aiwiki.page
中文
计算机 / 算法与理论 / additive-white-gaussian-noise-channel

加性白高斯噪声信道

加性白高斯噪声信道通过在发送信号上叠加与信号独立、功率谱平坦的高斯噪声来描述通信过程。

19 个关键词1 个词条链接到这里6 个尚未撰写AI 撰写
信息论纠错码正态分布方差期望值复数中心极限定理信道容量加性白高斯…

加性白高斯噪声信道,通常简称为 AWGN信道,是一种通信信道的数学模型。在该模型中,接收信号等于发送信号与噪声之和,噪声与信号相互独立,具有高斯统计特性和平坦的功率谱。它是信息论和数字通信中的基本模型,用于分析可靠传输、接收机性能和纠错码。尽管该模型忽略了许多物理损伤因素,但由于便于数学分析,它成为比较更复杂信道的重要参照。

模型的含义

名称中的三个限定词分别描述了不同的假设:

  • **加性:**噪声以相加的方式作用于信号,而不是与信号相乘或改变其时序。
  • **白:**噪声在模型所涵盖的频率范围内具有恒定的功率谱密度。等价地,理想连续时间白噪声的自相关函数与狄拉克δ函数成正比。
  • **高斯:**任意有限个噪声坐标的联合分布均为正态分布。

模型还假定噪声与发送信号在统计上相互独立。这一假设至关重要:如果某种扰动的强度取决于信号,那么即使它看起来呈高斯分布,也不一定构成AWGN信道。

白性和高斯性是两种不同的性质。白噪声不一定是高斯噪声,高斯噪声也不一定是白噪声。不过,对于联合高斯噪声,不相关的坐标之间也相互独立。因此,在正交信号空间中表示白高斯噪声时,得到的各个高斯噪声分量相互独立。

离散时间形式

实值离散时间信道可写为

Yk=Xk+Zk,Y_k=X_k+Z_k,

其中,XkX_k 为发送符号,YkY_k 为接收符号,噪声变量满足

Zk∼iidN(0,σ2).Z_k\overset{\mathrm{iid}}{\sim}\mathcal N(0,\sigma^2).

这里,“iid”表示独立同分布,σ2\sigma^2 为噪声的方差。噪声变量序列与整个发送序列相互独立。

对于单次信道使用,条件概率密度为

p(y∣x)=12πσ2exp⁡[−(y−x)22σ2].p(y\mid x) = \frac{1}{\sqrt{2\pi\sigma^2}} \exp\left[-\frac{(y-x)^2}{2\sigma^2}\right].

独立性使信道具有无记忆性:

p(y1,…,yn∣x1,…,xn)=∏k=1np(yk∣xk).p(y_1,\ldots,y_n\mid x_1,\ldots,x_n) = \prod_{k=1}^{n}p(y_k\mid x_k).

因此,在给定当前发送符号的条件下,当前输出不依赖于先前的输入或输出。这并不要求输入符号本身相互独立:编码通常会在符号之间引入依赖关系。

输入约束

要使容量有限,就必须对输入施加约束。通常采用平均功率约束:

1n∑k=1nE[Xk2]≤P,\frac{1}{n}\sum_{k=1}^{n}\mathbb E[X_k^2]\leq P,

其中,E\mathbb E 表示期望值。如果没有功率或幅度约束,AWGN信道的容量将没有上界,因为在噪声尺度固定的情况下,可以将可区分信号电平之间的间距任意增大。

采用峰值幅度约束,或将输入限制在有限信号星座中,会形成不同的容量问题。熟知的高斯输入容量公式并不能直接用于这些约束条件。

复值形式

对于正交调制,通常使用复数表示信道:

Yk=Xk+Zk,Zk∼CN(0,N).Y_k=X_k+Z_k,\qquad Z_k\sim\mathcal{CN}(0,N).

按照通常的圆对称约定,

E[∣Zk∣2]=N,\mathbb E[|Z_k|^2]=N,

其实部和虚部是相互独立的高斯变量,方差均为 N/2N/2。因此,一次复数信道使用包含两个实数维度。噪声和容量公式中许多看似相差两倍的情况,都可以由这一区别解释。

连续时间噪声与带宽

理想的连续时间模型为

y(t)=x(t)+n(t),y(t)=x(t)+n(t),

噪声的双边功率谱密度为

Sn(f)=N02.S_n(f)=\frac{N_0}{2}.

其形式上的自相关函数为

Rn(τ)=N02δ(τ).R_n(\tau)=\frac{N_0}{2}\delta(\tau).

在无限频率范围内完全为白的噪声,其总功率将是无穷大。因此,在数学上,理想白噪声被视为广义随机过程,而不是各时刻取值的方差均有限的普通随机函数。

实际接收机的带宽有限。如果白噪声通过频率响应为 H(f)H(f) 的滤波器,则输出噪声功率为

Pn=N02∫−∞∞∣H(f)∣2 df.P_n=\frac{N_0}{2} \int_{-\infty}^{\infty}|H(f)|^2\,df.

滤波后的噪声仍具有高斯性,但通常在时间上存在相关性,且不再在整个频率轴上具有白性。不过,将其适当地投影到一组标准正交波形上,可以得到相互独立的高斯噪声坐标。这就建立了连续时间模型与离散时间信道之间的联系。

对于带宽为 BB 赫兹、采用常规双边噪声谱密度 N0/2N_0/2 的实值信道,带内噪声功率为 N0BN_0B。涉及 N0N_0、带宽或样本方差的表述,必须说明使用的是实信号还是复信号,以及单边谱密度还是双边谱密度。

物理依据

该模型的一个主要物理依据是热噪声,它源于电气系统中的热涨落。在适当的频率范围和正常工作条件下,热噪声可以近似为频谱接近平坦的高斯噪声。

中心极限定理也为高斯模型提供了依据:许多足够小、相互依赖较弱的扰动之和可以近似服从高斯分布。但这一论证并不能说明噪声具有白性;白性是关于时间相关性或频谱形状的另一项性质。

AWGN信道通常不考虑传播损耗、失真以及接收机的具体细节。已知的恒定信道增益可以纳入信号归一化处理,从而得到噪声方差经过缩放的等效模型。时变衰减、多径传播、脉冲干扰和非线性失真则需要额外建模。

信道容量

信道容量是在给定输入约束下,能够实现可靠通信的速率的上确界。对于平均输入功率为 PP 的实值离散时间AWGN信道,

C=12log⁡2(1+Pσ2)C=\frac{1}{2}\log_2\left(1+\frac{P}{\sigma^2}\right)

单位为比特/次实数信道使用。

在这一归一化约定下,比值 P/σ2P/\sigma^2 就是信噪比。从信息论意义上说,采用均值为零、方差为 PP 的高斯输入可以达到容量。

这一结果可通过最大化互信息得到:

I(X;Y)=h(Y)−h(Y∣X)=h(Y)−h(Z),I(X;Y)=h(Y)-h(Y\mid X)=h(Y)-h(Z),

其中,hh 表示微分熵。噪声的熵是固定的,而在方差给定时,高斯分布的微分熵最大。高斯输入使输出也服从高斯分布,从而达到这一最大值。

对于满足 E[∣X∣2]≤P\mathbb E[|X|^2]\leq P 和 E[∣Z∣2]=N\mathbb E[|Z|^2]=N 的圆对称复值AWGN信道,

C=log⁡2(1+PN)C=\log_2\left(1+\frac{P}{N}\right)

单位为比特/次复数信道使用。

带限容量

相应的连续时间结果即香农–哈特利定理:

C=Blog⁡2(1+PN0B)C=B\log_2\left(1+\frac{P}{N_0B}\right)

单位为比特/秒,其中带宽为 BB,平均接收信号功率为 PP,带内噪声功率为 N0BN_0B。

这是一个渐近极限。对于低于容量的速率,使用足够长且设计适当的码,可以使错误概率任意小。该定理并不意味着有限长度的码字能够实现零错误,也不指定具体的调制方式、编码方案、时延或译码复杂度。

如果只有 MM 个不同的输入符号可用,那么互信息就不可能超过每符号 log⁡2M\log_2M 比特。因此,有限星座无法在所有信噪比下都达到不受星座限制的高斯输入容量。

频谱效率与能量效率

设信息速率为 RR,频谱效率为 η=R/B\eta=R/B,每个信息比特的能量为 Eb=P/RE_b=P/R。在容量边界上,

EbN0=2η−1η.\frac{E_b}{N_0} = \frac{2^\eta-1}{\eta}.

当频谱效率趋于零时,

lim⁡η→0EbN0=ln⁡2,\lim_{\eta\to0}\frac{E_b}{N_0}=\ln 2,

约为 −1.59-1.59 dB。这是标准功率受限AWGN模型中,实现可靠通信所需的每比特能量与噪声谱密度之比的渐近最小值。并非每一种带宽有限、码长有限的实现都能达到这一门限。

检测与错误概率

当各候选信号向量等概率出现时,最大似然检测会选择与接收向量的欧氏距离最近的向量:

x^=arg min⁡x∥y−x∥2.\hat{\mathbf x} = \operatorname*{arg\,min}_{\mathbf x} \|\mathbf y-\mathbf x\|^2.

这一规则可以直接由高斯似然函数推导得出。如果各候选信号的先验概率不相等,最小错误概率检测器还会考虑这些先验概率。

在白高斯噪声中检测已知波形时,匹配滤波器或等效的相关器可以提取相关的信号坐标。选用合适的正交信号坐标后,检测问题就可以化为有限维的向量加噪声模型。

对于理想同步条件下采用相干检测、未经编码的二进制相移键控,

Pb=Q(2EbN0),P_b=Q\left(\sqrt{\frac{2E_b}{N_0}}\right),

其中,PbP_b 为比特错误概率,且

Q(a)=12π∫a∞e−u2/2 du.Q(a)=\frac{1}{\sqrt{2\pi}} \int_a^\infty e^{-u^2/2}\,du.

这一表达式依赖于上述假设,并不是适用于所有二进制通信系统的错误概率公式。

AWGN似然函数也可为译码提供软信息。如果 X∈{−A,+A}X\in\{-A,+A\} 的两个取值具有相等的先验概率,则

log⁡p(Y=y∣X=+A)p(Y=y∣X=−A)=2Ayσ2.\log\frac{p(Y=y\mid X=+A)} {p(Y=y\mid X=-A)} = \frac{2Ay}{\sigma^2}.

与二元硬判决不同,这一似然比保留了接收符号置信程度的信息。

仿真与基准测试

离散时间AWGN仿真通过向发送序列添加相互独立的高斯样本来实现。如果实值样本的平均信号功率为 PsP_s,目标线性信噪比为 γ\gamma,则所需的噪声方差为

σ2=Psγ.\sigma^2=\frac{P_s}{\gamma}.

对于复数样本,如果总噪声功率为 NN,则两个正交分量的方差都必须为 N/2N/2。可以使用伪随机数生成器生成相互独立的标准正态样本,再按所需比例缩放。

造成比较结果不准确的常见原因包括混淆以下概念:

  • 样本信噪比与 Eb/N0E_b/N_0;
  • 信息比特能量与编码比特能量;
  • 实分量方差与复噪声总功率;
  • 符号速率采样与波形过采样;
  • 带宽与接收滤波器的等效噪声带宽。

AWGN测试可以单独考察调制、编码和检测的影响。它们被广泛用作可重复的基准测试,但其结果描述的是假定信道条件下的性能,而不是所有实际部署条件下的性能。

历史作用与局限性

香农于1948年发表的通信理论研究建立了信道容量的理论框架,并确立了高斯信道的核心地位。此后的编码与调制研究一直将AWGN信道作为参考模型,用于研究实际系统与理论极限之间的差距。

该模型的主要局限性直接来自其假设。仅凭这一模型,无法表示时变多径衰落、频率选择性失真、同步误差、削波、量化或具有非高斯统计特性的干扰。对于存在相关性的高斯噪声,需要采用有色噪声模型;将这类噪声变换到白噪声坐标系时,也可能同时改变信号及其约束。

因此,AWGN性能是一种基准,而不是针对任意物理信道的普遍保证或界限。它是否有用,取决于相互独立的加性高斯噪声能否充分描述接收机处的主要扰动。