理解奈奎斯特定理和香农定理

转自: http://blog.ednchina.com/tengjingshu/179701/message.aspx

――――――――――――――――――――――――――――――――――

―――――

奈奎斯特定理(Nyquist‘s Theorem)和香农定理(Shannon‘s Theorem)是网络传输中的两个基本定理。这两天复习无线网络,想想就从基础开始吧,把复习的东西用文字写下来,总结一下,整理一下思路。

要搞清楚这两个定理,我们要先弄懂一些定义:波特率(baud rate)、比特率(bit rate)、带宽(bandwidth)、容量(capacity)。

前两个是很容易混淆的定义(谁让这两兄弟名字长得这么像呢),波特率指的是信号每秒钟电平变化的次数,单位是Hz:比如一个信号在一秒钟内电平发生了365次变化,那么这个信号的波特率就是365Hz;比特率是信号每秒钟传输的数据的位数,我们知道在计算机中,数据都是用0,1表示的,所以比特率也就是每秒钟传输0和1的个数,单位是bps(bit per second)。那么这哥俩有啥关系呢?我们可以假设一个信号只有两个电平,那么这个时候可以把低电平理解为“0”,高电平理解为“1”,这样每秒钟电平变化的次数也就是传输的0,1个数了,即比特率 = 波特率。但是有些信号可能不止两个电平,比如一个四电平的信号,那么每个电平就可以被理解成“00”,“01”,“10”,“11”,这样每次电平变化就能传输两位的数据了,即比特率 = 2 ×波特率。一般的,bit rate = buad rate × log2L,这里L就是信号电平的个数。

介绍完了这对哥俩,我们再来看看带宽和容量的概念。一般信道都有一个最高的信号频率(注意不是波特率哦,频率是指每秒钟的周期数,而每个周期都会有几次电平变化。。恩,看到区别了吧)和最低的信号频率,只有在这两个频率之间的信号才能通过这个信道,这两个频率的差值就叫做这个信道的带宽,单位是Hz。信道的容量又是怎么回事呢?我们知道数据在信道中传输会有他们的速度——比特率,这里面最高的比特率就叫做这个信道的容量,单位是bps。就好象每条公路都有他们的最高限速,那么所有在里面开的车都不会超过这个速度(这里我们假设违章的都被警察叔叔抓走了)。口语中也会把信道容量叫做“带宽”的,比如“带宽10M的网络”,“网络带宽是10M”等等。所以这两个概念也很容易混淆:我们平常所说的“带宽”不是带宽,而是信道容量。

恩,介绍完定义,再来看看这两个定理说什么。

奈奎斯特定理:

Cmax=2×B×log2L

这里Cmax指的是信道的最大容量,B是信道的带宽,L还是信号电平的个数

奈奎斯特定理适用的情况是无噪声信道,用来计算理论值。一根针掉在地上还有声音呢,没有噪声的信道在现实中是不存在的。那么有噪声的信道该如何计算呢?

这下轮到香农定理出马了:

Cmax=B×log2(1+(S/N))

S/N指的是信道的信噪比,但是我们一般测量出来的以db为单位的是经过10×log10(S/N)换算的,所以这里还要换算回来才行

时间: 2024-11-03 21:27:42

理解奈奎斯特定理和香农定理的相关文章

计算机网络笔记--奈奎斯特定理和香农定理

预备知识:基本概念定义:波特率(baud rate).比特率(bit rate).带宽(bandwidth).容量(capacity) 前两个是很容易混淆的定义,波特率指的是信号每秒钟电平变化的次数,单位是Hz:比如一个信号在一秒钟内电平发生了365次变化,那么这个信号的波特率就是365Hz:比特率是信号每秒钟传输的数据的位数.在计算机中,数据都是用0,1表示的,所以比特率也就是每秒钟传输0和1的个数,单位是bps(bit per second).那么这哥俩有啥关系呢?我们可以假设一个信号只有两

转载:奈奎斯特采样定理

原文:http://xilinx.eetrend.com/article/10399 现实世界接触到的诸如电信号.光信号.声音信号等这些信号都是随时间连续变化的,称之为连续信号.但对于计算机来说,处理这些连续的信号显然是无能为力,要使计算机能够识别.计算.处理这些连续信号就必须将其转化为离散信号,将连续信号转换为离散信号的过程就叫采样.常用的mp3.数码照片.视频等都是经过了采样,才能应用于计算机上.采样后,计算机得到的是离散的点,用这些离散的点来代替连续的线就势必会产生误差,那么这个误差是不是

趣味案例理解朴素贝叶斯

机器学习(10)之趣味案例理解朴素贝叶斯 转载:https://mp.weixin.qq.com/s/s0v_afLVqtJhZyn3qHlseQ 01 病人分类的例子 让我从一个例子开始讲起,你会看到贝叶斯分类器很好懂,一点都不难.某个医院早上收了六个门诊病人,如下表. 症状 职业 疾病 打喷嚏 护士 感冒 打喷嚏 农夫 过敏 头疼 建筑工人 脑震荡 头疼 建筑工人 感冒 打喷嚏 教师 感冒 头疼 教师 脑震荡 现在又来了第七个病人,是一个打喷嚏的建筑工人.请问他患上感冒的概率有多大? 根据贝

深入理解朴素贝叶斯(Naive Bayes)

https://blog.csdn.net/li8zi8fa/article/details/76176597 朴素贝叶斯是经典的机器学习算法之一,也是为数不多的基于概率论的分类算法.朴素贝叶斯原理简单,也很容易实现,多用于文本分类,比如垃圾邮件过滤.该算法虽然简单,但是由于笔者不常用,总是看过即忘,这是写这篇博文的初衷.当然,更大的动力来在于跟大家交流,有论述不妥的地方欢迎指正. 1.算法思想--基于概率的预测 逻辑回归通过拟合曲线(或者学习超平面)实现分类,决策树通过寻找最佳划分特征进而学习

计算机三级网络技术备考复习资料zhuan

计算机三级网络技术备考复习资料   第一章  计算机基础 分析:考试形式:选择题和填空题,6个的选择题和2个填空题共10分,都是基本概念 1.计算机的四特点:有信息处理的特性,有广泛适应的特性,有灵活选择的特性.有正确应用的特性.(此条不需要知道) 2.计算机的发展阶段:经历了以下5个阶段(它们是并行关系):大型机阶段(46年ENIAC.58年103.59年104机).小型机阶段.微型机阶段(2005年5月1日联想完成了收购美国IBM公司的全球PC业务).客户机/服务器阶段(对等网络与非对等网络

奈氏准则和香农定理

考查对奈氏准则和香农定理,这是通信工程的理论. 奈奎斯特:在无噪声情况下,码元速率极限值B与信道带宽的关系:B=2*H(Baud) 奈奎斯特公式----无噪信道传输能力公式: C=2*H*log2N(bps) H为信道的带宽,本题中H=3KHz: N为一个码元所取得离散值个数,本题中N=16(4个相位,每个相位4中振幅). C=2*H*log2N=2*3kHz*log216=2*3k*4=24kbps; 香农公式是在带噪信道容量计算时使用的公式: C=H*log2(1+S/N)(bps) S为信

压缩感知综合理解篇

进来看稀疏编码的问题,看的内容多了,跟压缩感知的知识有些混淆,好乱,偶然看了几篇博文,在这里澄清下他们之间的关系 实际上:压缩感知只是借用稀疏表示为工具,来实现信号重构, 压缩传感理论主要包括信号的稀疏表示.编码测量和重构算法等三个方面.信号的稀疏表示就是将信号投影到正交变换基时,可以将其看作原始信号的一种简洁表达.这是压缩传感的先验条件.在编码测量中,必须满足约束等距性条件,最后, 运用重构算法重构原始信号.:D 一.稀疏编码和压缩感知的对比 在压缩感知模型中:   y=Ax+n   (1)

ofdm理解(转载)

说明:以下文字,灰色为吹水文,黑色为正文,蓝色为采用实际应用中的参数所作的说明. 起因是这样的.时间回到07年底,4G方兴之时,同桌隔壁的隔壁"小白"同学说看不太明白OFDMA的原理,让我讲解一下.我一向对自己的技术水平.逻辑思考能力和表达技巧还是蛮有自信的,因此轻笑一声就答应了.半小时后,在尝试了从时域.频域以及物理意义等各方面讲解,但均无法从“小白”的眼神中抹除那份迷茫之后,我竖起了白旗,让“小白”自生自灭去了. 对知识能力的掌握,我自己粗旷的分为两层:一层是“会了,能应用”:二层

[论文理解] Why do deep convolutional networks generalize so poorly to small image transformations?

Why do deep convolutional networks generalize so poorly to small image transformations? Intro CNN的设计初衷是为了使得模型具有微小平移.旋转不变性,而实际上本文通过实验验证了现在比较流行的神经网络都已经丧失了这样的能力,甚至图像只水平移动一个像素,预测的结果都将会发生很大的变化.之所以如此,作者认为CNN的下采样背离了隆奎斯特采样定理,就连augmentation也并不能缓解微小变化不变性的丧失. I