Difference between revisions of "Information Theory/AWGN Channel Capacity for Continuous-Valued Input"

Revision as of 13:56, 1 June 2016

Transinformation zwischen wertkontinuierlichen Zufallsgrößen

Im Kapitel 3.3 wurde die Transinformation (englisch: Mutual Information) zwischen den beiden wertdiskreten Zufallsgrößen $X$ und $Y$ unter Anderem in folgender Form angegeben:

Diese Gleichung entspricht gleichzeitig der Kullback–Leibler–Distanz (kurz KLD) zwischen der Verbundwahrscheinlichkeitsfunktion $P_{XY}$ und dem Produkt der beiden Einzel–PMFs $P_X$ und $P_Y$ :

Um daraus die Transinformation $I(X; Y)$ zwischen zwei wertkontinuierlichen Zufallsgrößen $X$ und $Y$ abzuleiten, geht man wie folgt vor (Hochkommata weisen auf quantisierte Größen hin):

Man quantisiert die Zufallsgrößen $X$ und $Y$ (mit den Quantisierungsintervallen $Δx$ und $Δy$) und erhält so die Wahrscheinlichkeitsfunktionen $P_{X′}$ und $P_{Y′}$ .
Die „Vektoren” $P_{X′}$ und $P_{Y′}$ werden nach den Grenzübergängen $Δx → 0, Δy → 0$ unendlich lang, und auch die Verbund–PMF $P_{X′Y′}$ ist in der Fläche unendlich weit ausgedehnt.
Durch diese Grenzübergänge ergeben sich die Wahrscheinlichkeitsdichtefunktionen der drei kontinuierlichen Zufallsgrößen entsprechend den folgenden Gleichungen:

Aus der Doppelsumme in der obigen Gleichung wird nach der Umbenennung $Δx → d_x$ bzw. $Δy → d_y$ die für wertkontinuierliche Zufallsgrößen gültige Gleichung:

Durch Aufspaltung dieses Doppelintegrals lässt für die Transinformation auch schreiben:

Verwendet ist hierbei die differentielle Verbund–Entropie

sowie die beiden differentiellen Einzel–Entropien

Wir gehen weiter von der wertkontinuierlichen Transinformationsgleichung aus:

Diese Darstellung findet sich auch im folgenden Schaubild (linke Grafik, über alle Zeilen).

Daraus erkennt man, dass die Transinformation auch noch wie folgt dargestellt werden kann:

Diese fundamentalen informationstheoretischen Zusammenhänge kann man auch aus der rechten Grafik ablesen. Diese gerichtete Darstellung ist für Nachrichtenübertragungssysteme besonders geeignet. Die abfließende bzw. zufließende differentielle Entropie kennzeichnet

die Äquivokation (englisch: Equivocation):

die Irrelevanz (englisch: Irrelevance):

Auf die Bedeutung dieser beiden informationstheoretischen Größen wird in Aufgabe Z4.5 noch genauer eingegangen. Vergleicht man die grafischen Darstellungen der Transinformation bei

wertdiskreten Zufallsgrößen im Kapitel 3.3 und
wertkontinuierlichen Zufallsgrößen entsprechend obiger Grafik,

so erkennt man als einziges Unterscheidungsmerkmal, dass jedes „$H$” (Entropie; größer/gleich Null) durch ein „$h$” (differentielle Entropie, kann positiv, negativ oder 0 sein) ersetzt wurde. Ansonsten ist die Transinformation in beiden Darstellungen gleich und es gilt stets $I(X; Y) ≥ 0$. Im Folgenden verwenden wir meist den Logarithmus dualis ⇒ „log2” und erhalten somit die Transinformation in „bit”.

Transinformationsberechnung bei additiver Störung

Wir betrachten nun ein sehr einfaches Modell der Nachrichtenübertragung.

Die Zufallsgröße $X$ steht für das (mittelwertfreie) Sendesignal und ist durch die WDF $f_X(x)$ und die Varianz $σ_X^2$ gekennzeichnet. Die Sendeleistung $P_X$ ist identisch mit $σ_X^2$.
Die additive Störung $N$ ist durch die WDF $f_N(n)$ und die Störleistung $P_N$ = $σ_N^2$ gegeben. Da $X$ und $N$ als statistisch unabhängig angenommen werden, gilt $\text{E}[X · N] = \text{E}[X] · \text{E}[N] = 0$ .
Das Empfangssignal ist $Y = X + N$ Die Ausgangs–WDF $f_Y(y)$ ist mit der Faltungsoperation berechenbar ⇒ $f_Y(y) = f_X(x) ∗ f_N(n)$ und für die Empfangsleistung (Varianz) gilt:

Die in der nachfolgenden Grafik eingezeichneten Dichtefunktionen (rechteck– bzw. trapezförmig) sollen nur den Rechengang verdeutlichen und haben keine praktische Relevanz.

Zur Berechnung der Transinformation zwischen dem Eingang $X$ und dem Ausgang $Y$ gibt es entsprechend dem Schaubild auf der vorherigen Seite drei Möglichkeiten: $$I(X, Y) = h(X) + h(Y) – h(XY):$$ Die beiden ersten Terme sind aus $f_X(x)$ bzw. $f_Y(y)$ in einfacher Weise berechenbar. Problematisch ist die differentielle Verbundentropie $h(XY)$. Hierzu benötigt man die 2D–Verbund–WDF $f_{XY}(x, y)$, die meist nicht direkt gegeben ist. $$I(X, Y) = h(Y) – h(Y|X):$$ $h(Y|X)$ bezeichnet die differentielle Streuentropie. Es gilt $h(Y|X) = h(X + N|X) = h(N)$, so dass $I(X; Y)$ bei Kenntnis von $f_X(x)$ und $f_N(n)$ über die Gleichung $f_Y(y) = f_X(x) ∗ f_N(n)$ sehr einfach zu berechnen ist. $$I(X, Y) = h(X) – h(X|Y):$$ Nach dieser Gleichung benötigt man allerdings die differentielle Rückschlussentropie $h(X|Y)$, die schwieriger angebbar ist als $h(Y|X)$.

Resümée: Im Folgenden schreiben wir für die Transinformation zwischen dem Eingang $X$ und dem Ausgang $Y$ eines Nachrichtenübertragungssystems bei additiver und unkorrelierter Störung $N$:

Kanalkapazität des AWGN–Kanals

Spezifiziert man im bisherigen Systemmodell die Wahrscheinlichkeitsdichtefunktion der Störung (bzw. des Rauschens) zu

so erhalten wir das folgende Modell zur Berechnung der Kanalkapazität des AWGN–Kanals (Additive White Gaussian Noise).

Die Kanalkapazität $C$ gibt die maximale Transinformation $I(X; Y)$ zwischen der Eingangsgröße $X$ und der Ausgangsgröße $Y$ des AWGN–Kanals an. Die Maximierung bezieht sich dabei auf die bestmögliche Eingangs–WDF. Somit gilt unter der Nebenbedingung der Leistungsbegrenzung:

Hier ist bereits berücksichtigt, dass sich die Maximierung allein auf $h(Y)$ ⇒ WDF $f_Y(y)$ bezieht. Bei gegebener Störleistung $P_N$ ist nämlich $h(N) = 1/2 · \log2_ (2πe · P_N)$ eine Konstante.

Das Maximum für $h(Y)$ erhält man für eine Gaußsche WDF $f_Y(y)$, wobei $P_Y = P_X + P_N$ zu setzen ist, siehe Kapitel 4.1 ⇒ Max $[h(Y)] = 1/2 · \log_2 [2πe · (P_X + P_N)]$.
Die Ausgangs–WDF $f_Y(y) = f_X(x) ∗ f_N(n)$ ist aber nur dann gaußförmig, wenn sowohl $f_X(x)$ als auch $f_N(n)$ Gaußfunktionen sind. Ein plakativer Merkspruch zur Faltungsoperation lautet nämlich: „Gauß bleibt Gauß, und Nicht–Gauß wird nie (exakt) Gauß”.

Resümée: Beim AWGN–Kanal ⇒ Gaußsche WDF $f_N(n)$ ergibt sich die Kanalkapazität $C$ genau dann, wenn die Eingangs–WDF $f_X(x)$ ebenfalls gaußförmig ist:

Die folgende Tabelle zeigt die AWGN–Kanalkapazität für verschiedene Quotienten $P_X/P_N$.

Parallele Gaußsche Kanäle

Wir betrachten nun $K$ parallele Gaußkanäle entsprechend der nebenstehenden Grafik

von $X_1 → Y_1$, ... , von $X_k → Y_k$, ... , von $X_K → Y_K$.
Die Sendeleistungen in den $K$ Kanälen nennen wir $P_1 = \text{E}[X_1^2], ... , P_k = \text{E}[X_k^2], ... , P_K = \text{E}[X_K^2]$.
Die $K$ Störleistungen $σ_1^2, ... , σ_k^2, ... , σ_K^2$ können ebenfalls unterschiedlich sein.

Gesucht ist nun die maximale Transinformation

zwischen den $K$ Eingangsgrößen $X_1, ... , X_K$, sowie
den $K$ Ausgangsgrößen $Y_1, ... , Y_K$,

die wir als die Gesamt–Kanalkapazität dieser AWGN–Konfiguration bezeichnen. Dabei gehen wir von Leistungsbegrenzung des Gesamtsystems aus, das heißt, dass die Summe aller Leistungen $P_k$ in den $K$ Einzelkanälen den vorgegebenen Wert $P_X$ nicht überschreiten darf:

Unter der nur wenig einschränkenden Annahme unabhängiger Störquellen $N_1, ... , N_K$ kann für die Transinformation nach einigen Zwischenschritten geschrieben werden:

Dafür kann folgende obere Schranke angegeben werden:

Das Gleichheitszeichen (Identität) gilt bei mittelwertfreien Gaußschen Eingangsgrößen $X_k$ sowie bei statistisch voneinander unabhängigen Störungen $N_k$.
Man kommt von dieser Gleichung zur maximalen Transinformation ⇒ Kanalkapazität, wenn man die gesamte Sendeleistung $P_X$ unter Berücksichtigung der unterschiedlichen Störungen in den einzelnen Kanälen ( $σ_k^2$ ) bestmöglich aufteilt.
Dieses Optimierungsproblem lässt sich wieder mit dem Verfahren der Lagrange–Multiplikatoren elegant lösen. Das Beispiel auf der nächsten Seite erläutert nur das Ergebnis.

Wir betrachten $K$ = 4 parallele Gaußkanäle mit unterschiedlichen Störleistungen ( $σ_1^2, ... , σ_4^2$ ) gemäß der nebenstehenden Abbildung. Gesucht ist die bestmögliche Aufteilung der Sendeleistung auf die vier Kanäle. Würde man dieses Profil langsam mit Wasser auffüllen, so würde das Wasser zunächst nur in den Kanal 2 fließen. Gießt man weiter, so sammelt sich auch im Kanal 1 etwas Wasser an und später auch im Kanal 4. Die eingezeichnete „Wasserhöhe” H beschreibt genau den Zeitpunkt, zu dem die Summe $(P_1 + P_2 + P_4)$ der insgesamt zur Verfügung stehenden Sendeleistung $P_X$ entspricht. Die optimale Leistungsaufteilung für dieses Beispiel ergibt $P_2 > P_1 > P_4$ sowie $P_3 = 0$. Erst bei größerer Sendeleistung $P_X$ würde auch dem dritten Kanal eine kleine Leistung $P_3$ zugewiesen. Man bezeichnet dieses Allokationsverfahren als Water–Filling–Algorithmus.

Werden alle $K$ Gaußkanäle in gleicher Weise gestört ⇒ $σ_1^2 = ... = σ_K^2 = P_N$, so sollte man natürlich die gesamte zur Verfügung stehende Sendeleistung $P_X$ gleichmäßig auf alle Kanäle verteilen: $P_k = P_X/K$. Für die Gesamtkapazität erhält man dann:

Die rechte Grafik zeigt die Gesamtkapazität als Funktion des Quotienten $P_X/P_N$ für $K$ = 1, $K$ = 2 und $K$ = 3.

Bei $P_X/P_N = 10 ⇒ 10 · \text{lg} (P_X/P_N) = 10 \text{dB}$ wird die Gesamtkapazität um ca. 50% größer, wenn man die Gesamtleistung auf zwei Kanäle gleichmäßig aufteilt.
Im Grenzfall $P_X/P_N → ∞$ nimmt die Gesamtkapazität um den Faktor $K$ zu ⇒ Verdoppelung mit $K$ = 2.

Die beiden identischen und voneinander unabhängigen Kanäle kann man auf unterschiedliche Weise realisieren, zum Beispiel durch Zeit–, Frequenz– oder Raummultiplexverfahren. Der Fall $K$ = 2 lässt sich aber auch durch die Verwendung orthogonaler Basisfunktionen wie „Cosinus” und „Sinus” verwirklichen wie zum Beispiel bei der Quadratur–Amplitudenmodulation (QAM) oder einer mehrstufigen Phasenmodulation wie QPSK oder 8–PSK.