2.1. 信息来源
让秒是Ω离散有限状态空间上的随机变量.A映射由定义现在,香农熵[1]第页,共页秒由提供
有限空间随机过程是一个序列随机变量的,其中由于本文考虑的信息源基本上是离散时间随机过程,因此我们可以将随机过程的图像视为一组离散点(图).
随机过程的图像秒具有和。每个“星”表示在u个,每个“加号”代表在w个.
对于和,映射可以由定义
一个过程称为静止和,.
假设A类配备了离散拓扑,并让是产品拓扑空间,其中τ是产品拓扑。这套称为气缸组。所有气缸组的集合是τ。此集合可以配备概率度量米由定义
考虑到单侧移位映射
是米-保留,遍历性的概念可以为信息源定义如下所示。来源如果∑相对于测度是遍历的,则称为遍历的米.
2.2. 信息源的熵
在整篇论文中L(左)-元组表示为,其中.的拓扑熵由定义[1,2]
在哪儿是的图像具体来说,
拓扑熵由定义
对于L(左)-元组,香农熵由下式给出[1,2]
源的香农熵由定义[1,2]
定理2.1我们有:.
证明。让随心所欲。我们有
因此,
功能
是凸的,即每个和具有,我们有因此,对于每个,我们得到
和
因此,
因此,
因此,我们得到
可以很容易地进行检查因此,
现在考虑字母表A类信息源的被赋予命令'“所以是一个完全有序的集合。新的排序“≺”在A类由''如下所示:
A序列长度的L(左)据说有订单模式π如果
哪里,和.
根据上面定义的新排序,可以将排列与每个单词相关联。这种分配不一定是一对一的。
例2.2我们假设A类是一组英语字母及其通常的顺序,即A<B<C<D<…<Z。然后单词“INFORMATION”可以表示为现在,我们可以关联置换π“信息”一词由,,,,,,,,,、和.我们有,,,,,,,,,、和最后,通过排序定义,我们得到.
示例2.3考虑英语字母集及其排序和,我们可以关联映射因此,将排列与单词关联起来的映射可能不一定是一对一的。
每个词对置换的依赖性导致了度量熵和拓扑置换熵的定义。发送到源,一个概率过程可以关联,由定义
哪里
序列定义了一个非平稳的离散时间过程。如果这个词对应于、和定义排列π,然后是π和是一对一的。
在示例2.2中,如果,然后
因此,排列对应于单词
度量置换熵L(左)-元组[1,2]由定义
源的度量置换熵[1,2]由提供
类似地L(左)-元组[1,2]由定义
最后,源的拓扑置换熵[1,2]由提供