... text je určen jak zájemcům z řad studentů magisterského, doktorského a bakalářského studia elektrotechnických oborů vysokých škol, tak i zájemcům z řad odborné veřejnosti, kteří si potřebují osvěžit či doplnit znalosti z dané oblasti. Text je členěn do celkem 18 kapitol. Pomyslně může být rozdělen do dvou částí - úvodní spíše teoreticky zaměřené (Teorie informace, Komunikační signály, Mezi symbolové interference, Příjem komunikačních signálů), následované více aplikačně zaměřenými kapitolami (Číslicové modulace, Rozprostřené spektrum a CDMA, Systémy s více nosnými a OFDM, Kombinace OFDM/CDMA/UWB, Komunikační kanály, Vyrovnavače kanálů, Protichybové kódování, UWB komunikace, MIMO systémy, Softwarové, kognitivní a kooperativní rádio, Adaptivní metody v rádiových komunikacích, Analýza spektra rádiových signálů, Změna vzorkovacího kmitočtu, Zvyšování přenosové rychlosti rádiových komunikačních systémů) ...
Pozorováním výskytu nějakého
prvku pak tedy nějakou informaci buď získáme nebo ne, ale žádném případě informaci
neztratíme.3)
Entropie diskrétního zdroje bez paměti možnými prvky nabývá hodnot rozsahu
0 H(S) log2 Nulová entropie odpovídá případu kdy pravděpodobnost jednoho
z prvků rovna jedné (nulové nejistotě). Musí platit, součet pravděpodobností výskytu všech prvků roven
jedné. Pak hovoříme diskrétním zdroji bez paměti (neboť současný výstup
není závislý předzházejících výstupech). Pokud pravděpodobnost některého
prvku dané abecedy rovna jedné (jeho výskyt jistý), nezískáme jeho pozorováním
žádnou informaci tedy I(sk) Pokud pravděpodobnost výskytu rozsahu
< množství informace větší nebo rovno nule. Nyní nás zajímá, jak velké množství "infor-
mace"získáme při zjištění, výstupu zdroje prvek sk.
Pro zhodnocení průměrného množství informace přes všechny prvky abecedy je
možné použít tzv. Množství informace získané
pozorováním tohoto prvku pravděpodobností definováno následujícím vztahem:
I(sk) log2
1
Pk
(1.Teorie rádiové komunikace 8
1 Teorie informace
Tato část zabývá teorií informace, jejíž základy byly položeny Shannonem již roce
1948 jeho známém článku [5]. Entropii H(S), [5]. Maximální entropie tedy
odpovídá maximální nejistotě pozorování.2 použito číslo Výsledná jednotka množství
informace pak bit (binary unit). Pravděpodobnosti výskytu 0.2)
Z této definice vyplývá několik důležitých poznatků.
. definovaná takto:
H(S) =
K−1
k=0
PkI(sk) =
K−1
k=0
Pk log2
1
Pk
.
Jako základ logaritmu rovnici 1. Pravděpodobnost výskytu k-tého prvku
sk označme Pk.5 odpovídá množství
informace bit. Oproti tomu hodnota entropie log2 odpovídá
případu stejné pravděpodobnosti (1/K) výskytu všech prvků sk.1)
Předpokládejme dále, symboly výstupu zdroje dat jednotlivých okamžicích jsou
na sobě nezávislé. Níže uvedený popis vychází především literatury [2, 5]. (1.
K−1
k=0
Pk (1.1 Informace, Entropie
Pro zavedení pojmů Informace Entropie předpokládejme pozorujeme diskrétní zdroj
dat, jehož výstup lze považovat diskrétní náhodnou proměnnou nabývající libovol-
ného prvku množiny prvky s0, s1, sK−1.
1
