← ToolBox / 编码冗余度

🔐 Encoding Redundancy

Compare average code length with source entropy to compute redundancy (avgLen - H) / H; lower redundancy means a better code.

平均码长

信息熵

符号数

📐 计算公式与说明

编码冗余度（本页代码口径三输出）：冗余度 = (平均码长−熵)÷平均码长×100（%）；编码效率 = 熵÷平均码长×100（%）；节省位数 = 符号数×(平均码长−熵)（位）。校验：三项输入空值/非数值即提示；平均码长为 0 时除零结果按「—」兜底。判据：无固定分级，冗余度越低编码越接近熵极限，效率与冗余度之和恒为 100%。

冗余越低编码越优，理想情况趋近 0。

📚 深度解析：编码冗余度

💡 常见使用场景

信源编码优化：评估哈夫曼/算术编码相对熵的冗余，指导压缩方案。
信道效率分析：比较不同变长码的平均码长与理论下限。
教学演示：展示定长码在符号概率不均时的冗余浪费。

示例：两符号 p=0.9/0.1

熵≈0.469 bit，若定长 1 bit/符号则冗余≈113%；哈夫曼可逼近熵，冗余近 0。

❓ 常见问题（FAQ）

冗余度为何不是越低越好？: 为纠错常主动加冗余（如信道编码），效率与可靠性需权衡。
与压缩率关系？: 信源编码冗余越低压缩越强；本指标衡量离香农下限的差距。
熵怎么算？: H=−Σ p_i·log2(p_i)，见信息熵（香农）工具。

Formula & Standard References

Item	Formula / Rule	Source / Standard
Redundancy definition	R = 1 − H(X) / H_max, ranging from 0 to 1	Shannon, A Mathematical Theory of Communication, 1948
Maximum entropy	H_max = log₂(n) where n is the alphabet size	Shannon 1948 §1 Discrete noiseless source
Coding efficiency	Efficiency η = H(X) / H_max = 1 − R	ISO/IEC 2382 Information technology vocabulary — information theory terms

编码冗余度