第四章：信道与噪声
4.1 信道分类与模型——先搞清楚信号走的是什么路
信道这东西，说白了就是信号从发射机到接收机之间经过的路径。我刚开始做通信系统设计时，总觉得信道就是个“管道”，后来被现实狠狠教育了一顿——信道远比你想的复杂。
咱们先看分类。信道分两大类：
- 有线信道：双绞线、同轴电缆、光纤。特点是稳定，干扰相对可控。
- 无线信道：自由空间传播。特点是多变，多径、衰落、阴影效应全来了。
你想想看，面试官问“信道模型有哪些”，其实是在考察你对实际物理环境的理解深度。
4.2 加性高斯白噪声信道——通信系统的基本假设
AWGN信道，全称Additive White Gaussian Noise。我习惯把它叫做“理想噪声环境”。为什么？因为它是数学上最好处理的噪声模型。
三个关键词：
- 加性：噪声是叠加在信号上的，不是乘性的。这意味着信号功率和噪声功率是独立的。
- 高斯：噪声幅度服从高斯分布（正态分布）。中心极限定理告诉我们，大量独立随机变量之和趋近于高斯分布。
- 白：功率谱密度在整个频率范围内是平坦的。说白了就是所有频率上的噪声功率都一样。
面试高频考点：AWGN信道的数学表达式
r(t) = s(t) + n(t)
其中n(t)是双边功率谱密度为N₀/2的高斯白噪声。
我在项目中遇到过一个问题：明明仿真时BER曲线和理论值完美吻合，但实际测试时差了好几个dB。后来发现，实际信道的噪声并不是纯白高斯——有脉冲噪声、有窄带干扰。嗯，这里要注意：AWGN只是理想模型，实际系统设计必须留余量。
4.3 信道容量与香农公式——通信的终极天花板
香农公式，我愿称之为通信领域最优雅的公式之一。它告诉我们：在给定带宽和信噪比的情况下，信道能传输的最大信息速率是多少。
公式长这样：
C = B log₂(1 + S/N)其中：
- C：信道容量（bit/s）
- B：带宽（Hz）
- S/N：信噪比（线性值，不是dB）
我的经验：面试时很多人只背公式，但忽略了两个关键推论：
- 带宽和信噪比可以互换。带宽不够，可以用更高阶调制来弥补；信噪比不够，可以用扩频来换取。
- 当带宽趋于无穷时，信道容量趋于一个有限值：C∞ = (S/N₀) / ln2。这意味着无限带宽并不能带来无限容量。
我曾经帮一个团队优化卫星通信链路。他们一直纠结于增加发射功率，我算了一下，其实带宽还有余量，改用更高阶的调制方式就能解决问题。这就是香农公式在实际中的指导意义。
4.4 编码定理——逼近香农极限的工程手段
香农告诉我们“存在一种编码方式”，但没告诉我们是哪种。这就是编码定理要解决的问题。
核心思想：
- 信源编码：去掉冗余，提高效率。比如霍夫曼编码、算术编码。
- 信道编码：加入冗余，提高可靠性。比如卷积码、Turbo码、LDPC码。
避坑指南：我曾经犯过一个错误——为了追求极致的编码增益，选了一个复杂度极高的LDPC码。结果FPGA资源不够，延迟也超标。后来我学乖了：编码方案的选择是trade-off，增益、复杂度、延迟三者必须平衡。
面试时经常被问到：“为什么信道编码能逼近香农极限？”我的回答思路是：
- 香农极限是理论边界，实际系统只能逼近它。
- Turbo码和LDPC码通过迭代译码，能在较低信噪比下实现接近极限的性能。
- 但逼近极限的代价是译码复杂度和延迟增加。
4.5 知识体系总览
下面这张图是我自己总结的，把本章的核心逻辑串起来了。你看一遍就能明白信道与噪声的脉络。
4.6 面试高频问题速查
| 问题 | 核心考点 | 我的建议 |
|---|---|---|
| AWGN信道的功率谱密度是多少？ | 双边N₀/2，单边N₀ | 注意区分单边和双边，面试常挖坑 |
| 香农公式的物理意义是什么？ | 带宽和信噪比的互换关系 | 最好能举一个实际例子说明 |
| 为什么实际系统达不到香农极限？ | 编码复杂度、延迟、实现代价 | 从工程角度回答，别只谈理论 |
| Turbo码和LDPC码哪个更好？ | 没有绝对好坏，看应用场景 | 我一般说：LDPC适合高码率，Turbo适合低码率 |
面试小技巧：当被问到“信道容量”相关问题时，我习惯先画一个简单的系统框图，然后指着图说：“这里发射功率是P，噪声功率谱密度是N₀，带宽是B，那么理论上最大速率就是B log₂(1+P/N₀B)。” 画图比干说强十倍。
好了，这一章的内容就这些。信道与噪声是通信原理的基石，理解透了后面调制、编码、同步才能学得轻松。记住：理论是指导，工程是实践，两者缺一不可。
公众号:蓝海资料掘金营，微信deep3321