《信息熵的matlab程序实例》由会员分享，可在线阅读，更多相关《信息熵的matlab程序实例（4页珍藏版）》请在金锄头文库上搜索。
1、求一维序列的信息熵（香浓熵）的 matlab 程序实例对于一个二维信号，比如灰度图像，灰度值的范围是 0-255，因此只要根据像素灰度值(0-255)出现的概率，就可以计算出信息熵。但是，对于一个一维信号，比如说心电信号，数据值的范围并不是确定的，不会是(0-255)这么确定，如果进行域值变换，使其转换到一个整数范围的话，就会丢失数据，请高手指点，怎么计算。比如数字信号是 x(n),n=1N(1)先用 Hist 函数对 x(n)的赋值范围进行分块，比如赋值范围在 010 的对应第 一块，1020 的第二块，以此类推。这之前需要对 x(n)做一些归一化处理(2)统计每一块的数据个数，并求出相应的
2、概率(3)用信息熵公式求解以上求解方法获得的虽然是近似的信息熵，但是一般认为，这么做是没有问题的求一维序列的信息熵的 matlab 程序代码如下：（已写成调用的函数形式）测试程序：fs=12000;N=12000;T=1/fs;t=(0:N-1)*T;ff=104;sig=0.5*(1+sin(2*pi*ff*t).*sin(2*pi*3000*t)+rand(1,length(t);Hx=yyshang(sig,10)%求一维离散序列信息熵 matlab 代码function Hx=yyshang(y,duan)%不以原信号为参考的时间域的信号熵%输入：maxf:原信号的能量谱中能量最大的点
3、%y:待求信息熵的序列%duan:待求信息熵的序列要被分块的块数%Hx:y 的信息熵%duan=10;%将序列按 duan 数等分，如果 duan=10,就将序列分为 10 等份x_min=min(y);x_max=max(y);maxf(1)=abs(x_max-x_min);maxf(2)=x_min;duan_t=1.0/duan;jiange=maxf(1)*duan_t;% for i=1:10% pnum(i)=length(find(y_p=(i-1)*jiange)&(y_p=maxf(2)+(i-1)*jiange)&(y=maxf(2)+(duan-1)*jiange);%
4、sum(pnum)ppnum=pnum/sum(pnum);%每段出现的概率%sum(ppnum)Hx=0;for i=1:duanif ppnum(i)=0Hi=0;elseHi=-ppnum(i)*log2(ppnum(i);endHx=Hx+Hi;endend%-扩展阅读：实验一：计算离散信源的熵一、实验设备:1、计算机2、软件：Matlab二、实验目的:1、熟悉离散信源的特点；2、学习仿真离散信源的方法3、学习离散信源平均信息量的计算方法4、熟悉 Matlab 编程；三、实验内容:1、写出计算自信息量的 Matlab 程序2、写出计算离散信源平均信息量的 Matlab 程序。3、掌握二
5、元离散信源的最大信息量与概率的关系。4、将程序在计算机上仿真实现，验证程序的正确性并完成习题。四、实验报告要求简要总结离散信源的特点及离散信源平均信息量的计算,写出习题的MATLAB 实现语句。 信息论基础：自信息的计算公式Matlab 实现：I=log2(1/p) 或 I=-log2(p)熵（平均自信息）的计算公式Matlab 实现：HX=sum(-x.*log2(x)；或者 h=h-x(i)*log2(x(i);习题：1. 甲地天气预报构成的信源空间为：乙地信源空间为：求此两个信源的熵。求各种天气的自信息量。案：运行程序：p1=1/2,1/4,1/8,1/8;%p1 代表甲信源对应的概率p2=7/8,1/8;%p2 代表乙信源对应的概率H1=0.0;H2=0.0;I=;J=;for i=1:4H1=H1+p1(i)*log2(1/p1(i);I(i)=log2(1/p1(i);enddisp(自信息量分别为：);Idisp(H1 信源熵为：);H1for j=1:2H2=H2+p2(j)*log2(1/p2(j);J(j)=log2(1/p2(j);enddisp(自信息量分别为：);Jdisp(H2 信源熵为：);H2
