信噪比

1 基本定义与数学表达

1.1 信噪比的物理意义

信噪比衡量的是有用信号功率与噪声功率的比值，直观地反映了信号在传输或处理过程中受噪声污染的程度。从物理视角看，噪声是系统中随机、不可预测的波动，而信号承载着信息；信噪比越高，信号在噪声背景中越清晰可辨，提取信息的可靠性也越强。在热力学背景下，任何电阻或半导体器件都会产生热噪声（约翰逊-奈奎斯特噪声），这构成了信噪比理论的下限。实际工程中，信噪比被广泛应用于评估系统从输入到输出的“干净程度”，是信号保真度的核心指标。

1.2 功率信噪比与幅度信噪比

信噪比通常以功率之比定义。设信号功率为 \(P_s\)，噪声功率为 \(P_n\)，则功率信噪比为 \( \mathrm{SNR} = P_s / P_n \)。然而在电路分析或波形测量中，有时会使用幅度信噪比，即信号幅度与噪声有效值之比。若信号与噪声的阻抗相同，则功率比等于幅度比的平方。例如，对于正弦信号，幅度信噪比是其峰值电压与噪声均方根电压的比值。实践中，功率信噪比更为基础，因为它直接关联能量分布；但幅度信噪比在时域处理（如数字示波器中的波形叠加）中更直观。

1.3 以分贝（dB）表示的计算方法

由于信噪比数值范围极大，通常使用对数单位分贝（dB）表示，计算公式为：

\[ \mathrm{SNR_{dB}} = 10 \log_{10}\left( \frac{P_s}{P_n} \right) \quad \text{(功率比)} \]

若使用幅度比（假设阻抗匹配），则公式变换为：

\[ \mathrm{SNR_{dB}} = 20 \log_{10}\left( \frac{V_s}{V_n} \right) \quad \text{(幅度比)} \]

其中 \(V_s\) 为信号幅度有效值，\(V_n\) 为噪声有效值。dB为正时表示信号强于噪声；为负时则表示噪声淹没信号。常见系统如高保真音频设备要求 SNR 大于 90 dB，而低端设备可能只有 60 dB。

2 信噪比的测量与估算

2.1 直接测量法

2.1.1 使用频谱分析仪

频谱分析仪可直接观察信号的频谱分布，通过读取特定频段内信号谱线与噪声基底之差得出信噪比。操作时，先移除信号（或关闭信号源），测量噪声基底的平均功率密度；再开启信号，测量信号峰值功率。将两值代入公式即得 SNR。此法适合窄带信号和稳态噪声，但对突发性噪声或宽带信号需仔细设置分辨率带宽。

2.1.2 使用数字示波器

数字示波器通过采集时域波形来计算信噪比。过程包括：捕获无信号时的噪声波形，计算其方均根值；随后接入信号，测量信号的有效值。注意示波器的输入噪声和量化噪声可能影响结果，故应选择高分辨率模式并适当平均波形。此法直观但精度受限于示波器自身的动态范围和采样率。

2.2 间接估算法

2.2.1 基于信号与噪声功率谱密度

当无法直接隔离信号和噪声时，可假设噪声为平稳随机过程，利用功率谱密度（PSD）估算。通过维纳-辛钦定理，对观测信号的自相关函数进行傅里叶变换得到 PSD；在已知信号占用的频带内，将信号部分的PSD积分作为信号功率，其余区域的PSD积分作为噪声功率。此方法需要区分信号与噪声在频域上的重叠程度，常用于通信系统链路分析。

2.2.2 基于系统传递函数

3 信噪比在常见领域的应用

3.1 音频工程

3.1.1 录音与回放设备

在麦克风、话筒前置放大器、功率放大器等设备中，信噪比直接决定音频背景的干净程度。高 SNR 意味着录音中嘶嘶声和滋滋声极低，能还原弱音细节。例如，专业录音设备常标称 SNR > 100 dB，而消费级设备多在 70–90 dB。回放时，低 SNR 会导致底噪明显，影响听感动态。

3.1.2 编解码器性能评价

音频编解码器（如 MP3、AAC）压缩解压后，信噪比是衡量失真程度的关键指标。压缩算法在去除冗余信息的同时会引入量化噪声，导致输出信号相对于原始信号的 SNR 下降。通常用输出信号与原信号的差值（误差信号）计算噪声部分，得到编解码器的 SNR。此值越高，表明听觉上越接近无损。

3.2 图像与视频处理

3.2.1 传感器噪声水平

CMOS或CCD图像传感器的信噪比取决于光信号强度与读出噪声、暗电流噪声之比。低光环境下信号弱，SNR 下降，导致照片出现颗粒感（噪声）。传感器 SNR 通常以 dB 标称，例如手机摄像头传感器在 ISO 100 时可达 40 dB，而在高 ISO 下可能降至 20 dB 以下。

3.2.2 图像压缩的SNR退化

图像压缩（如 JPEG）通过离散余弦变换（DCT）和量化步骤会引入失真；衡量压缩质量的常用指标是峰值信噪比（PSNR），即信号最大可能功率与压缩误差功率之比。PSNR 越高，视觉上压缩伪影越不明显。一般在 30 dB 以上可接受，大于 40 dB 则几乎无法察觉失真。

3.3 通信系统

3.3.1 无线链路预算

无线通信链路发射机到接收机的过程中，路径损耗、衰落和干扰均会降低接收端信噪比。链路预算通过计算发射功率、天线增益、传播损耗、接收机噪声系数等参数，预估系统是否能维持最低 SNR 以满足通信要求。例如，Wi-Fi 网络常需链路终端 SNR 高于 10 dB 方可实现稳定连接。

3.3.2 调制方式对SNR的要求

不同数字调制方式对 SNR 的容忍度不同。例如，BPSK 在误码率 \(10^{-3}\) 时仅需 SNR 约 6.8 dB，而 16QAM 则需要约 12 dB，64QAM 则需约 18 dB。更高阶调制提供更高数据传输速率，但代价是对 SNR 敏感；因此在实际通信中，系统会根据当前 SNR 自适应切换调制方式。

3.4 生物医学工程

3.4.1 心电图信号提取

心电图（ECG）信号幅值仅约 1 mV，而肌电噪声、工频干扰（50/60 Hz）可达同数量级，因此 SNR 很低。为提高诊断准确性，需使用共模抑制比高的仪表放大器（CMRR > 100 dB）以及数字滤波（如带通 0.05–100 Hz）。典型 ECG 设备的 SNR 在 10–20 dB 范围内即可识别主要波形。

3.4.2 脑电图与诱发电位

脑电图（EEG）信号只有几微伏，易被眼动、肌肉活动等生理噪声淹没，SNR 常为负值（-10 dB 甚至更低）。诱发电位（如视觉诱发电位）可通过多次刺激后叠加平均来提升 SNR，因为刺激信号在每次试验中保持相位一致，而随机噪声在平均后抵消。累加 \(N\) 次可使 SNR 提升 \(\sqrt{N}\) 倍，从而提取出微弱的诱发响应。

4 影响信噪比的因素

4.1 系统内部噪声源

4.1.1 热噪声

热噪声（或称约翰逊-奈奎斯特噪声）由导体中电子的随机热运动产生，其功率谱密度为 \(4kTR\)，其中 \(k\) 为玻尔兹曼常数，\(T\) 为绝对温度，\(R\) 为电阻。它覆盖所有频率，是任何电路无法完全消除的本底噪声。温度每升高一倍，噪声功率增加约 3 dB。

4.1.2 散粒噪声

散粒噪声源于电流中载流子（电子或空穴）的随机到达时间。它存在于二极管、晶体管等有源器件中，其功率与平均电流成正比。在信号电流较弱时，散粒噪声会成为主要限制因素。

4.1.3 闪烁噪声（1/f噪声）

闪烁噪声的功率谱密度随频率增加而成反比下降，故名 1/f 噪声。它常见于半导体器件的表面缺陷和碳膜电阻中。在低频段（如音频 0–10 Hz 或生物电信号 1 Hz 以下），闪烁噪声可能主导总噪声。随着 CMOS 工艺尺寸减小，闪烁噪声的影响愈发显著。

4.2 外部环境干扰

4.2.1 电磁干扰

来自无线电发射机（如广播、手机、微波炉）或电源变压器的电磁场会通过辐射或传导耦合进入信号路径。电磁干扰的频率常集中在特定频段（如 50 Hz 工频谐波或 FM 波段），在屏蔽不良的系统中会导致 SNR 骤降。抗干扰设计包括使用屏蔽电缆、加装铁氧体磁环和低通滤波器。

4.2.2 机械振动与声学噪声

在音频和振动传感系统中，麦克风、扬声器或加速度计会受到机械振动产生的伪像。例如，风吹过麦克风振膜产生低频啸叫；硬盘读写时的振动也会干扰高度灵敏的传感器。声学噪声与有用信号在频域重叠时，难以用简单滤波去除。

4.3 信号处理环节

4.3.1 量化噪声

在模数转换（ADC）过程中，模拟信号的幅值被量化为离散数字值，此过程会引入量化误差，其有效功率与量化步长平方成正比。对于理想均匀量化器，SNR（以 dB 计）可近似为 \(6.02B + 1.76\)，其中 \(B\) 为比特数。因此，增加位数是降低量化噪声、改善 SNR 的直接途径。

4.3.2 滤波与放大引入的失真

任何滤波器和放大器都存在非线性失真，如谐波失真和互调失真。这些失真成分虽非随机噪声，但难以与有用信号区分，从而等效地降低了 SNR。例如，功率放大器工作在非线性区时，会产生额外的高次谐波，使得信噪比指标变差。

5 提高信噪比的常用技术

5.1 硬件层面

5.1.1 低噪声放大器（LNA）

前置低噪声放大器的作用是在信号尚处于微弱阶段时放大其幅值，同时尽可能少地引入额外噪声。LNA 的设计核心在于使其噪声系数 \(NF\)（以 dB 表示）尽可能小，通常低于 1 dB 即可视为优秀。LNA 放置于最靠近信号源的环节（如天线端或传感器输出），能最大化系统 SNR。

5.1.2 屏蔽与接地优化

电磁屏蔽将敏感电路放置于导电外壳（如铜网罩、铝箔袋）内，形成法拉第笼以阻挡外部电场和磁场。接地优化要避免形成地环路，通过单点接地或星形接地来减少回馈噪声。此外，使用差分信号布线（如 USB、HDMI 中的差分对）可有效抑制共模噪声。

5.2 软件与算法层面

5.2.1 均值滤波与累加平均

对于可重复测量的信号（如雷达回波、生物电刺激响应），通过对多次采集的波形进行累加平均，可以使与信号时间相关的成分增强，而随机噪声因相位随机而相互抵消。累加 \(N\) 次后，SNR 理论提升 \(\sqrt{N}\) 倍。此法简单而有效，适用于低带宽信号。

5.2.2 匹配滤波与相关检测

匹配滤波器是指在已知信号波形的情况下，设计冲激响应与信号波形相匹配（即卷积）的数字滤波器。它能最大化输出 SNR，特别适用于从强噪声背景中检测特定脉冲信号。相关检测利用信号与噪声的不同自相关特性——信号与已知模板的互相关高，而噪声相关度低，从而提取信号。

5.2.3 自适应噪声消除

自适应滤波器（如 LMS 算法或 RLS 算法）能够实时跟踪噪声环境的变化。它以参考噪声作为输入，通过自适应算法调节滤波器权重，使其输出与主通道中的噪声项尽量匹配并相减，从而抵消噪声。这一技术在主动降噪耳机、心电监护中的肌电干扰抑制中广泛应用。

6 信噪比与其他指标的关系

6.1 与误码率（BER）的关系

在数字通信中，比特误码率（BER）是 SNR 的函数。对于加性白高斯噪声（AWGN）信道，不同调制方式的 BER 随 SNR 单调下降。例如，对 BPSK 调制，BER 近似为 \( Q(\sqrt{2 \mathrm{SNR}}) \)，其中 \(Q\) 是标准正态分布的尾函数。一般而言，SNR 每增加 3 dB，BER 可下降一个数量级左右。因此，SNR 是设计链路 BER 指标的前置参数。

6.2 与信道容量（香农公式）的关系

香农公式给出了有噪声信道中理论上可达的最大信息传输速率：\( C = B \log_2 (1 + \mathrm{SNR}) \)，其中 \(C\) 为信道容量（比特每秒），\(B\) 为带宽。公式表明 SNR 直接制约容量；要想在相同带宽内提高速率，必须提高 SNR。这解释了为何现代通信系统（如 5G）同时追求更高带宽和更高 SNR。

6.3 与动态范围的关系

动态范围通常指系统能处理的最大信号与最小可区分信号（即本底噪声）之间的比值。它与 SNR 密切相关：当信号处于最大值时，动态范围等于最大输出信号功率与噪声功率之比。但在低信号幅度下，实际 SNR 可能远低于动态范围。例如，一个 16 位 ADC 的理论动态范围为 96 dB，但其在输入信号仅占满量程 1% 时的实际 SNR 可能仅为 56 dB。

7 常见误区与注意事项

7.1 SNR与信干比（SIR）的混淆

信干比（Signal-to-Interference Ratio, SIR）衡量的是有用信号与确定性干扰（如同频干扰、邻道干扰）的功率比，而 SNR 针对的是随机噪声。干扰通常是可预测或具有结构化特征的，而噪声则不可预测。在蜂窝通信中，常用信干噪比（SINR，即信号与干扰加噪声之比）来综合两者。不可将 SIR 简单等同于 SNR，否则会低估噪声的实际影响。

7.2 不同带宽下的SNR比较问题

源自热噪声的功率谱密度均匀，因此噪声总功率与测量带宽成正比。若测试的 SNR 是在不同带宽下获得的，则结果不能直接比较。例如，在 20 kHz 带宽下测得的 80 dB SNR 并不优于在 100 kHz 带宽下测得的 80 dB SNR，因为后者的积分噪声功率更大。标准做法是归一化到单位带宽（如 dBc/Hz），或明确注明测试带宽。

7.3 峰值SNR（PSNR）与平均SNR的区别

峰值信噪比（PSNR）使用信号的最大可能功率（而非平均功率）作为信号项，常用于图像和视频领域，以反映压缩算法对高亮度区域的失真程度。而平均 SNR 更适用于音频或通信中的统计信号。忽视这一区别会导致在比较不同领域的指标时产生误解，例如将 40 dB 的音频 SNR 与 40 dB 的图像 PSNR 等同看待，实际含义完全不同。