随机噪声

无线电术语

随机噪声是一种由时间上随机产生的大量起伏骚扰积累而造成的，其值在给定瞬间内不能预测的噪声。随机噪声经常出现在石油开采、勘探、图像处理、信号处理、无线通信、水声探测、生物医学工程、光纤通信等领域，经常利用人工添加随机噪声来进行信号复原、图像复原的工作。常见的随机噪声有单频噪声、脉冲噪声、起伏噪声这三种。

随机噪声是一种前后独立的平衡随机过程，在任何时刻它的幅度、波形及相位都是随机的。但每一种噪声还是服从于一定的统计分布规律。在各种信道中加性噪声的来源，一般可以分为三方面：

人为噪声：人为噪声来源于无关的其它信号源，例如：外台信号、开关接触噪声、工业的点火辐射等；

自然噪声：自然噪声是指自然界存在的各种电磁波源，例如：闪电、雷击、大气中的电暴和各种宇宙噪声等；

内部噪声：内部噪声是系统设备本身产生的各种噪声，例如：电阻中自由电子的热运动和半导体中载流子的起伏变化等。某些类型的噪声是确知的。虽然消除这些噪声不一定很容易，但至少在原理上可消除或基本消除。另一些噪声则往往不能准确预测其波形。这种不能预测的噪声统称为随机噪声。

随机噪声是一种由时间上随机产生的大量起伏骚扰积累而造成的，其值在给定瞬间内不能预测的噪声。随机噪声按照学科分类可分为，声学术语与无线电术语两类。

①声学术语。表示与声源是否工作无关的一切不希望出现的其他声信号。预定信号以外的系统噪声的统称。通常可在系统的输出端检测。

②无线电术语。混入电子信号内的通常是稳定的干扰信号，它使接收到或记录到的信号发生畸变或紊乱(如在收寻无线电信号时所遇到的那样)；亦偶尔干扰电子仪器读数的瞬时跳变。

分类

单频噪声

单频噪声是一种连续波的干扰（如外台信号），它可视为一个已调正弦波，但其幅度、频率或相位是事先不能预知的。这种噪声的主要特点是占有极窄的频带，但在频率轴上的位置可以实测。因此，单频噪声并不是在所有通信系统中都存在而且也比较容易防止。

脉冲噪声

脉冲噪声是突发出现的幅度高而持续时间短的离散脉冲。这种噪声的主要特点是其突发的脉冲幅度大，但持续时间短，且相邻突发脉冲之间往往有较长的安静时段。从频谱上看，脉冲噪声通常有较宽的频谱（从甚低频到高频），但频率越高，其频谱强度就越小。脉冲噪声主要来自机电交换机和各种电气干扰，雷电干扰、电火花干扰、电力线感应等。数据传输对脉冲噪声的容限取决于比特速率、调制解调方式以及对差错率的要求。

应当指出，脉冲噪声虽然对模拟话音信号的影响不大，但是在数字通信中，它的影响是不容忽视的。一旦出现突发脉冲，由于它的幅度大，将会导致一连串的误码，对通信造成严重的危害。CCITT关于租用电话线路的脉冲噪声指标是15分钟内，在门限以上的脉冲数不得超过18个。在数字通信中，通常可以通过纠错编码技术来减轻这种危害。

起伏噪声

起伏噪声是以热噪声、散弹噪声及宇宙噪声为代表的噪声。这些噪声的特点是，无论在时域内还是在频域内他们总是普遍存在和不可避免的。

一般来说，起伏噪声既不能避免，且始终存在；因此，一般来说，它是影响通信质量的主要因素之一。因此，今后在研究噪声对通信系统的影响时，应以起伏噪声为重点。

典型的随机噪声

高斯噪声

高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。如果一个噪声，它的幅度分布服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。高斯白噪声的二阶矩不相关，一阶矩为常数，是指先后信号在时间上的相关性。高斯白噪声包括热噪声和散粒噪声。

在电子技术测控系统中，对干扰与噪声抑制方法主要有屏蔽、合理接地、隔离、合理布线、净化电源、滤波、采用专用器件等等措施。除了采用通用的噪声抑制方法外，对高斯噪声的抑制方法常常采用数理统计方法。

椒盐噪声

椒盐噪声是由图像传感器，传输信道，解码处理等产生的黑白相间的亮暗点噪声。椒盐噪声往往由图像切割引起。

大量的实验研究发现，由摄像机拍摄得到的图像受离散的脉冲、椒盐噪声和零均值的高斯噪声的影响较严重。噪声给图像处理带来很多困难，对图像分割、特征提取、图像识别等具有直接影响。因此，实时采集的图像需进行滤波处理。消除图像中的噪声成份叫做图像的平滑化或滤波操作。滤波的目的有两个：一是抽出对象的特征作为图像识别的特征模式；二是为适应计算机处理的要求，消除图像数字化时所混入的噪声。对滤波处理的要求有两条：一是不能损坏图像轮廓及边缘等重要信息；二是使图像清晰，视觉效果好。

椒盐噪声是指两种噪声，一种是盐噪声（salt noise），另一种是胡椒噪声（pepper noise）。前者是高灰度噪声，后者属于低灰度噪声。一般两种噪声同时出现，呈现在图像上就是黑白杂点。

消除随机噪声

噪声消除是工业建模的任务之一。系统噪声一般被看成是一种点扩散函数的作用，而作为退化模型的组成部分，如大气扰动，并在建模中考虑随机噪声的存在，在恢复过程中一并加以消除。若噪声模型预先已知，可针对模型设置滤波器，有效地加以消除，如同期性噪声，常用频率域滤波方法，作傅立叶变换，设计适当滤波器提取主要噪声成分，反变换后得到噪声图像，从原信号或图像中减去加权的噪声，即得去噪声图像，权函数的选择原则是使校正后图像在一定大小的区域内方差达到最小。

图像的随机噪声常表现为高频特征，采用图像平滑或低通滤波的方法加以消除，如平滑滤波、中值滤波、条件滤波和各种自适应滤波方法等，信号处理领域经常利用傅立叶变换和一些其他的变换方法消除随机噪声。

全国各地天气预报查询

上海市

云南省

云南省

云南省

云南省