此条目介绍的是信源编码的数据压缩理论。关于计算机编程术语,请见“
源代码”。
在信息论中,香农的信源编码定理(或无杂讯编码定理)确立了数据压缩的限度,以及香农熵的操作意义。
信源编码定理表明(在极限情况下,随着独立同分布随机变量数据流的长度趋于无穷)不可能把数据压缩得码率(每个符号的位元的平均数)比信源的香农熵还小,又不丢失资讯。但是有可能使码率任意接近香农熵,且损失的概率极小。
码符号的信源编码定理把码字的最小可能期望长度看作输入字(看作随机变量)的熵和目标编码表的大小的一个函数,给出了此函数的上界和下界。
信源编码是从资讯源的符号(串行)到码符号集(通常是bit)的映射,使得信源符号可以从二进制位元(无损信源编码)或有一些失真(有损信源编码)中准确恢复。这是在数据压缩的概念。
在信息论中,信源编码定理[1]非正式地陈述[2][3]为:
N 个熵均为 H(X) 的独立同分布的随机变量在 N → ∞ 时,可以很小的资讯损失风险压缩成多于 N H(X) bit;但相反地,若压缩到少于 N H(X) bit,则资讯几乎一定会丢失。
令 Σ1, Σ2 表示两个有限编码表,并令 Σ∗
1 和 Σ∗
2 (分别)表示来自那些编码表的所有有限字的集合。
设 X 为从 Σ1 取值的随机变量,令 f 为从 Σ∗
1 到 Σ∗
2 的唯一可译码,其中 |Σ2| = a。令 S 表示字长 f (X) 给出的随机变量。
如果 f 是对 X 拥有最小期望字长的最佳码,那么(Shannon 1948):
对于 1 ≤ i ≤ n 令 si 表示每个可能的 xi 的字长。定义 ,其中 C 会使得 q1 + ... + qn = 1。于是
其中第二行由吉布斯不等式推出,而第五行由克拉夫特不等式推出:
因此 log C ≤ 0.
对第二个不等式我们可以令
于是
因此
并且
因此由克拉夫特不等式,存在一种有这些字长的无前缀编码。因此最小的 S 满足