【计算机网络】物理层 : 香农定理 ( 噪声 | 信噪比 | 香农定理 | “香农定理“公式 | “香农定理“ 计算示例 | “奈氏准则“ 与 “香农定理“ 对比 与 计算示例)★

本文涉及的产品
数据传输服务 DTS,数据同步 small 3个月
推荐场景:
数据库上云
数据传输服务 DTS,数据迁移 small 3个月
推荐场景:
MySQL数据库上云
数据传输服务 DTS,同步至 ClickHouse 1个月
简介: 【计算机网络】物理层 : 香农定理 ( 噪声 | 信噪比 | 香农定理 | “香农定理“公式 | “香农定理“ 计算示例 | “奈氏准则“ 与 “香农定理“ 对比 与 计算示例)★

文章目录

一、 奈氏定理 与 香农定理

二、 噪声

三、 信噪比

四、 香农定理

五、 香农定理 公式

六、 香农定理 推论

七、 "香农定理" 计算示例

八、 "香农定理" 与 "奈氏准则" 对比

九、"奈氏准则" 与 "香农定理" 计算示例





一、 奈氏定理 与 香农定理


“奈氏定理” 规定的是 码元极限传输速率 , 没有规定 比特极限传输速率 , “香农定理” 就是规定该 “比特极限传输速率” 的 ;


“香农定理” 还考虑到了 信号传输过程中的 噪声干扰情况 ;






二、 噪声


"噪声" 简介 :


① “噪声” 存在位置 : 存在于 所有电子设备 和 通信信道 中 ;


② “噪声” 影响 : 由于 噪声 是随机产生的 , 其瞬时值 可能很大 , 从而导致 接收端 对 接收的 码元 产生错误的解析 ;


③ “噪声” 相对影响 : 噪声 对 码元信号 的影响是相对的 , 如果信号较强 , 那么噪声影响会比较小 ;






三、 信噪比


"信噪比" 概念 : 信号平均功率 与 噪声平均功率 比值 ;


① 比值形式 : 信 号 平 均 功 率 噪 声 平 均 功 率 \cfrac{信号平均功率}{噪声平均功率}

噪声平均功率

信号平均功率


 , 记作 S/N , 该信噪比没有单位 , 是一个纯数值 ;


② 分贝形式 : 单位是 分贝 ( dB ) , 计算公式如下 :


信 噪 比 ( d B ) = 10   l o g 10 ( S N ) 信噪比 ( dB ) = 10 \ log_{10}(\cfrac{S}{N})

信噪比(dB)=10 log

10


(

N

S


)



这里注意 信噪比 的两种表示方式 :


S / N S/NS/N 是纯数值 , 没有单位 ;

10   l o g 10 ( S N ) 10 \ log_{10}(\cfrac{S}{N})10 log

10


(

N

S


) 单位是分贝 ;

上述两种形式的信噪比是等价的 , 代表同一个含义 , 分贝单位的信噪比只是看起来数字比较好看 ;



信噪比越大 , 噪声大于码元的影响就越小 ;






四、 香农定理


香农定理 : 在 带宽受限 , 有噪声 的 信道 中 , 为了不产生误差 , 信息的 数据传输速率 有上限值 ;


① 前提条件 : 带宽受限 , 有噪声 ; 注意 与 奈氏准则 的条件参照理解 , 奈氏定理 的条件是 带宽受限 , 没有噪声 ;


② 误差原因 : 奈氏准则 是由于 码间串扰 产生失真 , 香农定理 是由于 噪声 产生 误差 ;


③ 限制内容 : 奈氏准则 设定 码元极限传输速率 , 香农定理 设定 数据极限传输速率 ;






五、 香农定理 公式


香农定理公式 :


信 道 极 限 数 据 传 输 速 率 = W l o g 2 ( 1 + S / N ) 信道极限数据传输速率 = W log_2( 1 + S/N )

信道极限数据传输速率=Wlog

2


(1+S/N)


单位是 比特/秒 ( b/s )


W WW 带宽 , 单位 是 赫兹 ( Hz ) ;


S / N S/NS/N 是信噪比


S SS 是信道内信号的平均功率


N NN 是信道内的高斯噪声功率 ;



信噪比计算 :


数值 信噪比 : 如果给出的信噪比是 数值 , 没有单位可以直接代入 , 代替上述 S / N S/NS/N ;

分贝 信噪比 : 如果给出的信噪比是 dB 值 , 那么需要 根据 信 噪 比 ( d B ) = 10   l o g 10 ( S N ) 信噪比 ( dB ) = 10 \ log_{10}(\cfrac{S}{N})信噪比(dB)=10 log

10


(

N

S


) 公式 , 计算出 S / N S/NS/N 的值 ;





六、 香农定理 推论


带宽 信噪比 与 数据极限传输速率 : 信道 带宽 或 信噪比 越大 , 数据极限传输速率 越高 ;



知道 带宽 和 信噪比 , 就可以求出 数据极限传输速率 ;



只要 信息传输速率 低于 信道的 数据极限传输速率 , 一定能找到某种方法实现无差错传输 ;



香农定理 计算出的是 数据极限传输速率 , 信道的实际传输速率比该值要低 ;



如果 带宽 和 信噪比 S / N S/NS/N 没有上限 , 信道的极限传输速率也没有上限 ; ( 仅做参考 , 实际上无法实现 )






七、 “香农定理” 计算示例


信道带宽 3000 H z 3000 Hz3000Hz , 信噪比 30 d B 30 dB30dB , 根据香农定理 计算 数据极限传输速率 ? ??



计算 S / N S/NS/N :


先根据 信 噪 比 ( d B ) = 10   l o g 10 ( S / N ) 信噪比 ( dB ) = 10 \ log_{10}( S/N)信噪比(dB)=10 log

10


(S/N) 公式计算出 S / N S/NS/N 值 ;


信 噪 比 ( d B ) = 10   l o g 10 ( S / N ) = 30 信噪比 ( dB ) = 10 \ log_{10}( S/N) = 30信噪比(dB)=10 log

10


(S/N)=30

信 噪 比 ( d B ) = l o g 10 ( S / N ) = 3 信噪比 ( dB ) = log_{10}( S/N) = 3信噪比(dB)=log

10


(S/N)=3

S / N = 1 0 3 = 1000 S/N = 10^{3} = 1000S/N=10

3

=1000



信道 极限传输速率 计算 :


信 道 极 限 数 据 传 输 速 率 = W l o g 2 ( 1 + S / N ) 信道极限数据传输速率 = W log_2( 1 + S/N )信道极限数据传输速率=Wlog

2


(1+S/N)


信 道 极 限 数 据 传 输 速 率 = 3000   l o g 2 ( 1 + 1000 ) ≈ 30000 b / s = 30 k b / s 信道极限数据传输速率 = 3000 \ log_2( 1 + 1000 ) \approx 30000 b/s = 30kb/s信道极限数据传输速率=3000 log

2


(1+1000)≈30000b/s=30kb/s






八、 “香农定理” 与 “奈氏准则” 对比


"奈氏准则" 核心是针对 内部问题 :


① 使用环境 : 带宽受限 , 没有外部的噪声干扰 ;


② 针对问题 : 为了避免 码间串扰 , 将 码元的传输速率 上限设置成 2W 波特 ( Baud ) ;


理想状态下信道的极限传输速率 = 2 W l o g 2 V 2W log_2V2Wlog

2


V 比特 / 秒


提高数据传输速率 :


提高带宽

采用更好的编码技术 , 使单个码元携带更多信息量 ;



"香农定理" 核心是针对 外部问题 :


① 使用环境 : 带宽受限 , 外部有噪声干扰 ;


② 针对问题 : 在外部干扰下 , 为 信息传输速率 设置上限 ;


非理想状态下信道的极限传输速率 = W l o g 2 ( 1 + S / N ) W log_2( 1 + S/N )Wlog

2


(1+S/N) 比特 / 秒 ;


提高数据传输速率 :


提高带宽

提高信噪比





九、“奈氏准则” 与 “香农定理” 计算示例


计算 信息极限传输速率 :


如果给了 码元信息个数 , 就用奈氏准则计算 ;

如果给了 信噪比 , 就用 香农定理公式计算 ;

如果 码元信息量 和 信噪比都给出来 , 那么计算两个 数据传输速率 , 取最小值 ;


二进制信号 , 在信噪比 127 : 1 127:1127:1 的 4000 H z 4000Hz4000Hz 的信道上传输 , 求 最大数据率 ? ??



上述给出了 码元信息量 , 二进制码元 , 因此可以使用 奈氏准则 求 数据极限传输速率 :


2 W l o g 2 V = 2 × 4000 × l o g 2 2 = 8000   b / s 2W log_2V = 2 \times 4000 \times log_2 2 = 8000 \ b/s2Wlog

2


V=2×4000×log

2


2=8000 b/s



上述还给出了 信噪比 127 : 1 127:1127:1 , 这是一个数值 , 没有单位 , 因此该值是 S / N S/NS/N , 可以直接在香农定理中使用 ; 计算过程如下 :


W l o g 2 ( 1 + S / N ) = 4000 × l o g 2 ( 1 + 127 / 1 ) = 4000 × 7 = 28000   b / s W log_2( 1 + S/N ) = 4000 \times log_2 ( 1 + 127 / 1 ) = 4000 \times 7 = 28000 \ b/sWlog

2


(1+S/N)=4000×log

2


(1+127/1)=4000×7=28000 b/s



上述计算的两个 极限传输速率 取最小值 , 即 8000 b / s 8000b/s8000b/s ;


相关实践学习
自建数据库迁移到云数据库
本场景将引导您将网站的自建数据库平滑迁移至云数据库RDS。通过使用RDS,您可以获得稳定、可靠和安全的企业级数据库服务,可以更加专注于发展核心业务,无需过多担心数据库的管理和维护。
Sqoop 企业级大数据迁移方案实战
Sqoop是一个用于在Hadoop和关系数据库服务器之间传输数据的工具。它用于从关系数据库(如MySQL,Oracle)导入数据到Hadoop HDFS,并从Hadoop文件系统导出到关系数据库。 本课程主要讲解了Sqoop的设计思想及原理、部署安装及配置、详细具体的使用方法技巧与实操案例、企业级任务管理等。结合日常工作实践,培养解决实际问题的能力。本课程由黑马程序员提供。
目录
相关文章
|
4月前
|
算法 JavaScript 数据安全/隐私保护
基于GA遗传优化的最优阈值计算认知异构网络(CHN)能量检测算法matlab仿真
本内容介绍了一种基于GA遗传优化的阈值计算方法在认知异构网络(CHN)中的应用。通过Matlab2022a实现算法,完整代码含中文注释与操作视频。能量检测算法用于感知主用户信号,其性能依赖检测阈值。传统固定阈值方法易受噪声影响,而GA算法通过模拟生物进化,在复杂环境中自动优化阈值,提高频谱感知准确性,增强CHN的通信效率与资源利用率。预览效果无水印,核心程序部分展示,适合研究频谱感知与优化算法的学者参考。
|
4月前
|
Linux 数据安全/隐私保护
使用Linux命令行接入无线网络Wi-Fi的示例。
现在,你已经使用命令行成功地连接到 Wi-Fi 网络了。这两个示例涵盖了用 `nmcli` 和 `wpa_supplicant` 连接无线网络的常见场景,让你能够不依赖图形化界面来完成这个任务。在日常使用中熟练掌握这些基本操作能增强你对 Linux 系统的理解,帮助你更有效地处理各种问题。
159 12
|
4月前
|
存储 消息中间件 弹性计算
阿里云服务器ECS计算型c7和通用算力型u1在适用场景、计算性能、网络与存储性能等方面的对比
阿里云ECS服务器u1和c7实例在适用场景、性能、处理器特性等方面存在显著差异。u1为通用算力型,性价比高,适合中小企业及对性能要求不高的场景;c7为企业级计算型,采用最新Intel处理器,性能稳定且强大,适用于高性能计算需求。u1支持多种CPU内存配比,但性能一致性可能受底层平台影响;c7固定调度模式,确保高性能与稳定性。选择时可根据预算与性能需求决定。
247 23
|
4月前
计算网络号的直接方法
子网掩码用于区分IP地址中的网络部分和主机部分,连续的“1”表示网络位,“0”表示主机位。例如,255.255.255.0 的二进制为 11111111.11111111.11111111.00000000,前24位是网络部分。通过子网掩码可提取网络号,如 IP 192.168.1.10 与子网掩码 255.255.255.0 的网络号为 192.168.1.0。此外,文档还介绍了十进制与二进制间的转换方法,帮助理解IP地址的组成与计算。
195 11
|
机器学习/深度学习
神经网络各种层的输入输出尺寸计算
神经网络各种层的输入输出尺寸计算
638 1
|
9月前
|
机器学习/深度学习 数据采集 人工智能
基于Huffman树的层次化Softmax:面向大规模神经网络的高效概率计算方法
层次化Softmax算法通过引入Huffman树结构,将传统Softmax的计算复杂度从线性降至对数级别,显著提升了大规模词汇表的训练效率。该算法不仅优化了计算效率,还在处理大规模离散分布问题上提供了新的思路。文章详细介绍了Huffman树的构建、节点编码、概率计算及基于Gensim的实现方法,并讨论了工程实现中的优化策略与应用实践。
208 15
基于Huffman树的层次化Softmax:面向大规模神经网络的高效概率计算方法
|
9月前
|
存储 监控 网络协议
一次读懂网络分层:应用层到物理层全解析
网络模型分为五层结构,从应用层到物理层逐层解析。应用层提供HTTP、SMTP、DNS等常见协议;传输层通过TCP和UDP确保数据可靠或高效传输;网络层利用IP和路由器实现跨网数据包路由;数据链路层通过MAC地址管理局域网设备;物理层负责比特流的物理传输。各层协同工作,使网络通信得以实现。
|
11月前
|
运维 监控 网络架构
|
10月前
|
网络安全 Python
Python网络编程小示例:生成CIDR表示的IP地址范围
本文介绍了如何使用Python生成CIDR表示的IP地址范围,通过解析CIDR字符串,将其转换为二进制形式,应用子网掩码,最终生成该CIDR块内所有可用的IP地址列表。示例代码利用了Python的`ipaddress`模块,展示了从指定CIDR表达式中提取所有IP地址的过程。
303 6
|
11月前
|
存储 缓存 算法

热门文章

最新文章