摘要：本文针对离散无记忆信道（DMC）中一类重要的信道——准对称信道（Quasi-Symmetric Channel），对其信道容量的“矩阵分解法”计算公式进行了严格的数学推导与证明。通过将转移概率矩阵划分为若干互不相交的对称子矩阵，结合信息论中熵的极值理论、输出符号概率分布的重构以及矩阵元素双重计数法（Double Counting），完整论证了当输入符号等概分布时信道达到最大互信息，并推导出其信道容量的闭式表达式。最终，通过一个全新构建的三阶非对称微调矩阵进行了算例验证。
一、 基本概念与问题描述
1.1 准对称离散无记忆信道定义
设离散无记忆信道的输入符号集为，输出符号集为
。信道的转移概率矩阵为
，其大小为
：
若矩阵可以按列划分为
个互不相交的子矩阵
，且每一个子矩阵
（大小为
）都满足“每一行都是其他行的置换（排列），每一列都是其他列的置换”，则称该信道为准对称信道。
1.2 参数定义
根据准对称信道的强对称几何性质，对于任意第个子矩阵
：
- 行元素之和（
）：因每行元素相同或互为置换，其行和在子矩阵内部均相等，记为
。
- 列元素之和（
）：因每列元素相同或互为置换，其列和在子矩阵内部均相等，记为
。
- 输入行向量性质：由于各个子矩阵拼接后构成完整的
，整个矩阵
的任意一行所包含的元素集合是完全相同的，将其总集记为
，其中
为总列数。
二、 核心定理
对于输入符号数为的准对称离散无记忆信道，其信道容量
可由下式唯一确定：
其中'表现为转移概率矩阵中任意一行的条件熵
。
三、 数学证明与推导
步骤 1：条件熵的恒等性与容量公式简化
由于信道具有行置换对称性，对于任意指定的输入符号，其条件熵为常数：
由于该值与具体的输入状态无关，因此平均条件熵
可以直接提取平移：
根据信道容量的定义，由于HY|X已被固定，极大化互信息等价于极大化输出熵：
步骤 2：等概输入分布的合理性论证
设输入概率分布为。输出熵
是输入分布
的严格凹函数（Strictly Concave Function）。由于准对称矩阵中各行可以通过置换相互转换，系统对任意输入符号具有代数对称性。根据凸优化中的对称性定理，当且仅当输入满足均匀的等概分布时，输出熵
达到全局极大值：
步骤 3：子矩阵规模的几何双重计数（Double Counting）
考虑第个子矩阵
，其行数为
，设其列数为
。
我们通过行、列两种不同的视角来计算该子矩阵内所有元素的总和：
- 按行求和：每行和为
，共
行：
- 按列求和：每列和为
，共
列：
由此建立拓扑恒等式：
由于各个子矩阵空间互不相交且全覆盖总矩阵
，根据全概率限制，原始矩阵
每一行的总和必须为
。因此有：
步骤 4：等概输入下的输出概率分布计算
将等概分布代入全概率公式，任意一个输出符号
的概率为：
其中为第
列的列和。
若该列隶属于第个子矩阵
，则其列和必然为
。因此，隶属于同一子矩阵的所有输出符号概率完全简并：
步骤 5：输出熵 H(Y)的代数展开与化简
根据输出熵定义，引入子矩阵指标进行分组求和：
由于第个分组中共有
个元素，上式简化为：
将步骤3中的几何归约式代入：
利用对数性质展开并分离项：
结合归一化条件，输出熵的极大值精简为：
步骤 6：合成信道容量闭式解
将极大输出熵与平均条件熵
代入容量定义式，即得：
证毕。
四、实例验证
为了验证上述推导的普适性，我们自行构建一个具有 2 个输入符号、4 个输出符号（,
）的全新准对称信道。其转移概率矩阵
设为：
1. 传统方法计算（对照组）
输入等概。
- 条件熵：
每行均为，故
输出概率：
输出熵：
信道容量：
2. 矩阵分解法计算（实验组）
将矩阵拆分为三个不相交的对称子矩阵
)：
- 子矩阵
（前两列）：
行和
- 列和
子矩阵
（第三列）
行和
- 子矩阵
列和子矩阵=（第四列）：
行和
列和
代入本文证明的矩阵分解公式：
合并后两项（因为）：
计算该项的值：
最终求得容量：
结论：通过全新的三子矩阵数据进行验算，矩阵分解法求得的容量与定义法完全一致，再次证明了该定理推导的无误性与严密性。