| 前言第一章 随机变量的信息度量1.1 自信息1.2 熵、联合熵、条件熵1.3 相对熵和互信息11.4 信息量的一些基本性质1.5 广义熵习题一第二章 随机过程的信息度量和渐近等分性2.1 信源和随机过程的基本概念2.2 随机过程的信息度量2.3 渐近等分性质2.4 渐近等分性在数据压缩中的应用——信源编码定理2.5 Shan：non.McMillan-Breiman定理习题二第三章 数据压缩和信源编码3.1 等长码3.2 变长编码3.3 哈夫曼（Huffman）码3.4 算术码3.4.1 申农一法诺码3.4.2 自适应算术码3.5 通用信源编码3.5.1 Lz算法3.5.2 Lzw（Lempel-ziv-Welch）算法3.5.3 Kieffer.Yang算法（基于语法的普适信源压缩算法）习题三第四章 数据可靠传输和信道编码4.1 离散无记忆信道和信道容量4.2 信道容量的计算4.2.1 拉格朗日乘子法4.2.2 信道容量的迭代算法4.3 信道编码理论4.3.1 一些定义和概念4.3.2 联合典型序列4.3.3 信道编码定理4.4 带反馈的信道模型4.5 联合信源信道编码定理4.6 线性分组码习题四第五章 限失真信源编码和率失真函数5.1 限失真信源编码模型和率失真函数5.1.1 限失真信源编码模型和率失真函数定义5.1.2 率失真函数的性质5.1.3 平稳信源的率失真函数5.2 率失真函数的计算5.2.1 一个简单的例子5.2.2 拉格朗日乘子法5.2.3 迭代算法5.3 限失真信源编码定理习题五第六章 连续信源和信道编码理论6.1 可微熵6.2 相对熵和互信息6.3 连续信源的率失真函数6.3.1 率失真函数和失真率函数6.3.2 高斯信源的率失真函数6.3.3 一般连续信源的率失真函数6.4 高斯信道6.4.1 有加性噪声的信道模型和信道容量6.4.2 复合高斯信道和平稳高斯信道习题六第七章 网络信息理论7.1 网络通信模型7.2 多变量联合典型序列7.3 多址信道7.3.1 二址信道模型和编码定理7.3.2 多址信道容量区域的计算7.3.3 高斯多址信道7.4 相关信源编码7.4.1 S1epian-Wolf模型7.5 相关信源和多址信道复合编码问题习题七参考文献 |
内容加载中，请稍后...
商品评论（0条）