(1) 信息熵的定义：假设X是一个离散随即变量，即它的取值范围R={x1，x2...}是有限可数的。设pi=P{X=xi}，X的熵定义为：
 (a)
若(a)式中，对数的底为2，则熵表示为H2(x)，此时以2为基底的熵单位是bits，即位。若某一项pi=0，则定义该项的pilogpi-1为0。
(2) 设R={0,1}，并定义P{X=0}=p，P{X=1}=1-p。则此时的H(X)=-plogp-(1-p)log(1-p)。该H(x)非常重要，称为熵函数。熵函数的的曲线如下图表示：
再者，定义对于任意的x∈R，I(x)=-logP{X =x}。则H(X)就是I(x)的平均值。此时的I(x)可视为x所提供的信息量。I(x)的曲线如下： 
(3) H(X)的最大值。若X在定义域R={x1,x2,...xr}，则0<=H(X)<=logr。 (4) 条件熵：定义 推导：H(X|Y=y)= ∑p(x|y)log{1/p(x,y)} H(X|Y)=∑p(y)H(X|Y=y)= ∑p(y)*∑p(x|y)log{1/p(x/y)} H(X|Y)表示得到Y后，X的平均信息量，即平均不确定度。 (5) Fano不等式：设X和Y都是离散随机变量，都取值于集合{x1,x2,...xr}。则 H(X|Y)<=H(Pe)+Pe*log(r-1) 其中Pe=P{X≠Y}。Fano表示在已经知道Y后，仍然需要通过检测X才能获得的信息量。检测X的一个方法是先确定X=Y。若X=Y，就知道X；若X≠Y，那么还有r-1个可能。 (6) 互信息量：I(X;Y)=H(X)-H(X|Y)。I(X;Y)可以理解成知道了Y后对于减少X的不确定性的贡献。 I(X;Y)的公式： I(X;Y)=∑(x,y)p(x,y)log{p(y|x)/p(y)}
(7)
联合熵定义为两个元素同时发生的不确定度。 联合熵H(X,Y)=
∑(x,y)p(x,y)logp(x,y)=H(X)+H(Y|X)
(8)
信道中互信息的含义 互信息的定义得： I(X,Y)=H(X)-H(X|Y)= I(Y,X)=H(Y)-H(Y|X) 若信道输入为H(X)，输出为H(Y)，则条件熵H(X|Y)可以看成由于信道上存在干扰和噪声而损失掉的平均信息量。条件熵H(X|Y)又可以看成由于信道上的干扰和噪声的缘故，接收端获得Y后还剩余的对符号X的平均不确定度，故称为疑义度。 条件熵H(Y|X)可以看作唯一地确定信道噪声所需要的平均信息量，故称为噪声熵或者散布度。 (9)
I(X,Y)的重要结论
互信息
 互信息I(X,Y)只是输入信源X的概率分布P(xi)和信道转移概率P(yj|xi)的函数，可以证明当P(xi)一定时，I是关于P(yj|xi)的∪函数，存在极小值；当P(yj|xi)一定时，I是关于P(xi)的∩函数，存在极大值。 (10)
联合熵、条件熵的关系图。H(X)>=H(X|Y)，H(Y)>=H(Y|X)。 
| 
