Skip to content
بازگشت به نتایج جست‌وجو

قضیه ظرفیت کانال شانون

معرفی‌شده توسط
Claude Shannon
سال
1948
نوع
fundamental theoretical bound
خانواده
Information theory

این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید

اندازه قلم

چه کاری انجام می‌دهد؟

قضیه ظرفیت کانال شانون که در سال ۱۹۴۸ منتشر شد، حداکثر نرخی را که اطلاعات می‌تواند به طور قابل اعتماد از طریق یک کانال نویزی منتقل شود، تعیین می‌کند. این قضیه که برای نویز سفید گاوسی جمعی (AWGN) به صورت C = B log2(1 + S/N) بیان می‌شود، یک حد بنیادی در نظریه اطلاعات و مهندسی مخابرات است. شانون اثبات کرد که ارتباط قابل اعتماد در هر نرخی کمتر از ظرفیت امکان‌پذیر است و بالاتر از آن غیرممکن است. این قضیه مبنای طراحی تمام سیستم‌های ارتباطی مدرن است و نظریه کدگذاری، مدولاسیون و تکنیک‌های پردازش سیگنال را هدایت می‌کند.

شهود پشت روش

به طور شهودی، ظرفیت کانال به این پرسش پاسخ می‌دهد: چقدر اطلاعات را می‌توانم در واحد زمان به طور قابل اعتماد و علی‌رغم نویز منتقل کنم؟ شانون نشان داد که پاسخ به سه عامل بستگی دارد: (۱) پهنای باند B (پهنای باند بیشتر -> ظرفیت بیشتر)، (۲) توان سیگنال S (سیگنال قوی‌تر -> ظرفیت بیشتر)، و (۳) توان نویز N (نویز کمتر -> ظرفیت بیشتر). نسبت لگاریتمی log2(1 + S/N) یک حقیقت عمیق را بیان می‌کند: دو برابر کردن توان تنها ظرفیت را به اندازه ۱ بیت بر ثانیه بر هرتز افزایش می‌دهد، که بازده نزولی است. این توضیح می‌دهد که چرا، علی‌رغم قرن‌ها عمل ارتباطی، ارتباط قابل اعتماد اساساً تا زمانی که نسبت سیگنال به نویز به اندازه کافی بالا نباشد، محدود است. همچنین مدولاسیون و کدگذاری پیچیده را هدایت می‌کند: آنها به طور مجانبی به ظرفیت نزدیک می‌شوند اما هرگز از آن فراتر نمی‌روند.

تاریخ

مقاله سال ۱۹۴۸ شانون با عنوان 'یک نظریه ریاضی ارتباطات' اساس نظریه اطلاعات را بنا نهاد. او قضیه کدگذاری کانال نویزی را اثبات کرد و بیان داشت که ارتباط قابل اعتماد کمتر از ظرفیت امکان‌پذیر است، اما بالاتر از آن نیست. این نتیجه انقلابی نشان داد که نویز مانع ارتباط قابل اعتماد نمی‌شود، بلکه فقط نرخ را محدود می‌کند. در دهه‌های بعدی، نظریه‌پردازان کدگذاری (همینگ، گلای، کدهای کانولوشنال، رید-سولومون) کدهای عملی را توسعه دادند که به ظرفیت نزدیک می‌شوند. کدهای مدرن (توربو، LDPC، قطبی) نرخ‌هایی در حدود ۰.۵ تا ۰.۷ دسی‌بل نزدیک به ظرفیت را دستیابی می‌کنند. کار شانون ارتباطات را از یک عمل مهندسی تجربی به یک رشته ریاضی دقیق تبدیل کرد.

چه زمانی استفاده شود

ظرفیت شانون برای تعیین اهداف طراحی و ارزیابی عملکرد سیستم استفاده می‌شود. قبل از طراحی یک سیستم ارتباطی، ظرفیت را محاسبه کنید تا حد نهایی نظری را درک کنید. هنگام ارزیابی یک سیستم، توان عملی واقعی را با ظرفیت مقایسه کنید تا کارایی را کمی کنید. ظرفیت همچنین تخصیص منابع را هدایت می‌کند: کنترل توان، تخصیص پهنای باند، انتخاب نرخ کدگذاری. از تحلیل ظرفیت برای توجیه سرمایه‌گذاری در فناوری‌های پیشرفته (MIMO، شکل‌دهی پرتو) با کمی‌سازی سود بالقوه استفاده کنید.

محدودیت‌ها و ملاحظات

  • فرمول ظرفیت AWGN طول کد را بی‌نهایت فرض می‌کند؛ کدهای عملی با طول محدود، ناکارآمد هستند
  • ظرفیت محوشونده نیازمند اطلاعات کامل وضعیت کانال در فرستنده برای تخصیص توان بهینه (تخلیه آب) است
  • فرمول فرض می‌کند ورودی گاوسی است؛ برخی کانال‌ها از مدولاسیون غیرگاوسی سود می‌برند (نادر)
  • ظرفیت، تأخیر، پیچیدگی یا محدودیت‌های انرژی را در نظر نمی‌گیرد؛ سیستم‌های عملی به این موارد اولویت می‌دهند
  • ظرفیت چندکاربره بسیار پیچیده‌تر است؛ کانال‌های تداخل، ظرفیت فرم بسته ندارند

شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.

نقاط قوت

  • یک حد بنیادی مستقل از طراحی کد/مدولاسیون خاص ارائه می‌دهد
  • فرمول بسته و زیبا برای کانال‌های AWGN
  • از طریق تعمیم‌های نظریه اطلاعات به کانال‌های محوشونده، تداخل و چندکاربره گسترش می‌یابد
  • کل زمینه نظریه کدگذاری را هدایت می‌کند (کدهای توربو، LDPC، قطبی همگی به ظرفیت نزدیک می‌شوند)
  • در فناوری‌ها ثابت است: فرمول ظرفیت برای کانال‌های نوری، RF و صوتی معتبر است
  • تحلیل بده‌بستان را امکان‌پذیر می‌سازد: سود حاصل از افزایش پهنای باند، افزایش توان یا تنوع را بررسی می‌کند

کاربردها

  • طراحی سیستم بی‌سیم: تحلیل ظرفیت، انتخاب آنتن، بودجه توان و اهداف بهره‌وری طیفی را در LTE/5G هدایت می‌کند
  • ارتباطات ماهواره‌ای: محدودیت‌های ظرفیت، انتظارات واقع‌بینانه را برای نرخ دانلود از کاوشگرهای فضای عمیق تعیین می‌کند
  • ارتباطات فیبر نوری: فرمول ظرفیت، استراتژی‌های تقسیم طول موج و تقویت را اطلاع‌رسانی می‌کند
  • سیستم‌های ذخیره‌سازی: حدود ظرفیت، سربار تصحیح خطا مورد نیاز برای بایگانی قابل اعتماد HDD/SSD را تعیین می‌کند
  • طراحی شبکه: تحلیل ظرفیت چندکاربره، تخصیص منابع و کنترل پذیرش را هدایت می‌کند

چگونه کار می‌کند

چگونه کار می‌کند

1

منبع اطلاعات، نمادها را با نرخ R (بیت بر ثانیه) تولید می‌کند تا منتقل شوند.

2

برای کانال AWGN: ظرفیت C = B log2(1 + P/N0 B)، که در آن B پهنای باند، P توان سیگنال، و N0 چگالی طیفی نویز است.

3

برای کانال‌های محوشونده (fading): ظرفیت به وضعیت کانال بستگی دارد؛ ظرفیت میانگین برابر است با C = انتگرال توزیع وضعیت کانال از B log2(1 + |h|^2 P / N0 B).

4

مدل کانال شامل: سیگنال ارسالی X، کانال محوشونده h، نویز جمعی Z. سیگنال دریافتی Y = h*X + Z.

5

انتقال قابل اعتماد با نرخ R امکان‌پذیر است اگر و تنها اگر R ≤ C. اگر R > C، احتمال خطای دلخواه کوچک، صرف نظر از پیچیدگی کد، قابل دستیابی نیست.

دام‌های رایج

  • فرض می‌کند ظرفیت به راحتی قابل دستیابی است؛ شکاف بین نظریه و عمل برای بسته‌های کوتاه زیاد است
  • اثرات طول بلوک محدود نادیده گرفته می‌شود؛ ظرفیت مجانبی طول کد بی‌نهایت را فرض می‌کند
  • بازخورد در نظر گرفته نمی‌شود؛ بازخورد محدود می‌تواند ظرفیت را به طور قابل توجهی افزایش دهد
  • ظرفیت محوشونده با CSI جزئی فرض می‌شود؛ خطاهای تخمین کانال ظرفیت مؤثر را کاهش می‌دهد
  • انتظار می‌رود ظرفیت با طرح‌های ساده قابل دستیابی باشد؛ کدهای دستیابی به ظرفیت پیچیده هستند (توربو، LDPC، قطبی)

پرسش‌های متداول

رابطه بین ظرفیت شانون و بهره‌وری طیفی چیست؟

بهره‌وری طیفی (بیت بر ثانیه بر هرتز) توسط ظرفیت تقسیم بر پهنای باند محدود می‌شود: η ≤ C/B. برای AWGN، η ≤ log2(1 + S/N). اگر پهنای باند سیستم B و توان P باشد، بهره‌وری طیفی η = C/B است. با افزایش نسبت سیگنال به نویز (SNR)، بهره‌وری طیفی به صورت لگاریتمی افزایش می‌یابد؛ هیچ حد سختی وجود ندارد اما بازده نزولی است.

بازخورد چگونه بر ظرفیت تأثیر می‌گذارد؟

برای کانال AWGN بدون حافظه، شانون اثبات کرد که ظرفیت با بازخورد تغییر نمی‌کند: از نظر اطلاعاتی، بازخورد نمی‌تواند ظرفیت را افزایش دهد. با این حال، بازخورد کدگذاری تطبیقی (تنظیم نرخ بر اساس CSI) را امکان‌پذیر می‌سازد که می‌تواند عملکرد عملی را بهبود بخشد. برای کانال‌های با حافظه یا تأخیر بازخورد، ظرفیت می‌تواند افزایش یابد.

آب‌ریزی (water-pouring) چیست و چرا برای کانال‌های محوشونده بهینه است؟

آب‌ریزی یک استراتژی تخصیص توان بهینه برای کانال‌های محوشونده است: توان بیشتری را زمانی که کانال خوب است (بهره بالا) و توان کمتری را زمانی که بد است (بهره پایین) تخصیص دهید. از نظر ریاضی، توان P(h) = max(0, λ - N0 / |h|^2)، که در آن λ یک ضرب‌کننده لاگرانژ است که برای برآورده کردن محدودیت توان کل تنظیم می‌شود. این امر ظرفیت ارگودیک را به حداکثر می‌رساند.

آیا ظرفیت را می‌توان با کدگذاری هوشمندانه افزایش داد؟

خیر. قضیه کدگذاری کانال نویزی شانون یک حد بنیادی است: اگر نرخ انتقال از ظرفیت فراتر رود، احتمال خطا، صرف نظر از پیچیدگی کد یا الگوریتم رمزگشایی، نمی‌تواند دلخواه کوچک شود. این قضیه بیان می‌کند که دستیابی به نرخ R < C با احتمال خطای دلخواه ε > 0 نیازمند طول بلوکی است که به صورت نمایی به ۱/ε بستگی دارد.

روش‌های مرتبط

منابع

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

    باز کردن مرجع DOI
    کپی شد.
  2. Cover, T. M., & Thomas, J. A. (1991). Elements of Information Theory. John Wiley & Sons.

    باز کردن مرجع انتشار
    کپی شد.