news 2026/4/16 13:11:21

通信原理篇---log2

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
通信原理篇---log2

第一部分:log₂ 是什么?——“数数要用几根手指”

先忘掉公式,我们玩个游戏:

游戏规则:我心里想一个1到16之间的整数,你只能问“是或否”的问题来猜,最少需要问几次?

聪明猜法(二分法)

  1. 问:“大于8吗?”(把范围砍掉一半)

  2. 根据回答,再问:“大于/小于4/12吗?”(再砍一半)

  3. ... 以此类推。

你会发现,最多只需要问4次,就一定能猜中

为什么是4次?

  • 因为 log₂(16) = 4。

  • 这个4的含义是:用“是/否”(1比特信息)这种最简单的问题,你需要问多少次,才能从16个可能性中确定一个。

log₂ 的核心魔法:

它衡量的是“用最简单的二元选择(0或1),需要多少步,才能表达出那么多可能性。”


第二部分:log₂ 在通信中的三大“魔力场景”

魔力一:把“手势种类”变成“需要喊出的口令数”——调制

回想我们讲过的星座图。一种调制方式好比一套“手势密码”。

  • BPSK:有2种手势(上、下)。每个手势代表的信息量是:log₂(2) = 1 比特

  • QPSK:有4种手势(上、下、左、右)。每个手势代表的信息量是:log₂(4) = 2 比特

  • 16QAM:有16种手势(不同方向+不同力度)。每个手势代表的信息量是:log₂(16) = 4 比特

看,log₂ 像一台“计价器”:你输入手势的复杂程度(状态数M),它立刻输出这个手势值多少钱(承载的比特数)。

所以那个关键公式出现了:

每个符号承载的比特数 = log₂(M)
比特率 (Rb) = 符号率 (Rs) × log₂(M)

这就是高阶调制提速的根源:符号率(挥手快慢)不变,但通过增加手势复杂度(M变大),log₂(M)让每个手势“含金量”飙升,总信息量(比特率)就上去了。

魔力二:衡量“惊喜程度”——信息论与熵

信息论之父香农说,一个消息的信息量,取决于它有多“出乎意料”。

  • 如果我说:“太阳从东边升起”。(概率=1,一点也不意外),它的信息量是log₂(1) = 0 比特。对,这句废话不携带任何新信息。

  • 如果我说:“明天彩票头奖号码是XXXXXX”。(概率极小,极度意外),它的信息量就非常大,log₂(一个很小的概率)会得到一个很大的负数(取负后就是很大的正数)。

平均信息量(熵)就是所有可能消息的信息量,按其概率的加权平均。log₂ 在这里确保了:概率越小的事件,一旦发生,贡献的信息量越大。这完美契合直觉。

魔力三:计算“理论极限”——信道容量(香农公式)

这是log₂魔力的巅峰,也是所有通信工程师的“圣经”。

香农公式:C = B × log₂(1 + S/N)

  • C:信道容量(理论上每秒能无差错传输的最大比特数,bps)

  • B:带宽(Hz)

  • S/N:信噪比(信号功率/噪声功率)

公式解读:
这个公式像一个“通信宇宙的交通法”,它规定了在给定的带宽(B)和噪声环境(S/N)下,你无论用什么黑科技,传输速率(C)都不能超过这个天花板

log₂(1+S/N) 就是频谱效率的理论极限(单位:bps/Hz)。

  • 如果信噪比 S/N = 1(信号和噪声一样强),log₂(2) = 1 bps/Hz。这是很差的信道。

  • 如果信噪比 S/N = 1023(信号比噪声强1023倍),log₂(1024) = 10 bps/Hz。这是非常好的信道。

看,log₂ 把物理世界信噪比(一个线性的功率比值),神奇地映射成了信息世界可承载的频谱效率。信噪比提升带来的收益是对数增长的:初期收益很大,越往后越难提升。这解释了为什么5G、6G为了提升一点点速率,需要付出巨大努力(用大规模MIMO、毫米波来提升S/N)。


第三部分:为什么一定是 log₂ ?而不是 log₃ 或 log₁₀?

因为我们的数字世界建立在“二进制”之上。

  • 计算机的晶体管只有“开/关”(0/1)两种状态。

  • 数字通信最基本的判断是“是/否”(0/1)。

log₂ 是连接“可能性世界”与“二进制世界”的天然桥梁。

  • 如果你用三进制计算机(0,1,2),那核心就会变成 log₃。

  • log₂ 是信息用二进制表示时,最自然、最本质的度量衡。


给初学者的终极比喻和口诀

终极比喻:
log₂ 就像一家“二进制打包公司”的报价单。

  • 客户:“我有M种不同的商品(信号状态),想运走。”

  • log₂:“好的,查看报价单… 您需要log₂(M)个标准规格的‘二选一箱子’(比特),就能把所有商品唯一地区分开并运走。”

魔力体现:

  • 商品种类(M)翻倍,需要的箱子数并不是翻倍,而是只增加1个(因为 log₂(2M) = log₂(M) + 1)。这种“压缩”效率就是魔力的来源。

  • 比如从4种商品(QPSK)到16种商品(16QAM),种类变成4倍,但需要的箱子数只从2个增加到4个(也是2倍,不是4倍)。这就是高阶调制“高效”的数学本质。

记忆口诀:

  • “log₂是座桥,连起状态和比特。”

  • “M是可能性,log₂(M)是比特价。”

  • “香农公式定乾坤,信噪比进去,容量天花板出来。”

学习与考点要点:

  1. 必背公式Rb = Rs × log₂(M)和香农公式C = B log₂(1+S/N)。理解每个字母的含义。

  2. 理解本质:log₂(M) 代表“用比特衡量信息”。考题常问:“为什么16QAM的频谱效率是QPSK的2倍?”(因为 log₂(16)/log₂(4) = 4/2 = 2)。

  3. 会计算分析:给定M,能算出每个符号的比特数。给定信噪比,能比较理论容量大小。

总结:
log₂ 的魔力在于,它将通信中物理层的可能性(状态数、信噪比),简洁而深刻地转换成了信息层的度量(比特数、容量)。它不是数学家故弄玄虚的符号,而是深深烙在数字通信基因里的底层密码。理解了log₂,你就拿到了理解信息时代效率革命的数学钥匙

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/4/16 11:08:32

GLM-4.5V-FP8开源:如何解锁全能视觉语言新体验

国内AI技术再迎新突破——智谱AI正式开源其最新视觉语言模型GLM-4.5V-FP8,这款基于1060亿参数基础模型构建的多模态AI系统,不仅在42项公开视觉语言基准测试中取得同规模最佳性能,更通过FP8量化技术大幅降低部署门槛,为开发者提供了…

作者头像 李华
网站建设 2026/4/15 14:16:51

Phi-4迷你推理模型:3.8B参数实现10倍效率飞跃

Phi-4迷你推理模型:3.8B参数实现10倍效率飞跃 【免费下载链接】Phi-4-mini-flash-reasoning 项目地址: https://ai.gitcode.com/hf_mirrors/microsoft/Phi-4-mini-flash-reasoning 微软最新发布的Phi-4-mini-flash-reasoning模型,以仅38亿参数的…

作者头像 李华
网站建设 2026/4/16 15:54:39

Miniconda-Python3.10镜像支持HuggingFace Transformers无缝运行

Miniconda-Python3.10镜像支持HuggingFace Transformers无缝运行 在AI研发一线工作的人都经历过这样的场景:本地调试完美的模型代码,一推到服务器就报错;团队成员之间因为环境版本不一致,反复折腾“为什么我的能跑你不能”&#x…

作者头像 李华
网站建设 2026/4/16 11:02:54

Miniconda-Python3.10镜像使用实录:成功运行HuggingFace大模型

Miniconda-Python3.10镜像使用实录:成功运行HuggingFace大模型 在AI模型日益复杂、团队协作愈发频繁的今天,一个常见的痛点浮出水面:为什么同一段代码,在同事的机器上跑得好好的,到了自己环境里却报错不断?…

作者头像 李华
网站建设 2026/4/16 11:04:28

鸣潮120帧优化突破:WaveTools实战配置指南

鸣潮120帧优化突破:WaveTools实战配置指南 【免费下载链接】WaveTools 🧰鸣潮工具箱 项目地址: https://gitcode.com/gh_mirrors/wa/WaveTools 鸣潮1.2版本更新后,众多玩家面临120帧设置失效的困扰。WaveTools作为专业的鸣潮辅助工具&…

作者头像 李华
网站建设 2026/4/16 14:23:04

终极硬件适配革命:解锁Windows系统下的Apple Touch Bar完整潜力

终极硬件适配革命:解锁Windows系统下的Apple Touch Bar完整潜力 【免费下载链接】DFRDisplayKm Windows infrastructure support for Apple DFR (Touch Bar) 项目地址: https://gitcode.com/gh_mirrors/df/DFRDisplayKm 在跨平台兼容性成为开发者核心需求的今…

作者头像 李华