一、调研摘要
哈夫曼编码是信息论与编码理论中经典的无损前缀编码算法，基于信源符号的概率分布构建最优二叉树，能够在无编码失真的前提下最小化信源平均码长，是数据压缩、信道传输的核心基础技术。本次调研通过两组不同概率分布的离散无记忆信源，手工完成哈夫曼树构建、码字分配、信源熵、平均码长及编码效率的完整推演计算，通过横向对比两组实验数据，分析符号概率均匀程度对哈夫曼编码效率的影响，验证哈夫曼编码的最优性及适用特性。
二、调研目的
1. 掌握哈夫曼编码的核心原理、构建规则及手工推演完整流程，熟练独立完成哈夫曼树搭建与码字分配；
2. 掌握离散信源熵、平均码长、编码效率的计算公式及手工计算方法，理解各参数的物理意义；
3. 通过两组差异化概率分布的编码实验，对比分析符号概率集中、均匀两种分布状态对编码压缩效率的影响；
4. 深化对“哈夫曼编码为最优前缀编码”理论的理解，明确哈夫曼编码的性能边界与适用场景。
三、调研原理与公式
3.1 哈夫曼编码核心原理
哈夫曼编码的核心思想是概率越小的符号，编码码长越长；概率越大的符号，编码码长越短。通过反复合并概率最小的两个符号节点，构建带权路径长度最短的二叉树（哈夫曼树），所有符号对应的码字均为前缀码，无码字冲突，可实现无损解码。
手工构建规则：
1. 将所有信源符号按概率从小到大排序，选取概率最小的两个节点合并，生成新节点，新节点概率为两节点概率之和；
2. 将新节点放回节点集合中，重新排序，重复合并操作，直至集合中仅剩一个根节点；
3. 统一约定：合并后左分支记为 0 ，右分支记为 1 （或统一反向，全程规则一致即可），从根节点到叶子节点的路径序列即为对应符号的哈夫曼码字。
3.2 核心性能计算公式
四、调研实验设计
本次调研设置两组对比实验，均采用4符号离散无记忆信源，仅符号概率分布不同，变量唯一，保证对比结果有效：
1. 实验组1（概率不均匀分布）：信源符号概率差异大，概率集中在个别符号，贴合实际工程场景（如文本、图像信源）；
2. 实验组2（概率均匀分布）：信源符号概率基本均等，符号不确定度均匀。
五、手工推演与数据计算过程
6.2 核心结论分析
1. 概率均匀信源编码效率最优
当信源所有符号概率完全均等时，符号的不确定度均匀分布，哈夫曼编码的平均码长完全等于信源熵，编码冗余度为0，达到无损编码的理论极限效率。此时所有符号码长一致，编码无多余损耗。
2. 概率差异越大，编码效率小幅下降
当信源符号概率分布不均匀时，信源熵降低（整体不确定度下降），哈夫曼编码通过“大概率短码、小概率长码”的规则压缩码长，但无法完全消除编码冗余。小概率符号的长码会带来微小的平均码长损耗，导致平均码长略大于信源熵，编码效率略低于100%。
3. 哈夫曼编码的适配特性
哈夫曼编码的核心优势是适配非均匀信源：虽然非均匀信源编码效率略有损耗，但大幅降低了整体平均码长。实验组1信源熵仅1.571 bit/符号，远低于均匀信源的2 bit/符号，实现了更优的压缩效果。
在实际场景中，文本、语音、图像信源的符号概率均为非均匀分布，因此哈夫曼编码能实现高效数据压缩，具备极高的工程应用价值。
七、调研总结与体会
本次调研通过两组差异化信源的手工推演，完整复现了哈夫曼编码的构建流程与效率计算方法，直观验证了概率分布对编码性能的影响。
从实验结果可以得出：哈夫曼编码是最优前缀无损编码，其编码效率和压缩性能高度依赖信源符号的概率分布。符号概率越接近2的负整数次幂、分布越均匀，编码冗余越小，效率越高；符号概率差异越大，编码存在轻微冗余，但整体压缩效果更优，更适合实际非均匀信源的数据压缩场景。
同时，通过手工计算，进一步厘清了信源熵、平均码长、编码效率的物理关联：信源熵是编码的理论下限，平均码长是编码的实际性能，编码效率是衡量编码方案优劣的核心指标。本次实验规避了程序仿真的黑盒问题，通过手工推演深刻理解了哈夫曼编码“长短码分配”的核心逻辑，为后续学习算术编码、LZ编码等进阶压缩算法奠定了理论基础。
八、参考文献
1. 樊昌信, 曹丽娜. 通信原理（第7版）[M]. 国防工业出版社, 2019.
2. 姜丹. 信息论与编码理论（第4版）[M]. 科学出版社, 2020.
3. 陈运. 信息论与编码学习指导与习题解析[M]. 电子科技大学出版社, 2021.
