【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,数据迁移 small 3个月
推荐场景:
MySQL数据库上云
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,数据同步 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
部署高可用架构
本场景主要介绍如何使用云服务器ECS、负载均衡SLB、云数据库RDS和数据传输服务产品来部署多可用区高可用架构。
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
|
1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。
71 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
|
5月前
|
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
346 1
|
2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。
62 6
|
3月前
|
存储 缓存 算法
|
3月前
|
存储
|
5月前
|
云安全 安全 网络安全
云端防御战线:融合云计算与网络安全的未来策略
【7月更文挑战第47天】 在数字化时代,云计算已成为企业运营不可或缺的部分,而网络安全则是维护这些服务正常运行的基石。随着技术不断进步,传统的安全措施已不足以应对新兴的威胁。本文将探讨云计算环境中的安全挑战,并提出一种融合云服务与网络安全的综合防御策略。我们将分析云服务模式、网络威胁类型以及信息安全实践,并讨论如何构建一个既灵活又强大的安全体系,确保数据和服务的完整性、可用性与机密性。
|
5月前
|
机器学习/深度学习 存储 自然语言处理
天啊!深度神经网络中 BNN 和 DNN 基于存内计算的传奇之旅,改写能量效率的历史!
【8月更文挑战第12天】深度神经网络(DNN)近年在图像识别等多领域取得重大突破。二进制神经网络(BNN)作为DNN的轻量化版本,通过使用二进制权重和激活值极大地降低了计算复杂度与存储需求。存内计算技术进一步提升了BNN和DNN的能效比,通过在存储单元直接进行计算减少数据传输带来的能耗。尽管面临精度和硬件实现等挑战,BNN结合存内计算代表了深度学习未来高效节能的发展方向。
70 1
|
5月前
|
安全 开发者 数据安全/隐私保护
Xamarin 的安全性考虑与最佳实践:从数据加密到网络防护,全面解析构建安全移动应用的六大核心技术要点与实战代码示例
【8月更文挑战第31天】Xamarin 的安全性考虑与最佳实践对于构建安全可靠的跨平台移动应用至关重要。本文探讨了 Xamarin 开发中的关键安全因素,如数据加密、网络通信安全、权限管理等,并提供了 AES 加密算法的代码示例。
76 0
|
5月前
|
网络协议 算法 网络架构
OSPF 如何计算到目标网络的最佳路径
【8月更文挑战第24天】
73 0
|
5月前
|
运维 网络架构 Python
利用Python查询H3C网络设备示例,运维用了它,都称赞!
利用Python查询H3C网络设备示例,运维用了它,都称赞!