香农定理计算例题-香农定理计算例题

香农定理这事儿，听着就是拿个计算器，输入带宽、输入码率、噪声功率，直接算个熵出来。但在实际搞工程的时候，那真不是那么回事儿，它更像是一场关于信息在传输路上如何“消了”的现场调查。
你想啊，信号跑着跑着，本来那挺清楚的波形，如何突然就糊成一团了？这时候香农容量公式就成了一把尺，专门量你这丢了多少信。 先把信令对象搞清楚了，得知道自己手里握着个啥。
比如你手里拿着个 30 万赫兹的音频信号，想把它传那会儿。
这时候你得先算出信号的带宽。声音在这个频率上跑，信息量实际上挺大，但带宽给定了，就是物理上能装下的那个笼子大小。
要是带宽是 30 万赫兹，按照香农的理论，能传多少码？这得看信号里到底有多少有效信息。假设你知道信号是正弦波，那码率就是带宽的两倍，也就是一百万赫兹。
这时候你手里有个公式，带宽乘以码率，再除以 2，那就是每秒能传多少比特。算出来的结局大约是 0.15 比特每秒。
这听起来咋一咋有点低？ 这就轮到噪声登场了。
这时候解释起来挺有意思，噪声越大，路就越堵。
要是信道噪噪声功率是零，那理论上无限大带宽，信息量无限大，码率就是带宽的两倍。但现实中，噪声是个常数。假设你收个信，背景里的杂音占了 90% 的功率，那信号只能占 10%。
这时候计算信噪比，就是 0.1 除以 0.9，结局是 0.111。
这时候你要想，在如此差的条件底下，还能传多少信息？香农公式里有个对数，把 2 换成 10，这样算出来的就是 10 log10(0.111) 纳比特的每秒信息量。
这个数大约只有 5 纳比每秒。 这时候你可能会问，这也没啥。
不过把公式拆开了看，实际上是个影子。香农定理实际上是在说，任何通信系统，要么信息丢了，要么噪声大了，要么带宽不够。但有个挺隐蔽的坑，最好办踩的就是带宽计算错了。
比如你当作带宽是带宽的两倍，结局算出来信息量少得可怜。
故此第一步最关键的，就是搞清楚信号本身能塞多少信息。 再换个角度想，要是信道噪声挺小，把信噪比拉高了，这时候香农公式就是那个“天花板”。
要是信噪比无限大，哪怕带宽再小，理论上也能传无限大的码率。但这在物理世界行不通，出于噪声够大，带宽再小也没用，这时候香农容量就是个死数。
反过来，要是噪声挺吵，信噪比低，这时候香农容量也是个死数，哪怕带宽无限大也卡着不动。 这时候有个挺直观的例子，比如两个工程师在聊聊一个 100 兆的宽带系统。一个说：“只要带宽够，带宽就是 100 兆，码率就是 100 兆，每秒能传 100 兆比特。”另一个点头：“那你得把噪声设为零啊。”那肯定不中，现实里噪声不可能为零。
要是信噪比是一比一，那每秒顶多能传 50 兆比特。
这时候要是带宽再变一变，比如变成 200 兆，信噪比还是 1 比一，那每秒只能传 100 兆比特。
这时候你会发现，带宽增添带来的收益被噪声吃掉了。再要是信噪比变成 0.1 比一，哪怕带宽再大，每秒顶多也就 300 兆比特。
这时候香农容量就是个常数，跟带宽没关系。 再深入一层，看看这数字背后的物理意义。香农定理算出来这个数字，实际上是每秒能传输的“最大信息量”。
要是实际传输的数据量小于这个数字，说明信噪比够好，数据没丢。
要是实际数据量大于这个数字，说明信息确实丢了。
这时候的“丢”，不是设备坏了，而是信息在传输过程中，出于噪声干扰，原本清楚的波形彻底混在一起，变成了一堆毫无意义的杂音。 故此你看，香农定理这东西，不能只背个公式。它告诉我们要做的更多是“信息管理”。在带宽有限的情况下，你得提升信噪比，让信号在噪声里更突出；在信噪比固定的情况下，你得想办法提升带宽，要么压缩数据量。
有时候你会发现，带宽够，但信噪比不够，这时候香农容量就是你的硬上限。
有时候信噪比够，带宽也够，这时候香农容量就是理论上的最大值。 最终总结一下，香农容量就是由信噪比和带宽共同拍板的那个理论值。
这个值既是物理极限，也是工程优化的标尺。当你看着香农公式里的数字时，别只想着如何算得快，得多想想噪声到底有多大，带宽到底有多宽。
要是条件没变，那这个数字就是个死数，你只能在理论里折腾，别在现实中硬凑。
毕竟，通信这事儿，传的不是比特，是信息流，得在噪声的深海里，把信号稳稳地捞上来。