Zum Inhalt springen
Zurück zu den Suchergebnissen

Satz von der Kanalkapazität nach Shannon

Eingeführt von
Claude Shannon
Jahr
1948
Typ
fundamental theoretical bound
Familie
Information theory

Dieser Text ist eine maschinelle Übersetzung und wurde noch nicht geprüft. Original auf Englisch lesen

Schriftgröße

Was leistet sie?

Satz von der Kanalkapazität nach Shannon, veröffentlicht 1948, legt die maximale Rate fest, mit der Informationen über einen verrauschten Kanal zuverlässig übertragen werden können.

Ausgedrückt als C = B log2(1 + S/N) für additives weißes Gaußsches Rauschen (AWGN) ist dies eine fundamentale Schranke in der Informationstheorie und der Nachrichtentechnik. Shannon bewies, dass zuverlässige Kommunikation bei jeder Rate unterhalb der Kapazität möglich und oberhalb davon unmöglich ist. Dieser Satz bildet die Grundlage für das Design aller modernen Kommunikationssysteme und motiviert die Kodierungstheorie, Modulation und Signalverarbeitungstechniken.

Die Intuition hinter der Methode

Intuitiv beantwortet die Kanalkapazität die Frage: Wie viele Informationen kann ich pro Zeiteinheit zuverlässig trotz Rauschen übertragen? Shannon zeigte, dass die Antwort von drei Faktoren abhängt: (1) Bandbreite B (mehr Bandbreite -> mehr Kapazität), (2) Sendeleistung S (stärkeres Signal -> mehr Kapazität) und (3) Rauschleistung N (weniger Rauschen -> mehr Kapazität). Der logarithmische Kompromiss log2(1 + S/N) erfasst eine tiefe Wahrheit: Verdopplung der Leistung erhöht die Kapazität nur um 1 Bit/s/Hz, ein abnehmender Ertrag. Dies erklärt, warum trotz jahrhundertelanger Kommunikationspraxis die zuverlässige Kommunikation fundamental begrenzt ist, bis das Verhältnis von Signal zu Rauschen ausreichend hoch ist. Es motiviert auch ausgefeilte Modulation und Kodierung: Sie nähern sich asymptotisch der Kapazität, überschreiten sie aber nie.

Geschichte

Shannon's 1948er Arbeit 'A Mathematical Theory of Communication' begründete die Informationstheorie. Er bewies den Satz über die Kodierung verrauschter Kanäle, der festlegte, dass zuverlässige Kommunikation unterhalb der Kapazität möglich ist, oberhalb der Kapazität jedoch nicht. Dieses revolutionäre Ergebnis zeigte, dass Rauschen zuverlässige Kommunikation nicht verhindert, sondern nur die Rate begrenzt. In den folgenden Jahrzehnten entwickelten Kodierungstheoretiker (Hamming, Golay, Faltungscodes, Reed-Solomon) praktische Codes, die sich der Kapazität annähern. Moderne Codes (Turbo, LDPC, Polar) erreichen Raten innerhalb von 0,5-0,7 dB der Kapazität. Shannons Arbeit verwandelte die Kommunikation von einer empirischen Ingenieurpraxis in eine rigorose mathematische Disziplin.

Wann wird sie eingesetzt?

Die Shannon-Kapazität wird verwendet, um Designziele festzulegen und die Systemleistung zu bewerten. Vor dem Entwurf eines Kommunikationssystems berechnen Sie die Kapazität, um die ultimative theoretische Grenze zu verstehen. Bei der Bewertung eines Systems vergleichen Sie den tatsächlichen Durchsatz mit der Kapazität, um die Effizienz zu quantifizieren. Die Kapazität leitet auch die Ressourcenzuweisung: Leistungsregelung, Bandbreitenzuweisung, Auswahl der Kodierungsrate. Verwenden Sie Kapazitätsanalysen, um Investitionen in fortschrittliche Technologien (MIMO, Beamforming) durch Quantifizierung potenzieller Gewinne zu rechtfertigen.

Grenzen und Hinweise

  • Die AWGN-Kapazitätsformel setzt eine unendliche Codewortlänge voraus; praktische endliche Codes sind suboptimal
  • Die Fading-Kapazität erfordert vollständige Kanalzustandsinformationen am Sender für eine optimale Leistungsverteilung (Water-Pouring)
  • Die Formel geht von einem Gaußschen Eingang aus; einige Kanäle profitieren von nicht-Gaußscher Modulation (selten)
  • Die Kapazität berücksichtigt keine Latenz-, Komplexitäts- oder Energiebeschränkungen; praktische Systeme priorisieren diese
  • Die Mehrbenutzerkapazität ist weitaus komplexer; Interferenzkanäle haben keine geschlossene Kapazitätsformel

Die Bedingungen der Quelle ersetzen weder eine unabhängige wissenschaftliche Prüfung noch die Validierung durch eine Analyse-Engine.

Stärken

  • Bietet eine fundamentale Grenze, unabhängig von spezifischem Code-/Modulationsdesign
  • Elegante geschlossene Formel für AWGN-Kanäle
  • Erweitert sich auf Fading-, Interferenz-, Mehrbenutzerkanäle durch informationstheoretische Verallgemeinerungen
  • Motiviert das gesamte Feld der Kodierungstheorie (Turbo-, LDPC-, Polare Codes nähern sich alle der Kapazität)
  • Technologieübergreifend invariant: Die Kapazitätsformel gilt für optische, HF- und akustische Kanäle
  • Ermöglicht Kompromissanalyse: Untersucht Gewinne durch Bandbreitenerweiterung, Leistungssteigerung oder Diversität

Anwendungen

  • Drahtlose Systementwicklung: Kapazitätsanalysen leiten die Auswahl von Antennen, Leistungsbudgets und spektrale Effizienzziele in LTE/5G.
  • Satellitenkommunikation: Kapazitätsgrenzen setzen realistische Erwartungen für Downloadraten von Sonden aus dem tiefen Weltraum.
  • Glasfaserkommunikation: Die Kapazitätsformel informiert über Strategien für Wellenlängen-Multiplexing und Verstärkung.
  • Speichersysteme: Kapazitätsgrenzen bestimmen den Overhead für Fehlerkorrektur, der für zuverlässige Archivierung auf HDDs/SSDs erforderlich ist.
  • Netzwerkdesign: Mehrbenutzer-Kapazitätsanalysen leiten die Ressourcenzuweisung und Zugangskontrolle.

So funktioniert es

So funktioniert es

1

Informationsquelle erzeugt Symbole mit der Rate R (Bit pro Sekunde) zur Übertragung.

2

Für AWGN-Kanal: Kapazität C = B log2(1 + P/N0 B), wobei B die Bandbreite, P die Sendeleistung, N0 die Rauschleistungsdichte ist.

3

Für Fading-Kanäle: Kapazität hängt vom Kanalzustand ab; die durchschnittliche Kapazität ist C = Integral über die Kanalzustandsverteilung von B log2(1 + |h|^2 P / N0 B).

4

Das Kanalmodell umfasst: Sende-Signal X, Fading-Kanal h, additives Rauschen Z. Empfangenes Signal Y = h*X + Z.

5

Zuverlässige Übertragung mit Rate R ist möglich, wenn und nur wenn R ≤ C. Wenn R > C, kann keine beliebig kleine Fehlerrate erreicht werden, unabhängig von der Komplexität des Codes.

Häufige Fallstricke

  • Annahme, dass die Kapazität leicht zu erreichen ist; die Lücke zwischen Theorie und Praxis ist bei kurzen Paketen groß
  • Ignoriert Effekte endlicher Blocklängen; asymptotische Kapazität setzt unendliche Codewortlänge voraus
  • Berücksichtigt kein Feedback; begrenztes Feedback kann die Kapazität erheblich erhöhen
  • Annahme von Fading-Kapazität mit teilweiser CSI; Kanalschätzfehler reduzieren die effektive Kapazität
  • Erwartung, dass die Kapazität mit einfachen Schemata erreichbar ist; kapazitätserfüllende Codes sind komplex (Turbo, LDPC, Polar)

Häufig gestellte Fragen

Was ist die Beziehung zwischen Shannon-Kapazität und spektraler Effizienz?

Spektrale Effizienz (Bit pro Sekunde pro Hertz) wird durch die Kapazität geteilt durch die Bandbreite begrenzt: η ≤ C/B. Für AWGN gilt η ≤ log2(1 + S/N). Wenn die Systembandbreite B und die Leistung P ist, ist die spektrale Effizienz η = C/B. Mit zunehmendem SNR steigt die spektrale Effizienz logarithmisch an; es gibt keine harte Grenze, aber abnehmende Erträge.

Wie beeinflusst Feedback die Kapazität?

Satellitenkommunikation: Kapazitätsgrenzen setzen realistische Erwartungen für Downloadraten von Deep-Space-Sonden.

Was ist Water-Pouring und warum ist es optimal für Fading-Kanäle?

Water-Pouring ist eine optimale Leistungsverteilungsstrategie für Fading-Kanäle: mehr Leistung wird zugewiesen, wenn der Kanal gut ist (hoher Gewinn) und weniger, wenn er schlecht ist (geringer Gewinn). Mathematisch ist die Leistung P(h) = max(0, λ - N0 / |h|^2), wobei λ ein Lagrange-Multiplikator ist, der so eingestellt wird, dass die Gesamtleistungsbeschränkung erfüllt ist. Dies maximiert die ergodische Kapazität.

Kann die Kapazität mit cleverer Kodierung überschritten werden?

Nein. Shannons Satz über die Kodierung verrauschter Kanäle ist eine fundamentale Grenze: Wenn die Übertragungsrate die Kapazität überschreitet, kann die Fehlerrate unabhängig von der Komplexität des Codes oder des Dekodierungsalgorithmus nicht beliebig klein gemacht werden. Der Satz besagt, dass das Erreichen einer Rate R < C mit einer beliebigen Fehlerrate ε > 0 eine Blocklänge erfordert, die exponentiell in 1/ε ist.

Verwandte Methoden

Quellen

  1. Shannon, C. E. (1948). A mathematical theory of communication. Bell System Technical Journal, 27(3), 379-423.

    DOI-Referenz öffnen
    Kopiert.
  2. Cover, T. M., & Thomas, J. A. (1991). Elements of Information Theory. John Wiley & Sons.

    Publikationsreferenz öffnen
    Kopiert.