對白噪聲的理解


        在信號處理中,信號與噪聲是一對永遠的對手。如果沒有噪聲的話,信號處理則要簡單得多。可以說,正是因為現實環境中不可避免地存在噪聲,才推動人們去不斷地開發新的信號處理方法。信號處理發展的歷史,在某種程度上可以看做是信號與噪聲相互斗爭的歷史。信號處理的主要目標之一即是如何區分信號與噪聲,或者說如何增強信號而抑制噪聲。

        經典數字信號處理最基本的假設之一即是噪聲為高斯白噪聲。對白噪聲,常有一些不夠正確的理解,比如常將白噪聲等同於高斯噪聲即是典型的一例。那么,從哪些角度出發,可以更好地理解噪聲和白噪聲呢?

        在對信號的理解中,人們很自然地從時域和頻域兩個角度來分析。對於噪聲,也同樣可以從時域和頻域兩個角度來看。從時域看,白噪聲看起來雜亂無章,但這些雜亂無章的值會服從某種分布,比如高斯噪聲,即表明在時域上,不同時刻的值服從高斯分布。也就是說,時域的取值取決於概率分布。從頻域來看,白噪聲是指功率譜密度在整個頻域內均勻分布的噪聲。這也就是說,從理論上講,其頻帶無限寬,因此就表現為相鄰兩個時刻的值是完全不相關的,因為帶寬無窮,即表明時域可以瞬間突變。由此可以看出,時域特性與頻域特性共同決定了噪聲的特性。而且,時域特性與頻域特性相互獨立,也即是說,時域特性由概率分布決定的,頻域特性則由頻帶寬度決定的。一個噪聲“白”與“不白”,取決於相關特性,也即是頻帶寬度。一個白噪聲,在時域可能服從均勻分布。而服從高斯分布的噪聲,如果其頻域帶寬較小,則就成了通常的高斯色噪聲。

        這樣,從時域與頻域的角度來看,噪聲又可以看做是一種“病態”的信號。從這個角度又將噪聲與信號這一對孿生對手統一起來了。事實上,信號與噪聲之間相互依存,也相互轉化。相同的一組序列,在不同的場合,有可能當作信號,也可能當作噪聲。比如兩個人聊天,如果是在錄制訪談類節目時的兩個嘉賓聊天,聊天的聲音就是信號;如果是在開會時,演講者正在宣讀論文或者發表什么高見,底下的兩個聽眾的聊天聲音往往被當作噪聲。因此,信號與噪聲,往往取決於哪些是我們所需要的,需要的則視為信號,不需要的則視為噪聲。從更信號處理的角度講,偽隨機信號通常是根據某個確定的算法計算得到的,但它常常被視為噪聲,而在有些應用場合,比如通信中,又可用作加密信號。


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM