Hírközléselmélet (régi)
A lap korábbi változatát látod, amilyen Megyeri Balázs (vitalap | szerkesztései) 2019. április 14., 13:59-kor történt szerkesztése után volt. (→Segédanyagok: Kategóriákba csoportosítva)
Ez a régi tárgy oldala. Az új tárgy oldala elérhető itt.
Tartalomjegyzék
Segédanyagok
- HIT-es diasorok elérhetők itt
Órai jegyzet
- Hírközléselmélet 2010-es kézzel írt jegyzet
- Mintafeladatok a tesztes részből az első ZH-ra 2010
- Hírközléselmélet 2012-es tavaszi jegyzet 1.-2. előadás
- Hírközléselmélet 2012-es tavaszi jegyzet 3.-4. előadás
- Hírközléselmélet 2012-es tavaszi jegyzet 5. előadás
- Hírközléselmélet első 3. Zh anyaga 2012
Egyéb
- Veszprémi Egyetem - Információelmélet
- Széchenyi Egyetem - Információelmélet
- Információelméleti alapok jegyzet
- Csatornakapacitás jegyzet
ZH
2011/2012
Mindegyiket csak emlékezetből írtam, így előfordulhat, hogy valami nem teljes.
1. ZH
- tesztkérdések: kb entrópiával, információval, sztochasztikus folyamatokkal stb kapcsolatos kérdések
- számolás: adott két diszkrét eloszlás. Átlagos kódszóhossz, relatív entrópia + kérdés: mennyivel csökken az átlagos szóhossz, ha az egyik eloszlását a másikéval becsüljük.
p(x1) = 1/2 , p(x2) = 1/4 , p(x3) = 1/8 , p(x4) = 1/8
p(y1) = 1/4 , p(y2) = 1/2 , p(y3) = 1/8 , p(y4) = 1/8
- kifejtős: csatornakapacitás és csatornakódolás (hibajavító) "mindent, amit eddig tanultunk" BSC, AWGN, feltételes entrópiával is, Shannon II., kódolás célja, módszere
2. ZH
- lineáris és Hamming kód tulajdonságai
- Hamming kód és kódhatékonyság számítása
- Hamming korlát, Singleton korlát, perfekt kódm Hamming távolság
- Huffman kódolás, kódhatékonyság számítás, forráskiterjesztés hatása a kódhatékonyságra
3. ZH
- csatorna jellemzése (blokkvázlat), optimális vevő felépítése
- paritásmátrix, generátormátrix előállítása, beérkező kódszó legvalószínűbb értékének detektálása, ellenőrzés. Adott,hogy a kódszó eleje, vagy vége tartalmazza az üzenetet, így definiálja, hogy a paritásmátrix, végén vagy elején van az identitásmátrix.
4. ZH
- tesztnél: adott esetekben milyen modulációt használnánk
- tétel: dimenziótétel, sávszélesség (elméleti és gyakorlati)
- feladat: likelihood, Bayes számítás. Annak bizonyítása, hogy a becslés torzítatlan. Ha ML becslés helyett MS-t használunk akkor milyen adat kellene még, és azt hogy számolnánk ki? Adott volt egy exponenciális eloszlás.
