🔊 53/60 雜訊與 SNR:系統品質的核心指標—— 為何工程師每天都在計算雜訊與訊號品質?

更新 發佈閱讀 7 分鐘

📌 導讀:訊號不是只有你想要的部分

在真實系統中:

✔ 想要的訊號 s(t)

✔ 加上雜訊 n(t)

接收端看到的實際輸入是:

x(t) = s(t) + n(t)

這裡的 **噪聲(雜訊)**不是偶發事件,而是系統不可避免的一部分,影響:

·        通訊的可靠性

·        感測器的準確度

·        控制系統的穩定性

·        音訊/影像品質

所以工程師需要一個量化 “訊號到底比雜訊好多少?” 的指標 —— 訊噪比(SNR)


🧠 一、定義:什麼是雜訊?

雜訊(Noise)是指:

👉 與你想要的訊號無關

👉 隨機、不可預測

👉 會干擾訊號的真實內容

👉 在頻域通常是 PSD(功率譜密度)的一部分

常見模型:

n(t) 是隨機過程

且 E[n(t)] = 0(平均為零)

Var(n(t)) = σₙ²


🧠 二、定義:SNR(Signal-to-Noise Ratio)

SNR 是:

👉 訊號功率與雜訊功率的比值

通常定義為:

SNR = P_signal / P_noise

如果是以 分貝(dB) 表示:

SNR_dB = 10·log₁₀(P_signal / P_noise)


📍 為什麼用功率?

因為:

✔ 能量才是訊號與雜訊真正的“重量”

✔ 電子系統測量的電壓、電流等最終與功率掛鉤

✔ 用功率比較不同頻率下的干擾與訊號強度最直觀


🧠 三、如何量訊號功率與雜訊功率


🎯 訊號功率

若 s(t) 是一段穩態訊號,可以用:

P_signal = (1 / T)·∫_{0}^{T} |s(t)|² · dt

若是隨機過程 s(t),取期望值:

P_signal = E[|s(t)|²]


🔊 雜訊功率

若 n(t) 是隨機過程:

P_noise = E[|n(t)|²] = Var(n)

若 n ∼ Normal(0, σₙ²):

P_noise = σₙ²


🧠 四、SNR 與品質的直覺


📍 高 SNR

若:

P_signal >> P_noise

那麼:

✔ 訊號清晰

✔ 雜訊不明顯

✔ 系統品質高


📍 低 SNR

若:

P_signal ≈ P_noise

甚至:

P_signal < P_noise

那麼:

✔ 訊號被噪聲淹沒

✔ 接收端錯誤率高

✔ 量測不可靠


🧠 五、SNR 與 dB 的便利性

用分貝表示:

SNR_dB = 10·log₁₀(P_signal / P_noise)

例如:

若訊號功率是雜訊功率的 100 倍:

SNR = 100

SNR_dB = 10·log₁₀(100) = 20 dB


🧠 六、SNR 在工程中的關鍵應用


📍 通訊系統

在通訊中,SNR 與誤碼率(BER)密切相關:

✔ SNR 高 → BER 低

✔ SNR 低 → BER 高

因此通訊系統設計時:

👉 必須確保接收端的 SNR 足夠大

👉 以達到預期的錯誤率


📍 感測器與控制

感測器讀值:

x(t) = true + n(t)

若 n(t) 的變異很大(σₙ² 很大):

✔ 控制器分不清狀態

✔ 反應可能過度或不穩定

設計上要提升:

✔ 感測器精度

✔ 濾波器性能

✔ 控制算法對噪聲的抑制


📍 音訊與影像處理

在音訊/影像中:

·        高 SNR → 清晰無雜訊

·        低 SNR → 胡亂雜訊、失真

因此:

✔ 過濾雜訊

✔ 降噪

✔ 提升 SNR 是設計重點


📌 一句話記住

SNR 是衡量「訊號強度 vs 雜訊強度」的比率,它決定了系統能否「看清楚」或「聽清楚」目標訊號。


🧮 實務數學題(含解析)


題目

在一個通訊系統中:

✔ 訊號 s(t) 的平均功率為 1 mW

✔ 雜訊 n(t) 是平均 0、變異數 σₙ²= 0.001 mW(即 P_noise = 0.001 mW)


請回答:

(1) 求 SNR

(2) 求 SNR(dB)

(3) 若雜訊變成 0.01 mW,SNR 看起來如何?

(4) 工程上提高 SNR 的三種方法


📌 解析


(1)求 SNR

SNR = P_signal / P_noise

= 1 mW / 0.001 mW = 1000


(2)求 SNR(dB)

SNR_dB = 10·log₁₀(1000)

= 10·(3) (因為 log₁₀(1000) = 3)

= 30 dB


(3)若雜訊變成 0.01 mW

P_noise = 0.01

新 SNR = 1 / 0.01 = 100

SNR_dB = 10·log₁₀(100) = 20 dB

可見:

✔ 雜訊增加 → SNR 降

✔ 品質下降


(4)工程上提高 SNR 的方法


📌 ① 提升訊號強度

✔ 增加發射功率

✔ 或在接收端放大目標訊號


📌 ② 降低雜訊

✔ 使用更低雜訊元件

✔ 醜訊屏蔽

✔ 良好隔離設計


📌 ③ 濾波與訊號處理

✔ 通道選擇性濾波

✔ 最佳估計/卡爾曼濾波

✔ 錯誤校正碼

這些方法都能有效提升“有效 SNR”。


📌 工程收斂


✔ SNR 是工程品質的核心指標

✔ SNR 越高 → 訊號越可靠

✔ SNR 的提高可以靠三大方向:提升訊號 / 降低雜訊 / 智慧處理


🧠 工程直覺總結


✅ SNR 直接量化訊號與雜訊的可分性

✅ 用功率比較比用振幅更穩健

✅ 在通訊、控制、感測、音訊、量測等各種工程領域中都是關鍵指標

✅ 30 dB SNR 通常代表訊號明顯強於雜訊

✅ 20 dB SNR 則是一般可接受但品質下降


 

留言
avatar-img
강신호(姜信號 / Kang Signal)的沙龍
22會員
180內容數
「강신호(姜信號 / Kang Signal)」聚焦電信、網路與 AI 電子核心技術,解析 5G/6G、衛星通訊、訊號處理與產業趨勢,以工程視角輸出可落地的專業洞見,打造強信號的未來。
2026/01/31
功率譜密度用來描述隨機訊號在頻率軸上的平均功率分布,將時間相關性轉為頻域能量地圖。透過 PSD,工程師可判斷雜訊集中頻帶、設計濾波器、預測系統受干擾程度,是通訊、控制與 DSP 中不可或缺的分析工具。
2026/01/31
功率譜密度用來描述隨機訊號在頻率軸上的平均功率分布,將時間相關性轉為頻域能量地圖。透過 PSD,工程師可判斷雜訊集中頻帶、設計濾波器、預測系統受干擾程度,是通訊、控制與 DSP 中不可或缺的分析工具。
2026/01/31
白雜訊以頻譜平坦、時間不相關與平均為零的特性,成為工程中最基本的雜訊模板。它能合理近似多種自然噪聲,又具備良好數學可處理性,使通訊、控制與系統辨識分析得以簡化並建立可靠模型。
2026/01/31
白雜訊以頻譜平坦、時間不相關與平均為零的特性,成為工程中最基本的雜訊模板。它能合理近似多種自然噪聲,又具備良好數學可處理性,使通訊、控制與系統辨識分析得以簡化並建立可靠模型。
2026/01/31
隨機過程將單點的不確定性擴展為隨時間演化的描述,並以平均函數、自相關與功率譜密度刻畫趨勢、記憶性與頻率特性。透過這些工具,工程師得以分析雜訊、擾動與通道變化,進而設計穩定、可靠且具預測能力的動態系統。
2026/01/31
隨機過程將單點的不確定性擴展為隨時間演化的描述,並以平均函數、自相關與功率譜密度刻畫趨勢、記憶性與頻率特性。透過這些工具,工程師得以分析雜訊、擾動與通道變化,進而設計穩定、可靠且具預測能力的動態系統。
看更多