信息论与编码胡亚洲

1、 信息论与编码实验报告 专业：通信工程 班级：通信三班 学号：120310312 姓名：胡亚洲实验一 英文文本信息量的计算一 实验目的1 通过本实验熟悉Matlab软件编程环境2 编写M文件实现对英文文本信息量的计算，掌握信源熵的计算方法二 实验要求1 了解matlab中M文件的编辑、调试过程2 编写程序实现英文文本信息量的统计，掌握信源熵及信息量的计算方法三 实验步骤 查找各个英文字母及空格出现的频率 在Matlab中读取给定的英文文章（该文章为txt格式） 计算英文文章的长度 统计在该文章中各个字母及空格出现的次数并放入数组N中 计算各个字母和空格的信息量及整篇文章的信息量 计算信源熵四

2、给定程序的流程图，以及每条语句的注释输入相应的频率计算各个字母、空格及整篇文章的信息量计算信源熵结束开始读取英文文章计算文章的长度嵌套的for循环语句判断是否符合循环条件判断字是否为大写母放入数组N中对应的位置是判断是否为小写字母放入数组N中对应的位置是判断是否为小写字母放入数组N中对应的位置是真if否elseif否elseif假五 自己编写的改进程序，及运行结果记录 wenzhang=textread(english.txt,%c); %读入的英文文章len=size(wenzhang);length=len(1,1); %文章的长度为lengthN=zeros(1,52);for i=1:

3、length if double(wenzhang(i,1)96&double(wenzhang(i,1)64&double(wenzhang(i,1) .00001, error(Probablities dont sum to 1.) end % Remove any zero probabilities % zeroProbs = find(array eps); if isempty(zeroProbs), array(zeroProbs) = ; %disp(Removed zero or negative probabilities.) End % Compute the entr

4、opy H = -sum(array .* log2(array); % 单位bit/symbol 图像熵计算代码函数源程序 ImgEntropy.m % Image Entropy calculation % % , 22/08/2007 % img : input image data % H1,H2 : Output 1&2 order entropy function H1,H2 = ImgEntropy(img) % color image transformation I = imread(img); img = rgb2gray(I); imview

5、(I), imview(img); ix,iy = size(img); %compute probs for each scale level in image P1 = imhist(img)/(ix*iy); temp = double(img); % for the index of image piexl temp = temp , temp(:,1); % correlation prob matrix between 0 . 255 gray levels CoefficientMat = zeros(256,256); for x = 1:ix for y = 1:iy i =

6、 temp(x,y); j = temp(x,y+1); CoefficientMat(i+1,j+1) CoefficientMat(i+1,j+1)+1; end end % compute the prob of matrix P2 = CoefficientMat./(ix*iy); H1 = 0; H2 = 0; for i = 1:256 % calculate 1 ord image entropy if P1(i) = 0 H1 = H1 - P1(i)*log2(P1(i); end % compute 2 ord image entropy for j = 1:256 if

7、 P2(i,j) = 0 H2 = H2 - P2(i,j)*log2(P2(i,j); end end end H2 = H2/2; % mean entropy /symbol sprintf(1 ord image entropy is : %d,H1) sprintf(2 ord image entropy is : %d,H2) 函数调用实例 test.m % Information Theory experiment testing file % , 22/08/2007 % testing Discrete Shannon Entropy % discrete probabilities set probSet = 0.1 0.2 0.3 0.15 0.25; % call CalEntropy function H = CalEntropy(probSet); sprintf(Shannon Entropy is: %d,H) % calculate the Image entropy H1,H2 = ImgEntropy(len