблица 6.12
Это циклические коды Хэмминга для исправления одной ошибки, в которых в отличие от групповых кодов Хэмминга все проверочные разряды размещаются в конце кодовой комбинации.
Эти коды могут быть использованы для обнаружения любых двойных ошибок. Многочлен, соответствующий вектору двойной ошибки, имеет вид ξ(χ) = xi + xi, или ξ(x) = xi(xj-i + 1) при j>i. Так как j-i<n а g(x) не кратен x и принадлежит показателю степени n, то ξ(x) не делится на g(x), что и позволяет обнаружить двойные ошибки.
Обнаружение ошибок кратности три и ниже. Образующие многочлены кодов, способных обнаруживать одиночные, двойные и тройные ошибки, можно определить, базируясь на следующем указании Хэмминга. Если известен образующий многочлен p(xm) кода длины n, позволяющего обнаруживать ошибки некоторой кратности z то образующий многочлен g(x) кода, способного обнаруживать ошибки следующей кратности (z+1), может быть получен умножением многочлена р(хm) на многочлен x+1, что соответствует введению дополнительной проверки на четность. При этом число символов в комбинациях кода за счет добавления еще одного проверочного символа увеличивается до n + 1.
В табл. 6.13 приведены основные характеристики некоторых кодов, способных обнаруживать ошибки кратности три и менее.
Обнаружение и исправление независимых ошибок произвольной кратности. Важнейшим классом кодов, используемых в каналах, где ошибки в последовательностях символов возникают независимо, являются коды Боуза — Чоудхури — Хоквингема. Доказано, что для любых целых положительных чисел m и s<n/2 существует двоичный код этого класса длины n = 2m—1 с числом проверочных символов не более ms, который способен обнаруживать ошибки кратности 2s или исправлять ошибки кратности s. Для понимания теоретических аспектов этих кодов необходимо ознакомиться с рядом новых понятий высшей алгебры. Вопросы их построения и технической реализации рассмотрены в § 6.9. — Обнаружение и исправление пачек ошибок. Для произвольного линейного блокового (n, k)-кода, рассчитанного на исправление пакетов ошибок длины b или менее, основным соотношением, устанавливающим связь корректирующей способности с числом избыточных символов, является граница Рейджера:
При исправлении линейным кодом пакетов длины b или менее с одновременным обнаружением пакетов длины l>=b или менее требуется по крайней мере b + l проверочных символов.
Из циклических кодов, предназначенных для исправления пакетов ошибок, широко известны коды Бартона, Файра и Рида — Соломона.
Первые две разновидности кодов служат для исправления одного пакета ошибок в блоке. Коды Рида — Соломона способны исправлять несколько пачек ошибок.
Особенности декодирования циклических кодов, исправляющих пакеты ошибок, рассмотрены далее на примере кодов Файра.
Методы образования циклического кода. Существует несколько различных способов кодирования. Принципиально наиболее просто комбинации циклического кода можно получить, умножая многочлены а(х), соответствующие комбинациям безызбыточного кода (информационным символам), на образующий многочлен кода g(x). Такой способ легко реализуется. Однако он имеет тот существенный недостаток, что получающиеся в результате умножения комбинации кода не содержат информационные символы в явном виде. После исправления ошибок такие комбинации для выделения информационных символов приходится делить на образующий многочлен кода.
Применительно к циклическим кодам принято (хотя это и не обязательно) отводить под информационные k символов, соответствующих старшим степеням многочлена кода, а под проверочные n — k символов низших разрядов.
Чтобы получить такой систематический код, применяется следующая процедура кодирования.
Многочлен а(х), соответствующий k-разрядной комбинации безызбыточного кода, умножаем на хm, где m = n — k. Степень каждого одночлена, входящего в а(х), увеличивается, что по отношению к комбинации кода означает необходимость приписать со стороны младших разрядов m нулей. Произведение а(х)хm делим на образующий многочлен g(x). В общем случае при этом получаем некоторое частное q(x) той же степени, что и а(х) и остаток r(х). Последний прибавляем к а(х)хm. В результате получаем многочлен
Поскольку степень g(x) выбираем равной m, степень остатка r(х) не превышает m — 1. В комбинации, соответствующей многочлену а(х)хm, m младших разрядов нулевые, и, следовательно, указанная операция сложения равносильна приписыванию r(х) к а(х) со стороны младших разрядов.
Покажем, что f(x) делится на g(x) без остатка, т. е. является многочленом, соответствующим комбинации кода. Действительно, запишем многочлен а(х)хm в виде
Так как операции сложения и вычитания по модулю два идентичны, r(х) можно перенести влево, тогда
что и требовалось доказать.
Таким образом, циклический код можно строить, приписывая к каждой комбинации безызбыточного кода остаток от деления соответствующего этой комбинации многочлена на образующий многочлен кода. Для кодов, число информационных символов в которых больше числа проверочных, рассмотренный способ реализуется наиболее просто.
Следует указать еще на один способ кодирования. Так как циклический код является разновидностью группового кода, то его проверочные символы должны выражаться через суммы по модулю два определенных информационных символов.
Равенства для определения проверочных символов могут быть получены путем решения рекуррентных соотношений:
где h — двоичные коэффициенты так называемого генераторного многочлена h(x), определяемого так
Соотношение (6.40) позволяет по заданной последовательности информационных сигналов a0, a1, ..., ak-1, вычислить n — k проверочных символов ak, ak+1, ... ,аn-1. Проверочные символы, как и ранее, размещаются на местах младших разрядов. При одних и тех же информационных символах комбинации кода, получающиеся таким путем, полностью совпадают с комбинациями, получающимися при использовании предыдущего способа кодирования. Применение данного способа целесообразно для кодов с числом проверочных символов, превышающим число информационных, например, для кодов Боуза — Чоудхури — Хоквингема.
Матричная запись циклического кода. Полная образующая матрица циклического кода Mn,k составляется из двух матриц: единичной Ik (соответствующей k информационным разрядам) и дополнительной Ck,n-k (соответствующей проверочным разрядам):
Построение матрицы Ik трудностей не представляет.
Если образование циклического кода производится на основе решения рекуррентных соотношений, то его дополнительную матрицу можно определить, воспользовавшись правилами, указанными ранее. Однако обычно строки дополнительной матрицы циклического кода Ck,n-k определяются путем вычисления многочленов r(х). Для каждой строки матрицы Ik соответствующий r(х) находят делением информационного многочлена а(х)хm этой строки на образующий многочлен кода g(x).
Дополнительную матрицу можно определить и не строя Ik. Для этого достаточно делить на g(x) комбинацию в виде единицы с рядом нулей и получающиеся остатки записывать в качестве строк дополнительной матрицы. При этом если степень какого-либо r(х) оказывается меньше n — k— 1, то следующие за этим остатком строки матрицы получают путем циклического сдвига предыдущей строки влево до тех пор, пока степень r(х) не станет равной n — k—1. Деление производится до получения k строк дополнительной матрицы.
Пример 6.14. Запишем образующую матрицу для циклического кода (15,11) с порождающим многочленом g(x) = x4 + x3 + 1 ·
Воспользовавшись результатами ранее проведенного деления, получим
Существует другой способ построения образующей матрицы, базирующийся на основной особенности циклического (n, k)-кода (см § 6.6). Он проще описанного, но получающаяся матрица менее удобна.
Матричная запись кодов достаточно широко распространена.
Укороченные циклические коды. Корректирующие возможности циклических кодов определяются степенью m образующего многочлена. В то время как необходимое число информационных символов может быть любым целым числом, возможности в выборе разрядности кода весьма ограничены.
Если, например, необходимо исправить единичные ошибки при k = 5, то нельзя взять образующий многочлен третьей степени, поскольку он даст только семь остатков, а общее число разрядов получится равным 8.
Следовательно, необходимо брать многочлен четвертой степени и тогда n= 15. Такой код рассчитан на 11 информационных разрядов.
Однако можно построить код минимальной разрядности, заменив в (n, k) -коде j первых информационных символов нулями и исключив их из кодовых комбинаций. Код уже не будет циклическим, поскольку циклический сдвиг одной разрешенной кодовой комбинации не всегда приводит к другой разрешенной комбинации того же кода. Получаемый таким путем линейный (n — j, k — j)-код называют укороченным циклическим кодом. Минимальное расстояние этого кода не менее, чем минимальное кодовое расстояние (n, k)-кода, из которого он получен. Матрица укороченного кода получается из образующей матрицы (n, k)-кода исключением j строк и столбцов, соответствующих старшим разрядам. Например, образующая матрица кода (9,5), полученная из матрицы кода (15,11), имеет вид
§ 6.8 ТЕХНИЧЕСКИЕ СРЕДСТВА КОДИРОВАНИЯ И ДЕКОДИРОВАНИЯ ДЛЯ ЦИКЛИЧЕСКИХ КОДОВ
Линейные переключательные схемы. Основу кодирующих и декодирующих устройств циклических кодов составляют регистры сдвига с обратными связями, позволяющие осуществлять как умножение, так и деление многочленов с приведением коэффициентов по модулю два. Такие регистры также называют многотактными линейными переключательными схемами и линейными кодовыми фильтрами Хаффмена. Они состоят из ячеек памяти, сумматоров по модулю два и устройств умножения на коэффициенты многочленов множителя или делителя. В случае двоичных кодов для умножения на коэффициент, равный 1, требуется только наличие связи в схеме. Если коэффициент равен 0, то связь отсутствует. Сдвиг информации в регистре осуществляется импульсами, поступающими с генератора продвигающих импульсов, который на схеме, как правило, не указывается. На вход устройств поступают только коэффициенты многочленов, причем начиная с коэффициента при переменной в старшей степени.
На рис. 6.10 представлена схема, выполняющая умножение произвольного (например, информационного) многочлена а(х)g(x) = а0+а1х+...+ak-1*xk-1 на некоторый фиксированный (например, образующий) многочлен g(х)=g0+g1 +...+gn-k*xn-k. Произведение этих многочленов равно
Предполагаем, что первоначально ячейки памяти находятся в нулевом состоянии и что за коэффициентами множимого следует n — k нулей.
На первом такте на вход схемы поступает первый коэффициент ak-1 многочлена а(х) и на выходе появляется первый коэффициент произведения, равный аk-1,gn-k. На следующем такте на выход поступит сумма ak-2 gn-k+ak-1gn-k-1, т.е. второй коэффициент произведения, и т. д. На n-м такте все ячейки, кроме последней, будут в нулевом состоянии и на выходе получим последний коэффициент a0g0.
Используется также схема умножения многочленов при поступлении множимого младшим разрядом вперед (рис. 6.11).
На рис. 6.12 представлена схема, выполняющая деление произвольного многочлена [например, многочлена ι] на некоторый фиксированный (например, образующий) многочлен g(x) = g0+g1x+...+gn-k*xn-k. Обратные связи регистра соответствуют виду многочлена g(x). Количество включаемых в него сумматоров равно числу отличных от нуля коэффициентов g(x), уменьшенному на единицу. Это объясняется тем, что сумматор сложения коэффициентов старших разрядов многочленов делимого и делителя в регистр не включается, так как результат сложения заранее известен (он равен 0).
За первые n — k тактов коэффициенты многочлена-делимого заполняют регистр, причем коэффициент при x в старшей степени достигает крайней правой ячейки. На следующем такте «единица» делимого, выходящая из крайней ячейки регистра, по цепи обратной связи подается к сумматорам по модулю два, что равносильно вычитанию многочлена-делителя из многочлена-делимого. Если в результате предыдущей операции коэффициент при старшей степени x у остатка оказался равным нулю, то на следующем такте делитель не вычитается. Коэффициенты делимого только сдвигаются вперед по регистру на один разряд, что находится в полном соответствии с тем, как это делается при делении многочленов столбиком.
Деление заканчивается с приходом последнего символа многочлена-делимого. При этом разность будет иметь более низкую степень, чем делитель. Эта разность и есть остаток.
Отметим, что если в качестве многочлена-делителя выбран простой многочлен степени m = n — k, то, продолжая делить образовавшийся остаток при отключенном входе, будем получать в регистре по одному разу каждое из ненулевых m-разрядных двоичных чисел. Затем эта последовательность чисел повторяется.
Пример 6.15. Рассмотрим процесс деления многочлена а(х)хm= (x^3+1)x^3 на образующий многочлен g(x) = x^3 + + x^2 + 1. Схема для этого случая представлена на рис. 6.13, где 1, 2, 3 — ячейки регистра. Работа схемы поясняется табл. 6.14.
Таблица 6.14
Вычисление остатка начинается с четвертого такта и заканчивается после седьмого такта. Последующие сдвиги приводят к образованию в регистре последовательности из семи различных ненулевых трехразрядных чисел. В дальнейшем эта последовательность чисел повторяется.
Рассмотренные выше схемы умножения и деления многочленов непосредственно в том виде, в каком они представлены на рис. 6.11, 6.12, в качестве кодирующих устройств циклических кодов на практике не применяются: первая — из-за того, что образующаяся кодовая комбинация в явном виде не содержит информационных символов, а вторая — из-за того, что между информационными и проверочными символами образуется разрыв в n — k разрядов.
Кодирующие устройства. Все известные кодирующие устройства для любых типов циклических кодов, выполненные на регистрах сдвига, можно свести к двум типам схем согласно рассмотренным ранее методам кодирования.
Схемы первого типа вычисляют значения проверочных символов путем непосредственного деления многочлена а(х)хm на образующий многочлен g(x). Это делается с помощью регистра сдвига, содержащего n — k разрядов (рис. 6.14). Схема отличается от ранее рассмотренной тем, что коэффициенты кодируемого многочлена участвуют в обратной связи не через n — k сдвигов, а сразу с первого такта. Это позволяет устранить разрыв между информационными и проверочными символами
В исходном состоянии ключ К1 находится в положении 1. Информационные символы одновременно поступают как в линию связи, так и в регистр сдвига, где за k тактов образуется остаток. Затем ключ Κ1 переходит в положение 2 и остаток поступает в линию связи.
Пример 6.16. Рассмотрим процесс деления многочлена а(х)хm = = (х3 + +1)x3 на многочлен g(x) = x3 + x2+ 1 за k тактов
Схема кодирующего устройства для заданного g(x) приведена на рис 6.15
Процесс формирования кодовой комбинации шаг за шагом представлен в табл. 6.15, где черточками отмечены освобождающиеся ячейки, занимаемые новыми информационными символами.
Таблица 6.15.
С помощью схем второго типа вычисляют значения проверочных символов как линейную комбинацию информационных символов, т. е они построены на использовании основного свойства систематических кодов Кодирующее устройство строится на основе k-разрядного регистра сдвига (рис 6.16) Выходы ячеек памяти подключаются к сумматору в цепи обратной связи в соответствии с видом генераторного многочлена
В исходном положении ключ Κ1 находится в положении 1. За первые k тактов поступающие на вход информационные символы заполняют все ячейки регистра. После этого ключ переводят в положение 2. На каждом из последующих тактов один из информационных символов выдается в канал связи и одновременно формируется проверочный символ, который записывается в последнюю ячейку регистра. Через n — k тактов процесс формирования проверочных символов заканчивается и ключ Κ1 снова переводится в положение 1.
В течение последующих k тактов содержимое регистра выдается в канал связи с одновременным заполнением ячеек новой последовательности информационных символов.
Пример 6.17. Рассмотрим процесс формирования кодовой комбинации с использованием генераторного многочлена для случая g(x) = = х3 + х2 + 1 и а(х) = =х3+1
Определяем генераторный многочлен.
Соответствующая h(x) схема кодирующего устройства приведена на рис. 6.17. Формирование кодовой комбинации поясняется табл. 6.16. Оно начинается после заполнения регистра информационными символами.
Таблица 6.16
Декодирующие устройства. Декодирование комбинаций циклического кода можно проводить различными методами. Существуют методы, основанные на использовании рекуррентных соотношений, на мажоритарном принципе, на вычислении остатка от деления принятой комбинации на образующий многочлен кода и др. Целесообразность применения каждого из них зависит от конкретных характеристик используемого кода.
Рассмотрим сначала устройства декодирования, в которых для обнаружения и исправления ошибок производится деление произвольного многочлена f(x), соответствующего принятой комбинации, на образующий многочлен кода go(x). В этом случае при декодировании могут использоваться те же регистры сдвига, что и при кодировании.
Декодирующие устройства для кодов, обнаруживающих ошибки, по существу ничем не отличаются от схем кодирующих устройств. В них добавляется лишь буферный регистр для хранения принятого сообщения на время проведения операции деления. Если остатка не обнаружено (случай отсутствия ошибки), то
информация с буферного регистра считывается в дешифратор сообщения. Если остаток обнаружен (случай наличия ошибки), то информация в буферном регистре уничтожается и на передающую сторону посылается импульс запроса повторной передачи.
В случае исправления ошибок схема несколько усложняется. Информацию о разрядах, в которых произошла ошибка, несет, как и ранее, остаток. Схема декодирующего устройства представлена на рис. 6.18.
Символы подлежащей декодированию кодовой комбинации, возможно, содержащей ошибку, последовательно, начиная со старшего разряда, вводятся в n-разрядный буферный регистр сдвига и одновременно в схему деления, где за n тактов определяется остаток, который в случае непрерывной передачи сразу же переписывается в регистр второй аналогичной схемы деления.
Начиная с (n + 1)-го такта в буферный регистр и первую схему деления начинают поступать символы следующей кодовой комбинации. Одновременно на каждом такте буферный регистр покидает один символ, а в регистре второй схемы деления появляется новый остаток (синдром). Детектор ошибок, контролирующий состояния ячеек этого регистра, представляет собой комбинаторно-логическую схему, построенную с таким расчетом, чтобы она отмечала все те синдромы («выделенные синдромы»), которые появляются в схеме деления, когда каждый из ошибочных символов занимает крайнюю правую ячейку в буферном регистре. При последующем сдвиге детектор формирует сигнал «1», который, воздействуя на сумматор коррекции, исправляет искаженный символ.
Одновременно по цепи обратной связи с выхода детектора подается сигнал «1» на входной сумматор регистра второй схемы деления. Этот сигнал изменяет выделенный синдром так, чтобы он снова соответствовал более простому типу ошибки, которую еще подлежит исправить. Продолжая сдвиги, обнаружим и другие выделенные синдромы. После исправления последней ошибки все ячейки декодирующего регистра должны оказаться в нулевом состоянии. Если в результате автономных сдвигов состояние регистра не окажется нулевым, это означает, что произошла неисправимая ошибка.
Для декодирования кодовых комбинаций, разнесенных во времени, достаточно одной схемы деления, осуществляющей декодирование за 2n тактов.
Сложность детектора ошибок зависит от числа выделенных синдромом. Простейшие детекторы получаются при реализации кодов, рассчитанных на исправление единичных ошибок.
Выделенный синдром появляется в схеме деления раньше всего в случае, когда ошибка имеет место в старшем разряде кодовой комбинации, так как он первым достигает крайней правой ячейки буферного регистра. Поскольку неискаженная кодовая комбинация делится на g0(x) без остатка, то для определения выделенного синдрома достаточно разделить на g0(x) вектор ошибки с единицей в старшем разряде. Остаток, получающийся на n-м такте, и является искомым выделенным синдромом.
В зависимости от номера искаженного разряда после первых тактов будем получать различные остатки (опознаватели соответствующих векторов ошибок). Вследствие этого выделенный синдром будет появляться в регистре схемы деления через различное число последующих тактов, обеспечивая исправление искаженного символа.
В качестве схем деления в декодирующем устройстве могут быть использованы как схемы, определяющие остаток за n тактов (см. рис. 6.12), так и схемы, определяющие остаток за k тактов (рис. 6.14). При использовании схемы деления за k тактов векторам одиночных ошибок ξ(x) будут соответствовать другие остатки на n-м такте, являющиеся результатом деления на образующий многочлен кода векторов ξ(x)xm , а не ξ(x). Поэтому выделенные синдромы, а следовательно, и детекторы ошибок для указанных схем будут различны.
Пример 6.18. Рассмотрим процесс исправления единичной ошибки при использовании кода (7,4) с образующим многочленом g(x) = х3 + x2 + 1 и применении в декодирующем устройстве схем деления за n и k тактов.
Определим опознаватели ошибок и выделенный синдром для случая использования схемы деления за n тактов:
Детектор ошибки, обеспечивающий формирование на выходе сигнала только в случае появления в схеме деления остатка 110, можно реализовать посредством двух логических элементов НЕ и одного логического элемента ИЛИ — НЕ.
На рис. 6.19 приведена схема соответствующего декодирующего устройства. В табл. 6.17 представлен процесс исправления ошибки для случая, когда кодовая комбинация 1001011 (см. табл. 6.16) поступила на вход декодирующего устройства с искаженным символом в 4-м разряде (1000011).
Таблица 6.17
После n (в данном случае 7) тактов в схему деления II переписывается опознаватель ошибки 101. На каждом последующем такте на выходе буферного регистра появляется неискаженный символ корректируемой кодовой комбинации, а в схеме деления II новый остаток. Выделенный синдром появится в схеме деления на 10-м такте, когда искаженный символ займет крайнюю правую ячейку регистра. На следующем такте он попадет в корректирующий сумматор и будет там исправлен импульсом, поступающим с выхода детектора ошибки. Этот же импульс по цепи обратной связи приводит ячейки схемы деления II в нулевое состояние (корректирует выделенный синдром). При использовании схемы деления за k тактов соответствие между векторами ошибок и остатками на n-м такте иное.
на n -м такте
Детектор для выделенного синдрома 100 можно построить из одного логического элемента НЕ и одного элемента ИЛИ — НЕ.
На рис. 6.20 представлена схема декодирующего устройства для этого случая.
Табл. 6.18 позволяет проследить по тактам процесс исправления ошибки в кодовой комбинации 1000011 (искажен символ в 4-м разряде).
Таблица 6.18
Сравнение показывает, что использование в декодирующем устройстве схемы деления за k тактов предпочтительнее, так как выделенный синдром в этом случае при любом объеме кода содержит единицу в старшем и нули во всех остальных разрядах, что приводит к более простому детектору ошибки.
Пример 6.19. Рассмотрим более сложный случай исправления одиночных и двойных смежных ошибок. Для этой цели может использоваться циклический код (7,3) с образующим многочленом g(x) = (x+1)(x3 + x2+1).
Ориентируясь на схему деления за k тактов, найдем выделенный синдром для двойных смежных ошибок:
Остатки Остатки Векторы ошибок на n-м такте
Для одиночных ошибок соответственно получим
Остатки Векторы ошибок на n -м такте
Детектор ошибок в этом случае должен формировать сигнал коррекции при появлении каждого выделенного синдрома. Схема декодирующего устройства представлена на рис. 6.21.
Процесс исправления кодовой комбинации 1000010 с искаженными символами в 4-м и 5-м разрядах поясняется табл. 6.19.
На 9-м такте в схеме деления II появляется первый выделенный синдром 1100. На следующем такте на выходе аналогично обозначенного элемента ИЛИ — НЕ детектора ошибок формируется импульс коррекции, который исправляет 5-й разряд кодовой комбинации и одновременно по цепи обратной связи изменяет остаток в схеме деления II, приводя его в соответствие выделенному синдрому еще неисправленной одиночной ошибки в 4-м разряде (1000) На 11 м такте импульс коррекции формирует элемент ИЛИ — НЕ детектора ошибок, соответствующий указанному выделенному синдрому. Этим импульсом обеспечивается исправление 4-го разряда кодовой комбинации и получение нулевого остатка в схеме деления II
Таблица 6.19
Декодирование кодов Файра. Рассмотрев код, исправляющий единичные и двойные смежные ошибки, мы установили необходимость двух схем в детекторе ошибок, настроенных на два выделенных синдрома. При большом числе выделенных синдромов, как это имеет место, например, в случае кодов, исправляющих пакеты ошибок значительной длины, такой подход неприемлем, так как декодирующее устройство оказывается чрезвычайно сложным.
В связи с этим разработаны коды, в схемах декодирования которых детектор ошибки автоматически настраивается на нужный выделенный синдром. Осуществляется это за счет схемы деления на второй соответствующим образом подобранный многочлен. Образующий многочлен таких кодов, следовательно, представляет собой произведение двух многочленов:
В качестве примера рассмотрим класс кодов Файра с образующим многочленом
где р(х) — неприводимый многочлен степени m>=Ь, принадлежащий показателю степени е = 2m-1; b — длина корректируемого пакета ошибок.
Поступающую из канала связи кодовую комбинацию h(x) представляем суммой по модулю два неискаженной комбинации кода f(x) и вектора, соответствующего пачке ошибок В(х):
где х1 характеризует положение пачки ошибок В(х) в векторе ошибки. Вектор f(x) делится на каждый из многочленов g1(x) и g2(x) без остатка Поэтому процесс декодирования можно анализировать, ограничиваясь вектором хi*В(х). Отметим, что при выбранном нами соотношении числа разрядов в пакете ошибок и степени образующего многочлена m = b совокупность различных исправляемых пакетов ошибок является одновременно совокупностью остатков, получаемых при делении на р(х). В качестве остатка на n-м такте (выделенного синдрома) при пакете ошибок в старших разрядах h(x) желательно иметь сам многочлен ошибки. Тогда на следующих тактах, выводя его в узел коррекции синхронно с последовательностью h(x) из буферного регистра, легко исправить искаженные символы.
Остаток на n-м такте мы получим только в том случае, если будем использовать схему, обеспечивающую деление с первого такта и требующую домножения h(x) на хm.
Для случая поступления кодовых комбинаций, разнесенных во времени, схема декодирующего устройства для кодов Файра представлена на рис. 6.22.
При поступлении h(x) в схему деления I [на многочлен р(х)] в ней начинается закономерное чередование остатков В(х), являющийся одним из остатков, появляется в первый раз на (2m-1)-м такте. Следовательно, для того чтобы он появился на n-м такте, общее число разрядов должно быть кратно 2m-1.
В процессе деления h(x) на многочлен х2b-1 + 1, принадлежащий показателю (2b — 1), образуется (2b — 1) остатков. Вектор типа В(х)хb-1 является одним из остатков. Он возникает впервые на (2b — 1)-м такте и затем его появление циклически повторяется с периодом (2b — 1) тактов
Если мы желаем выставить этот остаток в детекторе ошибки, т. е. получить его также на n-м такте, то n должно быть кратно (2b—1). Чтобы детектор ошибки не сработал раньше, числа 2m-1 и 2b — 1 должны быть взаимно простыми, а n — наименьшим кратным этих чисел.
Равенство остатков В(х) в регистрах двух схем деления, а также равенство нулю остальных (b — 1) разрядов в схеме деления II (на многочлен хb2 + 1) являются условиями возможности исправления обнаруженного пакета ошибок и устанавливаются схемным путем.
После фиксации условий, допускающих исправление пакета, ключ Κι замыкается, а ключ K2 размыкается. На схему коррекции (сумматор по модулю два) одновременно начинают выводиться символы В(х) как с буферного регистра, так и со схемы деления II. При этом пакет ошибок В(х) в векторе h(x) устраняется.
В общем случае, когда В(х) начинается не со старшего разряда, а с j-го, для обеспечения равенства остатков, полученных на n-м такте, нужно проводить последовательные домножения их на x с приведением по модулю р(х) в одной схеме и по модулю (x2b-1 + 1) — в другой.
Если пачка начинается с j-го разряда, то необходимо сделать дополнительно (n-j) тактов, прежде чем остатки в регистрах сравняются, причем с учетом домножения h(x) на хm*j может принимать значения от 1 до n.
За (n — j) дополнительных сдвигов содержимое буферного регистра сместится, и ошибочные символы снова окажутся непосредственно перед схемой коррекции.
Если за время вывода h(x) из буферного регистра условия возможности проведения коррекции не были выполнены, то обнаружена неисправимая ошибка.
Пример 6.20. Рассмотреть процесс исправления пакетов ошибок кодом Файра с образующим многочленом
Код может исправлять пакеты ошибок, состоящие из трех символов (b = 3). Длина кодовой комбинации равна n = (23—1)(2 ·3-1) = 35. Предположим, что в трех старших разрядах нулевой кодовой комбинации возникла пачка ошибок типа В(х) = 101.
При делении В(х) на g1(x) = х3 + x2+ 1 остаток В(х) будет появляться в регистре с периодом 7 тактов. Действительно,
Чередование остатков В(х)х^b-1 при делении В(х) на g2(x) = x5 + 1 происходит с периодом 5 тактов.
Последовательность изменения остатков в регистрах схем деления I и II при поступлении на вход декодирующего устройства нулевой кодовой комбинации с пачкой ошибок 101 в старших разрядах приведена в табл. 6.20. В силу специфики работы схемы деления за k тактов первые b — 1 остатков отличаются от полученных при делении столбиков.
Таблица 6.20
Условия возможности исправления пакета ошибок выполняются на 35-м такте. За последующие три такта при выводе кодовой комбинации из буферного регистра на схему коррекции пачка ошибок устраняется.
Мажоритарное декодирование циклических кодов. Система контрольных проверок, найденная для одного (например аi) или нескольких символов кодовой комбинации циклического кода, может быть использована для декодирования всех символов этой кодовой комбинации, так как контрольным соотношениям удовлетворяет любая кодовая комбинация, а следовательно, и комбинация, полученная из принятой циклическим сдвигом. Таким образом, для декодирования символа аi+k достаточно произвести k сдвигов и осуществить решение «по большинству» посредством того же мажоритарного элемента.
Основная трудность состоит в нахождении систем контрольных проверок. В случае циклического кода совокупность проверочных равенств может быть получена из рекуррентных соотношений.
Приведем контрольные равенства в развернутом виде:
Из данной системы выбираем уравнения, включающие какой-либо один символ а, или одну и ту же сумму некоторых символов, и пытаемся разрешить их относительно этих символов. При этом может оказаться, что:
Последнюю систему называют λ-связанной, если хотя бы один символ ai(i неравно j) входит в λ равенств и никакой другой aj (i неравно j) в большее число равенств не входит. Поскольку способы выражения символов аiоказываются зависимыми, общее число нетривиальных проверок, требующееся для исправления и обнаружения ошибок, по сравнению с предыдущим случаем должно быть больше [16].
Для любого из рассмотренных случаев возможна техническая реализация декодирующего устройства с использованием мажоритарного принципа. Простейшей она оказывается для кодов, позволяющих получить систему разделенных проверок.
Ограничимся рассмотрением конкретного примера только для этого случая.
Пример 6.21. Составим систему разделенных проверок и построим схему декодирующего устройства для циклического кода (7,3) с образующим многочленом g(x) = (x+1)(x3 + x + 1), предназначенного для исправления единичных и одновременного обнаружения двойных ошибок (d = 4)
Найдем генераторный многочлен
Выражая символ старшего разряда a0 через различные символы и добавляя тривиальную проверку a0 = а0, получим систему:
Запишем контрольные равенства:
Соответствующая схема декодирующего устройства представлена на рис. 6.23.
Поступившая в буферный регистр кодовая комбинация параллельно переписывается в регистр декодера. На каждом из n последующих тактов на входе мажоритарного элемента M формируются сигналы в соответствии с равенствами (6.47).
При наличии одиночной ошибки искаженный сигнал имеет место только на одном из четырех входов мажоритарного элемента и последний по большинству неискаженных входных сигналов формирует правильный выходной сигнал, соответствующий символу а0. Значение каждого последующего символа определяется аналогично после очередного сдвига.
Табл. 6.21 позволяет проследить процесс мажоритарного декодирования для случая, когда одиночная ошибка произошла в 4-м разряде кодовой комбинации 1001110.
Таблица 6.21
Случай, когда на двух входах мажоритарного элемента оказывается сигнал «1», а на двух других — «0», соответствует обнаружению двойной ошибки.
§ 6.9. КОДЫ БОУЗА — ЧОУДХУРИ — ХОКВИНГЕМА
Математическое введение. Рассматриваемые циклические коды, сокращенно называемые БЧХ - кодами, составляют большой класс кодов, предназначенных для исправления независимых ошибок произвольной кратности s. Их минимальное кодовое расстояние, следовательно, должно быть не менее чем dmin = 2s + 1.
Для понимания математической структуры БЧХ - кодов необходимо ознакомиться с некоторыми новыми понятиями линейной алгебры. В общем случае эти понятия справедливы для множества многочленов с коэффициентами из поля GF(q), где q — простое число. Поскольку нас интересуют в первую очередь двоичные коды, мы ограничимся случаем q = 2.
Ранее было рассмотрено разложение кольца на классы вычетов по идеалу (см. табл. 6.10). Если в качестве образующего многочлена идеала g(x) взят неприводимый многочлен степени т, принадлежащий показателю степени n(n = 2m—1), то общее число классов вычетов, включая идеал, равно 2^m.
Зададим операции сложения и умножения для полученных классов вычетов:
где (ri(х)) — класс вычетов по модулю многочлена g(x) содержащий элемент ri(x).
При этом совокупность классов вычетов образует конечное поле. Оно насчитывает 2m элементов, обозначается GF(2m) и называется расширением поля степени m над GF(2). Единичным и нулевым элементами поля являются классы вычетов соответственно (1) и (0).
Нетрудно убедиться в том, что для любого ненулевого элемента поля (гa(х)) в нем найдется обратный ему элемент (ra(х)), удовлетворяющий равенству
Пример 6.22. Построим поле порядка 24, используя неприводимый многочлен g(x) = x4 + x + 1 ·
Полная совокупность классов вычетов равна числу остатков, получающихся при делении произвольного многочлена на многочлен р(х). Для заданного многочлена эта совокупность составляет 16 классов вычетов: (0), (1), (x), (х+1), (х2), (х2+1), (х2+х), (х2+х+1), (х3), (х3+1), (х3+х), (х3+х2), (х3+х+1), (х3+х2+1), (х3+х2+х), (х3+х2+х+1).
Поскольку построение таблицы сложения элементов поля трудностей не представляет, ограничимся записью таблицы умножения этих элементов. Обозначив через α класс вычетов (х), содержащий многочлен х, и исключив из рассмотрения нулевой элемент, получим табл. 6.22.
Таблица 6.22
Из приведенного примера видно, что составление таблицы умножения элементов поля, представленных многочленами, является достаточно трудоемким делом. Однако процедура умножения существенно упрощается благодаря возможности представления всех элементов поля в виде степеней одного из его элементов.
Доказано, что в любом конечном поле найдется по крайней мере один элемент α, такой, что все ненулевые элементы поля могут быть представлены в виде различных степеней αi этого элемента, называемого примитивным элементом поля. Так как рассматриваемое поле конечно и насчитывает n=2m-1 ненулевых элементов, то начиная с αn = 1 элементы поля начнут повторяться.
Элементы поля могут быть выражены и через отрицательные степени α , так как поле содержит мультипликативный обратный элемент каждого ненулевого элемента. Используя элементы αm-1, αm-2, ..., α, 1 в качестве базиса, элементы поля можно представить также в виде двоичных последовательностей (векторное представление).
Пример 6.23. Приведем различное представление элементов поля, построенного на основе неприводимого многочлена g(x) = х4 + х+1 (табл. 6.23).
Таблица 6.23
Выражение элементов через отрицательную степень α осуществляется делением на α15 = 1.
Покажем теперь, что любой элемент конечного поля порядка 2m является корнем уравнения
Для ненулевых элементов поля соответственно имеем
Если α — примитивный элемент поля, то произвольный ненулевой элемент представляется в виде степени а, т. е. β = αi.
Тогдаи, следовательно, все ненулевые элементы поля являются корнями уравнения хn + 1 = 0. Эти корни принадлежат различным неприводимым в поле GF(2) многочленам, на которые разлагается двучлен xn +1. Алгоритм такого разложения был приведен ранее. В частности, в примере 6.13 получена совокупность многочленов, корнями которых являются элементы поля Gf(24):
Для нас существенно, как распределены корни двучлена xn+1 (а следовательно, и элементы поля) по составляющим неприводимым многочленам. Доказана следующая закономерность. Если известен один из корней β неприводимого многочлена степени m, то все другие корни этого многочлена являются определенными степенями β, а именно:
Порядок корней неприводимого многочлена является показателем, которому этот многочлен принадлежит.
Многочлен g(x) наименьшей степени, такой, что g(β)=0, называется минимальным многочленом для элемента β. Будем обозначать его gβ(x). Неприводимый над полем GF(2) многочлен степени т называется примитивным, если его корнем является примитивный элемент поля GF(2m).
Пример 6.24. Найдем распределение корней двучлена
Если корни рассматривать как элементы поля, построенного с использованием неприводимого многочлена g(x) = x4 + x + 1, то этот многочлен является примитивным Действительно, примитивный элемент α поля GF(24) является корнем многочлена g(x). Остальные его корни соответственно равны α2 , α4 и α8. Можно непосредственно убедиться в справедливости равенства
Теперь найдем минимальный многочлен g3(x) для элемента α3. Его корнями должны быть элементы
откуда
Аналогично определим минимальные многочлены g5(x) и g7(x) для элементов α5 и α7. Цикл корней g5(x) включает α5 и α10 соответственно для g7(x) имеем α7, α14, α13, α11.
Следовательно,
Итак, распределено 14 корней многочлена x15 + 1. Последний корень α0 равен 1 и принадлежит двучлену x + 1.
Построение и реализация кодов. Процесс выбора образующего многочлена кода Боуза — Чоудхури — Хоквингема, рассчитанного на исправление единичных ошибок, ничем не отличается от рассмотренного ранее. Основное отличие заключается в интерпретации опознавателей ошибок. В данном случае ими считаются различные степени примитивного элемента поля GF(2m), построенного с использованием выбранного неприводимого многочлена g(x) степени m, принадлежащего показателю степени n = 2m—1. Так как число различных ненулевых элементов поля, выраженных степенями примитивного элемента, равно n, то каждому вектору ошибки в отдельном разряде можно сопоставить свой опознаватель, что и гарантирует возможность исправления ошибок.
При возникновении двух ошибок построенный код позволяет определить только сумму s опознавателей этих ошибок
где ξ, и ξ, — опознаватели ошибок в разрядах i и j.
Для однозначного определения ошибок необходимо еще одно независимое уравнение. Возможно использование степенных функций от ξ. Однако квадраты опознавателей не приводят к желательному результату, поскольку второе уравнение с учетом сложения по модулю два оказывается квадратом первого.
Действительно,
Если использовать кубы опознавателей, то уравнения оказываются независимыми
Такой подход допускает обобщение на случай исправления 3- и 4-кратных ошибок и т. д. При этом к полученным уравнениям соответственно добавляются уравнения с опознавателями в пятой, седьмой степенях и т. д.
Коснемся подробнее случая исправления двойных ошибок. Проведем преобразование второго уравнения
откуда
Поскольку известны сумма и произведение опознавателей, то на основании теоремы Виета можно составить уравнение, для которого опознаватели ξi и ξj являются корнями:
Если ошибка оказалась одна, то
и ее опознаватель удовлетворяет уравнению
При отсутствии ошибок, естественно, получаем нулевые опознаватели, так как s1=s3 = 0.
На практике оказывается удобнее использовать многочлены, корнями которых являются не опознаватели ошибок, а их мультипликативные обратные элементы z= =ξ-1.
Для случая исправления двойных ошибок левая часть уравнения преобразуется к виду
При возникновении одной ошибки
при отсутствии ошибок
Осталось выяснить, как получить суммы нечетных степеней опознавателей ошибок, в частности сумму 5з кубов опознавателей при исправлении двойных ошибок. Указанные суммы можно определить за счет последовательного добавления к выбранному примитивному многочлену g(x) в качестве сомножителей минимальных многочленов для элементов α3 (случай двойных ошибок), α5 (случай тройных ошибок) и т. д. Суммы нечетных степеней опознавателей ошибок вычисляются по остаткам, получаемым в результате деления принятой кодовой комбинации на соответствующий минимальный многочлен.
В общем случае образующий многочлен кода Боуза — Чоудхури — Хоквингема представляет собой наименьшее общее кратное (НОК) примитивного и минимальных многочленов
В частности, для кода с n =15, рассчитанного на исправление двойных независимых ошибок, получаем
Пример 6.25. Рассмотрим процесс исправления единичных ошибок кодом Боуза — Чоудхури (15, 11) с образующим многочленом g(x) = x4 + x + 1.
Используя табл. 6.23, сопоставим каждому вектору ошибки свой опознаватель в виде определенной степени примитивного элемента ее поля GF(24) Результат представлен табл. 6.24.
Таблица 6.24
Схема декодирующего устройства представлена на рис 6.24. Детектор ошибки выполнен в соответствии с уравнением l+s1z = 0. За первые n = 15 тактов в результате деления поступающей из канала связи кодовой комбинации h(x) на g(x) получаем в регистре I опознаватель ошибки х-j. Затем он переписывается в регистр II схемы, осуществляющей домножение опознавателя на α с приведением по модулю g(x), тес превращением α4 в α + 1.
На (n + 1)-м такте символ старшего разряда кодовой комбинации h(x) поступает из буферного регистра в сумматор коррекции. Одновременно производится домножение опознавателя α-j на α, и на схему ИЛИ детектора подается вектор 1+si*α. Если 1 +s1 α неравно 0, то s1 неравно α-1 и, следовательно, ошибка произошла не в старшем разряде.
Аналогично анализируется правильность других символов, последовательно поступающих в узел коррекции из буферного регистра. Когда в схеме коррекции появляется искаженный символ j-и позиции (начиная со старшего разряда), то 1+ +s1αj = 0 и s1 = α-j. При этом выходной сигнал схемы ИЛИ детектора равен нулю и импульс с выхода схемы НЕ корректирует ошибку.
Пример 6.26. Наметим последовательность операций при исправлении двойных ошибок кодом (15, 7) с образующим многочленом g(x) = (x4 + x + 1)(x4 + x3 + x2 + x + 1).
В процедуре декодирования указанного кода можно выделить следующие этапы:
1) нахождение суммы s1 опознавателей ошибок путем деления поступившей из канала связи кодовой комбинации h(x) на многочлен х4 + x + 1;
2) определение суммы s3 кубов опознавателей в базисе α9 α6 α1 путем деления h(x) на многочлен х4 + х3 + x2 + x + 1;
3) выражение s3 в базисе α3 α2 α1;
4) вычисление s12, отношения s3/s1 и суммы s12 + s3/s1,
5) построение схемы для определения корней уравнения q(z) = 1+s1z+(s12 + + s3/s1)z2 путем последовательного домножения s1 на α и (s12 + s3/s1) на α2.
§ 6.10. ИТЕРАТИВНЫЕ КОДЫ
Для итеративных кодов характерно, что операции кодирования проводятся над совокупностью информационных символов, располагаемых по нескольким, например q, координатам. В связи с этим итеративные коды также называют многомерными, многостепенными. Число информационных символов в кодовом векторе q-степенного кода
где mγ — число информационных символов по координате γ. Последовательности информационных символов по каждой из координат кодируются каким-либо линейным кодом. В общем случае каждый информационный символ входит одновременно в q различных кодовых векторов.
Классические итеративные коды. Идея создания рассматриваемых кодов принадлежит П. Элайесу.
В этом случае определенным линейным кодом кодируется каждая из отдельных последовательностей информационных символов по координате γ, (например, каждая строка). Получаемый итеративный код также является линейным.
Простейший из таких кодов является двухстепенной (двумерный) код с проверкой на четность по строкам и столбцам, который широко используется на практике для обнаружения ошибок на магнитной ленте. Расположение информационных и проверочных символов приведено на рис. 6.25.
Значения проверочных символов, располагающихся в крайнем правом (или в любом другом) столбце и нижней строке, определяются уравнениями
Передачу символов такого кода обычно осуществляют последовательно символ за символом, от одной строки к другой, либо параллельно целыми строками. Декодирование начинают сразу, не ожидая поступления всего блока информации.
Проверка справедливости соотношения (6.55) при декодировании позволяет исправить любое нечетное число искаженных символов, расположенных в одной строке или в одном столбце. Действительно, строка (столбец) с нечетным числом искаженных символов будет выявлена неудовлетворительным результатом проверки ее на четность, а искаженные символы конкретно будут указаны при проверках по столбцам (строкам). Большинство ошибок другой конфигурации этим кодом может быть обнаружено. Необнаруженными оказываются только ошибки, имеющие четное число искаженных символов, как по строкам, так и по столбцам. Простейшая не обнаруживаемая ошибка содержит четыре искаженных символа, расположенных в вершинах прямоугольника (рис. 6.26).
Число ошибок такого вида В4 для блока из lхn символов равно
Общее число четырехкратных ошибок составляет
Таким образом, отношение числа не обнаруживаемых четырехкратных ошибок к общему числу таких ошибок
Определим минимальный вес ненулевого вектора рассматриваемого итеративного кода (двумерной кодовой комбинации). Такой вектор должен содержать только одну ненулевую вектор-строку, минимальный вес, которой равен 2. Проверка на четность каждого из ненулевых столбцов также дает вектор веса 2. Следовательно, минимальный вес ненулевого вектора итеративного кода с двойной проверкой на четность равен 2*2 = 4.
Аналогично можно показать, что в общем случае минимальный вес вектора итеративного кода равен произведению минимальных весов векторов итерируемых кодов. Так как минимальное кодовое расстояние для линейного кода равно минимальному весу его ненулевых векторов, то минимальное расстояние итеративного кода равно
где dγ — кодовое расстояние линейного кода по координате γ.
Коррекция ошибок проводится последовательно. Сначала исправляют ошибки по одной координате, затем осуществляют исправление оставшихся ошибок по другой координате и т. д.
Такая процедура проста, но снижает корректирующую способность итеративного кода, поскольку оказывается невозможным исправить часть ошибок кратности (d-l)/2.
Поясним это на примере итерации двух кодов Хэмминга (7, 4). Результирующий итеративный код (49, 16) имеет минимальное кодовое расстояние, равное 3x3 = =9, и, следовательно, потенциально, как любой линейный код, способен исправлять все ошибки кратности 4 и менее. Однако, применяя указанную выше процедуру декодирования, невозможно исправить четырехкратные ошибки с расположением искаженных символов в вершинах прямоугольника (рис. 6.26).
Специальные двухстепенные коды. Специальные двухстепенные коды нашли широкое применение для обнаружения и исправления ошибок, возникающих при записи, хранении и считывании цифровой информации с накопителей на магнитном носителе, например на магнитной ленте. Разработанные коды базируются на исследованиях статистики ошибок. Опубликованные данные показывают, что при эксплуатации магнитных носителей преобладают пачки ошибок вдоль дорожек (столбцов), причем вероятность возникновения двух пачек ошибок и более на разных дорожках в кадре информации из нескольких десятков строк достаточно мала.
Рассмотрим один из таких кодов [4].
Стандартный код для записи информации на магнитную ленту. В каждом кадре информации формируется одна дополнительная строка. Проверочные символы на дополнительной дорожке определяются из условия обеспечения нечетности числа единиц вдоль данной строки. В направлении дорожек используется параллельный циклический код, позволяющий определить номер дорожки, на которой возникла пачка ошибок. Зная номер дорожки с искаженными символами и используя результаты проверок по
строкам, можно произвести их исправление.
Расположение кодируемого кадра информации на ленте показано на рис. 6.27.
Кодирование циклическим кодом осуществляется следующим образом. Многочлен F1(x), соответствующий информации перкой строки, умножается на x и результат приводится по модулю образующего многочлена g(x) степени n, где n — число дорожек, включая контрольную [например, для 9 дорожек g(x) = (х + 1)(х8 + + х4 + х3 + x2 + 1)]. Полученный остаток Ri(x) суммируется по модулю два с многочленом F2(x), соответствующим информации второй строки. Сумма снова умножается на x и далее приводится по модулю g(x), в результате чего определяется остаток R2(x). Применив этот алгоритм последовательно ко всем строкам кодируемого кадра информации, получим R1(x) — многочлен степени не выше n-1, который и записывается в конце кадра (при нечетном числе строк в нем), в качестве символов контроля по дорожкам
где Ri(x) mod (x) означает величину Ri(x), приведенную по модулю g(x).
Декодирование производится аналогично кодированию, причем участвует и контрольная строка — Ri(x). Процесс декодирования можно записать следующим образом:
где Ε (x) — некоторый многочлен, определяющий ошибку. Выражение M(х) можно представить в виде
Сравнивая его с выражением (6.58), можно заключить, что при отсутствии ошибки будет фиксироваться значение R'(x), равное нулю. Случай R'(x) неравна 0 соответствует обнаружению ошибки. Если имела место пачка ошибок вдоль одной из дорожек, то она может быть исправлена. Многочлен ошибки в этом случае имеет вид Ε (x) = xje(х), где е(х) отражает поразрядную структуру, а хj — адрес ошибки. Так как справедливо равенство (6.59), то
причем е(х) определяется по результатам проверок строк на нечетность.
Номер дорожки с искаженными символами может быть найден теперь, исходя из следующих соображений. Предположив, что на ленте была записана информация, состоящая из одних нулей, т. е. F1(x) = 0...Fl(x) = 0, Rl(x) = 0 и при считывании на дорожке с выбранным известным номером n возникла пачка ошибок с точно такой же структурой е(х), в результате декодирования получим некоторый многочлен R"(x), причем
где k — число дорожек, на которое отстоит дорожка с известным номером η от дорожки, где возникла пачка ошибок.
Таким образом, если пачка ошибок возникла только по одной дорожке, то, умножив R'(x) на xk с приведением по модулю g(x), получим R"(x). Поэтому при декодировании одновременно с вычислением R'(x) осуществляется вычисление R"(x). Для определения номера дорожки с искаженными символами производится последовательное домножение R'(x) на х, х2, ..., хn-1.
На каждом шаге, начиная с R'(x), результат приводится по модулю g(x) и затем сравнивается с R"(x). Процесс прекращается, как только на каком-либо i-м шаге зафиксировано равенство (в этом случае k = i— 1 и известная величина n определяет номер искомой дорожки) или после проведения n сравнений. В последнем случае фиксируется наличие неисправимой ошибки.
При четном числе строк кодируемой информации l образующий многочлен типа g(x) = (х + 1 )g'(x) обеспечивает Rl(x) всегда с четным числом членов. Суммирование этого многочлена с g'(x) позволяет получить результирующий многочлен R'l(x), удовлетворяющий проверке по нечетности вдоль строки.
Описанные коды способны исправлять все пачки ошибок, возникающие по одной дорожке, за исключением пачек вила
где L(x) — произвольный многочлен.
Кодирование и декодирование информации с использованием рассматриваемых кодов относительно просто реализуется как программными, так и аппаратными средствами [4].
§ 6.11 СВЕРТОЧНЫЕ КОДЫ
Для сверточных (рекуррентных) кодов характерно, что операции кодирования и декодирования осуществляются над непрерывной последовательностью символов. Такой метод имеет определенные преимущества, так как предоставляет большие возможности для использования вводимой избыточности.
В общем случае сверточному кодированию могут подвергаться последовательности символов, являющихся элементами произвольного конечного поля GF(q). Мы ограничимся рассмотрением двоичных сверточных кодов. Принцип кодирования поясняется рис. 6.28. В каждый дискретный момент времени на вход кодирующего устройства поступают k информационных последовательностей символов, а с его выхода в канал связи выдаются η последовательностей, причем n>k. Проверочные символы, как и в блоковых кодах, получаются в результате проведения линейных операций над определенными информационными символами.
Если первые k выходных последовательностей совпадают со входными, сверточный код называется систематическим.
Способы реализации сверточных кодов во многом похожи на способы реализации циклических кодов.
Процессы кодирования и декодирования таких кодов можно описать посредством многочленов с использованием оператора задержки D. Последовательности символов, поступающие на каждый из входов, представляют многочленами, где ct(i)— символ, появляющийся на j-м выходе кодирующего устройства в момент τ.
Связь между информационными и проверочными символами задается образующими многочленами сверточного кода.
Степени образующих многочленов не превышают числа т, а коэффициентами Mjk для двоичных кодов являются элементы поля GF(2).
Последовательности проверочных символов образуются как линейные комбинации последовательностей информационных символов
где bt(i) — символ j-и информационной последовательности, поступившей в момент τ.
Последовательности проверочных символов также можно записать в виде многочленов
В процессе прохождения по каналу связи передаваемые символы могут искажаться. Запишем последовательности информационных и проверочных символов, поступивших из канала связи, в виде многочленов и
здесь Ut(i) символ j-й информационной последовательности, поступившей в момент τ(j=1,2,…,k); Ut(i) — символ i-й проверочной последовательности, поступившей в момент τ(i= k+l, k + 2, ...,n).
Аналогично запишем последовательности ошибок, содержащие единицы на местах искаженных символов и нули во всех остальных позициях:
где et(j) — символ ошибки, имеющей место в j'-й информационной последовательности в момент τ (у = 1, 2, ..., k).
где et(i) — символ ошибки, имеющей место в i-й проверочной последовательности в момент τ (i = k + 1, k + 2, ..., n).
Очевидно,
В процессе декодирования по информационным символам, поступающим из канала связи, с использованием образующих многочленов снова формируются последовательности проверочных символов Ul(i)(D)
Последовательности Ul(i)(D) и U(i)(D) (i = k+l, k + 2, ..., n) сравниваются между собой, в результате чего получаем последовательности S(i)(D), определяющие структуру ошибок. Эти последовательности по аналогии с блоковыми кодами называют синдромами
Подставляя выражения (6.63) и (6.64) в (6.66), получаем
В соответствии со структурой синдромов строится вторая часть декодирующего устройства — узел коррекции ошибок. Существуют сверточные коды, рассчитанные как на исправление взаимно независимых ошибок, так и пачек ошибок.
Использование сверточных кодов возможно и при последовательной передаче символов. В этом случае несколько последовательностей информационных символов могут быть сформированы из одной входной последовательности посредством коммутатора. На выходе кодирующего устройства информационные и сформированные проверочные символы аналогичным синхронным коммутатором вновь объединяются в одну последовательность.
На рис. 6.29 приведена схема кодирующего устройства для простейших сверточных кодов, у которых на k информационных символов приходится один проверочный. За время цикла входной коммутатор СК1 направляет k символов входной последовательности в k информационных каналов, с которых они поступают как непосредственно на выход, так и на линейный преобразователь П, формирующий проверочный символ Ck+1· В случае двоичного кодирования преобразователь включает ячейки памяти, объединенные в регистры сдвига, устройства умножения на постоянную величину (связи) и сумматоры по модулю два. Ячейки памяти позволяют добиться усреднения влияния помехи при малых n за счет использования символов, поступающих на соседних циклах.
В декодирующем устройстве (рис. 6.30) информационные символы последовательности, поступающей из канала связи, также разделяются с помощью коммутатора CK1 по k информационным каналам. Посредством линейного преобразователя П, аналогичного преобразователю кодирующего устройства, снова формируются проверочные символы Ck+1, которые сравниваются (суммируются по модулю два) с проверочными символами, поступающими непосредственно из канала связи. В случае отсутствия ошибок образующаяся на выходе последовательность символов состоит из одних нулей.
Очевидно, что в процессе сравнения единица в синдроме может и не образовываться, если одновременно окажется искаженным не только информационный символ, но и проверочный, сформированный с участием данного информационного символа. Чтобы исключить такую возможность, информационные и соответствующие им проверочные символы разносятся в канале по времени передачи, что осуществляется посредством ячеек памяти преобразователя. Предполагается, что за пачкой ошибок следует определенное число неискаженных символов. Поэтому одновременное искажение информационных и зависящих от них проверочных символов считается невозможным. Если же длина пачки ошибок превысит значение, на которое рассчитывается код, или между пачками ошибок не будет необходимого числа неискаженных символов, то сверточный код не обеспечивает исправления ошибок. Более того, в этом случае может произойти «исправление» правильно принятого информационного символа на неправильный. Анализатор синдрома, входящий в состав блока коррекции, представляет собой логическую схему, определяющую, к какой информационной последовательности относится очередной искаженный символ, и формирующую соответствующий импульс коррекции.
Устройство исправления ошибок включает сумматоры по модулю два для каждого информационного канала и буферные регистры, расположенные как до, так и после сумматоров, для выравнивания временных задержек, возникающих при формировании и анализе синдрома. Выходная последовательность исправленных информационных символов формируется синхронным коммутатором СК2.
Пример 6.27. Рассмотрим процессы кодирования и декодирования простейших сверточных кодов, разработанных Д. В. Хагельбаргером.
Для формируемых этим кодом последовательностей характерно, что за каждым информационным символом следует проверочный символ (n = 2, k= 1). Коды способны исправлять пачку ошибок длиной <l символов при условии, что две соседние пачки разделены между собой защитным промежутком 3l+1 символов, т.е. между последним символом данной пачки и первым символом следующей пачки должно быть не менее 3l+ 1 неискаженных символов.
Для конкретности примем l<4. Кодирующее устройство такого кода (рис. 6.31) представляет собой схему умножения на образующий многочлен G(D) = D2 + D4 (см. рис. 6.11). Будем считать, что на вход поступает последовательность информационных символов (точка Κι) 100100111001, что соответствует многочлену B(D) = 1 + D3 + D6 + +D7+D8 + D11.
Помножив B(D) на образующий многочлен G(D), получим многочлен C(D), соответствующий последовательности проверочных символов, формируемых в точке К2:
Процесс формирования проверочных символов кодирующим устройством показан в табл. 6.25.
Таблица 6.25
При последовательной передаче с выхода коммутатора будут поступать попеременно информационные символы последовательности 1001001110010000 и проверочные символы из последовательности 0010110111011101, образуя на входе канала связи последовательность (в точке К3) 10000110010110111101001101010001.
Предположим, что в канале связи произошло искажение 7, 8 и 9-го символов. Последовательность на выходе канала связи (точка K4) имеет вид 100001 101101111010011, где искаженные символы помечены прямоугольником.
Последовательность информационных символов в декодирующем устройстве (точка K5) 100010111001 соответствует многочлену
а последовательность проверочных символов 0011110111011 — многочлену U(2)(D)= = G(D) + С(c)(D), где E(c)(D) = =D3.
Декодирующее устройство (рис. 6.32) состоит из двух частей: первая часть вырабатывает опознаватель ошибки (синдром), а вторая — анализирует синдром и производит само исправление (узел коррекции).
Проверочная последовательность, формируемая в точке α декодирующего устройства по принятой последовательности информационных символов, выражается многочленом
Процесс ее формирования показан в табл. 6.26. Сформированная в точке a последовательность сравнивается с последовательностью проверочных символов, поступающих из канала связи, в результате чего на выходе (точка К6) вырабатывается опознаватель ошибки — синдром S(D):
Он не зависит от информационных символов и определяется только видом пачки ошибок. В случае отсутствия ошибок эта последовательность состоит из одних нулей. Учитывая, что в пачке ошибок из четырех символов два символа информационных и два проверочных, легко расшифровать структуру синдрома.
Первые две позиции в синдроме характеризуют искажения в проверочных символах (E(c)(D)), затем две позиции характеризуют искажения в информационных символах (D2E(b)(D)), а в следующих двух позициях предыдущие значения повторяются ( D4E(b)(D)).
Убедимся, что последовательность в точке K6 декодирующего устройства соответствует полученному синдрому. Она равна сумме по модулю два последовательности в точке a и последовательности поступивших из канала проверочных символов
Полученная последовательность действительно соответствует
Анализатор синдрома построен в точном соответствии с его структурой.
Повторение в синдроме символов, соответствующих ошибкам в информационной последовательности, позволяет опираться при их выделении на логический элемент И. С учетом того, что коррекция целесообразна лишь в случае, когда за пачкой ошибок следуют неискаженные символы, используют элемент И на три входа.
На первый его вход через элемент НЕ поступает инвертированная последовательность символов синдрома; на второй — символы синдрома, задержанные на два такта; на третий — символы синдрома, задержанные на четыре такта.
На выходе элемента И получаем последовательность импульсов коррекции, исправляющих поступившую последовательность информационных символов Запишем эти последовательности:
Так как корректирующий сигнал формируется через 3l/2, а информационные символы задерживаются только на l тактов, то возникает необходимость в дополнительной задержке информационных символов на l/2 тактов (l/2 = 2) Это осуществляется блоком задержки. Совместно с сумматором по модулю два он образует устройство исправления ошибок:
последовательность в точке K5 100010111001
последовательность в точке Κ7 00000110000000
исправленная последовательность
информационных символов
(точка K8) 00100100111001
Сверточные коды для записи информации на магнитную ленту. Рассмотрим процедуру образования сверточных кодов применительно к исправлению пачек ошибок на магнитной ленте. Коды строятся в предположении появления пачек ошибок вдоль дорожек, причем считается, что вероятность возникновения нескольких пачек ошибок на разных дорожках в кадре информации из нескольких десятков строк весьма мала, что обычно соответствует статистическим данным об ошибках.
Сверточные коды для указанной цели можно построить, используя идею Ивадари [20], обобщающую подход к декодированию сверточных кодов Д. В. Хагель-баргера. В рассмотренном нами примере имела место одна информационная последовательность и структура синдрома выражалась соотношением (6.68).
В основу декодирования сверточных кодов, рассчитанных на несколько входных информационных последовательностей, также кладется принцип совпадения повторяющихся частей синдрома. Однако для возможности определения информационной последовательности, в которой возникла пачка ошибок, между повторяющимися частями синдромов включается различное число нулевых символов.
Таким образом, информационным последовательностям в синдроме соответствуют конфигурации веса второго вида:
где E(j) — последовательность двоичных символов, соответствующая пачке ошибок, возникшей в j-и информационной последовательности.
Для проверочной последовательности имеем единственную конфигурацию веса первого вида E(k+1) 0...0. Конфигурации в синдроме кода должны быть размещены так, чтобы они не накладывались друг на друга, обеспечивая их безошибочное выделение при декодировании.
Для сверточного кода, рассчитанного на исправление пачек ошибок длины l при считывании с накопителя, имеющего k0 информационных дорожек и одну проверочную n0 = (k0+1), общее выражение для синдрома информационной последовательности имеет вид
где E(j)(D) — двоичная последовательность, соответствующая пакету длины l, возникшему на j-и дорожке (1<=j<=k0).
Аналогичное выражение для синдромов ошибок на контрольной дорожке имеет вид
где E(n0)(D) — двоичная последовательность, соответствующая пакету ошибок длиной l, возникшему на контрольной дорожке.
Связь между символами синдрома и символами принятой последовательности задается посредством выражения (6.67), считая, что на всех дорожках, кроме j-и, пакеты ошибок отсутствуют (соответствующие E(D) нулевые), синдромы S(n0)(D) для различных j можно представить в виде
где G(n0)(j)(D) — образующие многочлены сверточного кода.
Подберем G(n0)(j)(D) так, чтобы при возникновении последовательности ошибок E(j)(D) синдром S(n0) (D) соответствовал выражению 1.
Указанным требованиям удовлетворяет образующие многочлены вида
Защитный промежуток построенного кода
здесь m — наибольшая степень образующего многочлена.
Описанные коды строились в предположении, что для размещения контрольных символов используется только одна дорожка. Для случая, когда имеется возможность разместить контрольные символы на двух дорожках, на основе идей сверточного кодирования можно построить коды, позволяющие исправлять пакеты произвольной длины по одной дорожке и требующие значительно меньшего защитного промежутка. Техническая реализация таких кодов весьма проста.
Для построения кода К0 информационных последовательностей, поступающих на вход кодера, представим в виде
Для формирования контрольной последовательности выберем образующие многочлены в соответствии с выражением (6.72). Принимая l=0, получим следующую совокупность образующих многочленов:
Подставляя образующие многочлены (6.73) в выражение для контрольной последовательности, получим значения символов этой последовательности, которая имеет вид
Таким образом, при выбранных образующих многочленах контрольную последовательность символов С(n0)(D) можно представить в виде двух последовательностей, которые при n0 — k0 = 2 могут быть записаны на две контрольные дорожки. Тогда по одной дорожке фиксируется последовательность
а на другой контрольной дорожке — последовательность
Рассмотрим процесс исправления ошибок. Запишем общие выражения для синдромов ошибок каждой из контрольных последовательностей
где
где
Тогда
Поскольку предполагается, что пакеты ошибок возникают только по одной дорожке, один из синдромов определяет начало пакета и его структуру и, следовательно, дает информацию о виде многочлена ошибки Ε (D). Структура другого синдрома в этом случае должна иметь вид E(D)Dj-1. Для определения номера дорожки, где расположен пакет ошибок, последовательно домножаем Ε (D) на D и сравниваем с другим синдромом. Значение j, при котором наступает равенство, указывает номер искомой дорожки.
Процесс образования контрольных символов имеет простое толкование. Если совокупность образующих код многочленов, участвующих в формировании символов контрольной последовательности С(k0+1)(D), записать в виде
а совокупность образующих многочленов, участвующих в формировании символов контрольной последовательности G(k0+2)(D), в виде
то наглядно выступает закономерность, выражающаяся в том, что символы первой контрольной последовательности образуются в результате суммирования символов, расположенных по диагонали, а символы второй контрольной последовательности образуются в результате суммирования символов строки массива. Такой код можно назвать кодом с проверкой на четность по строке и диагонали (рис. 6.33).
Простая геометрическая интерпретация процессов формирования контрольных символов, безусловно, является еще одним существенным преимуществом данного кода, поскольку не требуется никакой математической подготовки для понимания механизма коррекции ошибок. Наиболее неблагоприятный случай в отношении определения величины защитного промежутка возникает, когда предыдущий пакет ошибок располагается на первой дорожке, а последующий пакет — на k0 дорожке. Наибольший защитный промежуток при этом равен
где т — наибольшая из степеней образующих многочленов.
Для реализации разработанного кода требуется простая аппаратура с буферной памятью, емкостью &0по разрядов. Схема кодирующего устройства приведена на рис. 6.34, а схема декодирующего устройства — на рис. 6.35. Поскольку процесс кодирования не требует пояснений, остановимся только на процессе декодирования.
Сигналы, соответствующие символам принятых информационных последовательностей (U(j)(D)), по тактам поступают в буферное ЗУ, которое состоит из регистров сдвига и сумматоров по модулю два, расположенных по диагонали буферного ЗУ. Одновременно производится образование символов синдрома S(k0+1)(D) и S(k0+2)(D). Символы конкретного синдрома S(k0+2)(D) образуются посредством сложения по модулю два принятых символов строки, включая контрольные символы дополнения по четности. Символы конкретного синдрома образуются посредством сложения по модулю принятых символов, расположенных по диагонали массива, включая контрольные символы дополнения по четности.
Сигналы, соответствующие символам синдромов и поступают в логическую схему, где формируются сигналы коррекции (рис. 6.36).
Сигналы, соответствующие символам синдрома подаются на вход регистра сдвига логической схему и при отсутствии сигналов ошибки по диагонали продвигаются через сумматоры по модулю два вдоль регистра синхронно с принятыми сигналами, соответствующими информационным символам.
В случае обнаружения ошибки по диагонали получаем сигнал, соответствующий ненулевому символу синдрома, который воздействует на схему И логической части устройства декодирования. На выходе той схемы И, на которую одновременно воздействуют сигналы ошибок по строке и диагонали, возникает сигнал коррекции. Поскольку предполагается одна ошибка в строке, сигнал ошибки после формирования сигнала коррекции далее по регистру не продвигается.
Сигналы коррекции подаются в соответствующие сумматоры по модулю два, расположенные в диагонали буферного ЗУ, и ошибка исправляется.
1. Сформулируйте и поясните основную теорему Шеннона о кодировании для канала с помехами.
2. Какова причина целесообразности кодирования длинных последовательностей символов?
3. Какие коды называют помехоустойчивыми?
4. За счет чего помехоустойчивый код получает способность обнаруживать и исправлять ошибки?
5. Охарактеризуйте блоковые и непрерывные, разделимые и неразделимые помехоустойчивые коды.
6. Что подразумевают под кратностью ошибки?
7. Как определяется минимальное кодовое расстояние?
8. Запишите соотношения, связывающие минимальное кодовое расстояние с числом обнаруживаемых и исправляемых ошибок.
9. Назовите основные показатели качества корректирующего кода.
10. Дайте определение понятий группы, подгруппы, смежного класса.
11. В чем различие понятий кольца и поля?
12. Как определяется линейное векторное пространство?
13. Какой помехоустойчивый код называют линейным?
14. Что понимают под вектором ошибки?
15. Что такое опознаватель ошибки?
16. Как составляется таблица опознавателей для конкретной совокупности корректируемых векторов ошибок?
17. Как по таблице опознавателей записать равенства, в соответствии с которыми определяются значения проверочных разрядов?
18. В чем сущность мажоритарного декодирования?
19. Дайте определение порождающей матрицы кода.
20. Какой код называют систематическим?
21. Как построить проверочную матрицу кода?
22. Каким требованиям должен удовлетворять образующий многочлен циклического кода?
23. Дайте определение понятий идеала в кольце и класса вычетов по идеалу.
24. Как находят опознаватели ошибок в случае циклического кода?
25. Что такое выделенный синдром?
26. Какие устройства составляют основу технической реализации циклических кодов?
27. Нарисуйте схему кодирующего устройства циклического кода и поясните ее работу.
28. Поясните процесс декодирования циклического кода.
29. Определите поле классов вычетов по модулю образующего многочлена.
30. Какой элемент поля классов вычетов называется примитивным?
31. Как распределяются корни двучлена хn+1 по составляющим неприводимым многочленам?
32. Как выбрать образующий многочлен кода Боуза — Чоудхури — Хоквингема?
33. В чем заключается методика декодирования кодов Боуза — Чоудхури — Хоквингема?
34. Какими характерными особенностями обладают итеративные коды?
35. Объясните процедуру исправления пачки ошибок кодом, используемым в накопителях на магнитной ленте.
36. Назовите условие правильного исправления ошибок при применении рекуррентного кода?
ЗАКЛЮЧЕНИЕ
Изложенные в учебнике идеи и методы теории информации представляют интерес не только в плане решения задач, связанных с передачей и хранением информации. Теоретико-информационный подход приобрел значение метода исследования, позволяющего качественно и количественно сопоставлять специфические характеристики конкретных устройств и систем независимо от их физической сущности.
С использованием теоретико-информационных представлений построены новые более общие модели известных явлений и решен ряд практически важных задач в таких областях, которые при создании теории информации не принимались во внимание.
Можно отметить, например, такие задачи, как определение общей оценки качества измерения быстроизменяющихся величин (проблему динамической погрешности) в измерительной технике, информационная трактовка процессов стабилизации, отработка управляющих воздействий и адаптация в технике автоматического управления, разработка оптимальных алгоритмов поиска неисправностей в технике автоматического контроля, освещение информационных аспектов процессов естественного отбора и наследственности, включая вопросы помехоустойчивого кодирования генетической информации в биологии, выявление информационной сущности механизма возникновения эмоций в психологии и т. п.
Широкое проникновение идей и методов теории информации в различные области науки и техники вполне естественно, поскольку информация является характеристикой такого всеобщего свойства материи, как разнообразие.
В свою очередь, различные приложения теории способствуют ее дальнейшему развитию, например, в направлении учета ценности информации и других аспектах.
Следует ожидать, что идеи и методы теории информации будут успешно использоваться и в дальнейшем, особенно при создании сложных систем, объединяющих различные по целям, функциям и даже физическому воплощению подсистемы.
СПИСОК ЛИТЕРАТУРЫ
1. Винер Η. Кибернетика.
2. Герасименко В. А., Мясников В. А. Защита информации от несанкционированного доступа. — М.: МЭИ, 1984.
3. Глушков В. М. Мышление и кибернетика//Вопросы философии, 1963. № 1. С. 10—24.
4. Дмитриев В. И. Учебное пособие по курсу «Теория информации и кодирования». — М.: МЭИ, 1977.
5. Дмитриев В. И., Иванов А. В. Новые сверточные коды для исправления ошибок на магнитной ленте//Труды МЭИ. Вып. 495. 1980. С. 11 — 17.
6. Дэвис Д. и др. Вычислительные сети и сетевые протоколы. — М.: Мир, 1982.
7. Зиновьев А. Л., Филиппов Л. И. Введение в теорию сигналов и цепей. — М.: Высшая школа, 1975.
8. Игнатов В. А. Теория информации и передачи сигналов.—М.: Советское радио, 1979.
9. Колесников В. Д , Мирончиков Е. Т. Декодирование циклических кодов. — М.: Связь, 1968.
10. Колмогоров А. Н. Три подхода к определению понятия «количество информации»//Проблемы передачи информации. 1965. Т. 1. Вып. 1. С. 25—38.
11. Коган И. М. Прикладная теория информации. — М.: Радио и связь, 1981.
12. Кузьмин И. В., Кедрус В. А. Основы теории информации и кодирования. — Киев: Высшая школа, 1977.
13. Кузьмин И. В., Явна А А., Ключко В. И. Элементы вероятностных моделей АСУ. — М.: Советское радио, 1975.
14. Липкин И. А. Основы статистической радиотехники, теории информации и кодирования — М.: Советское радио, 1978.
15. Логинов В. М. и др. Экономичное кодирование. — Киев.: Техника, 1976.
16. Мамиконов А. Г. Управление и информация. — М.: Наука, 1975.
17. Мельников Ю. Н. Достоверность информации в сложных системах. — М.: Советское радио, 1973.
18. Новик А. А. Эффективное кодирование. — М: Энергия, 1965.
19. Пенин П. И. Системы передачи цифровой информации. — М: Советское радио, 1976.
20. Питерсон У., Уэлдон Э. Коды, исправляющие ошибки. — М.: Мир, 1976.
21. Пугачев В. С. Теория случайных функций и ее применение к задачам автоматического управления. — М.: Изд-во технико-теоретической литературы, 1957.
22. Основы кибернетики. Теория кибернетических систем/Под ред. К. А. Пупкова. — М.: Высшая школа, 1976.
23 Советов Б. Я. Теория информации. — Л.: Изд. ЛГУ, 1977.
24. Солодов А. В. Теория информации и ее применение к задачам автоматического управления и контроля. — М.: Наука, 1967.
25. Тарасенко Ф. П. Введение в курс теории информации. — Томск: Изд. ТГУ, 1963.
26. Темников Ф. Ε. и др. Теоретические основы информационной техники. — М.: Энергия, 1979.
27. Теория кодирования. Сборник. — М.: Мир, 1964.
28. Фельдбаум А. А. и др. Теоретические основы связи и управления. — М.: Физматгиз, 1963.
29. Финк Л. М. Теория передачи дискретных сообщений. — М.: Советское радио, 1970.
30. Харкевич А. А. Борьба с помехами. — М.: Физматгиз, 1965.
31. Хартли Р. Передача информации. Теория информации и ее приложения/Под ред. А. А. Харкевича. — М.: Физматгиз, 1959.
32. Хемминг Р. В. Теория кодирования и теория информации. — М.: Радио и связь, 1983.
33. Хетагуров Я. А., Руднев Ю. П. Повышение надежности цифровых устройств методами избыточного кодирования. — М.: Энергия, 1974.
34. Хинчин А. Я. Об основных теоремах теории информации// //УМН. 1956. № 1 (67). С. 17—75.
35. Четвериков В. Н. Преобразование и передача информации в АСУ. — М.: Высшая школа, 1974.
36. Шеннон К. Работы по теории информации и кибернетике. — М.: ИЛ, 1963.
ПРИЛОЖЕНИЯ
Таблица П.1 Двоичные логарифмы чисел от 1 до 128
Продолжение табл. П.2
Продолжение табл. П.2
Продолжение табл. П.2
Продолжение табл. П.2
Таблица П.3 Таблица многочленов, не приводимых над полем GF(2)
Продолжение табл. П.3