1. 课程导入

在电子系统、通信链路、传感器接口、精密测量与控制系统里，噪声几乎无处不在。它既可能是限制系统性能的“敌人”，也可能是被主动利用的“工具”。噪声源与随机激励工程研究的正是：如何描述、产生、控制、测量和分析随机信号，并把它们用于系统建模、测试、辨识与可靠性评估。它连接了概率统计、信号处理、电路与系统、电磁兼容、控制理论以及测试计量等多个方向，是一门典型的交叉工程课程。

1.1 什么是噪声源与随机激励

噪声源是指能够产生随机电压、电流、相位或电磁场波动的物理器件、电路或环境机制。典型噪声源包括热噪声、散粒噪声、闪烁噪声、突发噪声、量化噪声以及人为干扰等。它们通常不能用确定的时间函数描述，而需要用概率分布、自相关函数和功率谱密度等统计量来刻画。

随机激励则是指有意施加于系统输入端的随机信号，例如白噪声、粉红噪声、伪随机二进制序列、高斯随机过程等。与正弦扫频或脉冲激励不同，随机激励能够在较宽频带内同时激发系统模态，适合在线辨识、频响估计和鲁棒性测试。噪声源与随机激励的关系可以理解为：前者是“自然或非预期的随机扰动”，后者是“人为构造并可控的随机测试信号”，二者在数学描述和工程处理上共享同一套统计信号分析工具。

1.2 学习目标与能力要求

完成本课程后，学习者应具备以下能力：

1. 概念层：能够区分确定性信号与随机信号，理解噪声的统计本质，掌握均值、方差、自相关函数、功率谱密度等基本描述量。
2. 建模层：能够针对热噪声、散粒噪声、闪烁噪声等建立等效电路模型，并推导其输出噪声谱。
3. 测量层：能够使用频谱分析仪、噪声系数分析仪、互相关测量装置等完成噪声参数测量，并评估测量不确定度。
4. 设计层：能够进行低噪声放大器、传感器前端、电源与地线系统的噪声优化设计。
5. 应用层：能够利用随机激励完成系统频响估计、模态辨识、故障检测与鲁棒性验证。

1.3 整体知识框架与典型应用领域

本课程的知识框架可以按“源—路—测—用”四条主线展开：源研究噪声的物理产生机制；路研究噪声在电路与系统中的传递、耦合与变换；测研究噪声的测量、表征与不确定度分析；用研究噪声的抑制、利用与系统级工程决策。四条主线相互支撑，构成从器件到系统、从理论到实践的完整闭环。

1.4 核心方法流程与案例场景

以一个低噪声传感器前端为例，典型的噪声工程流程如下：

1. 明确信号带宽与目标信噪比
2. 识别主要噪声源：热噪声、1/f噪声、电源纹波、数字耦合
3. 建立等效输入噪声模型：en、in、Rsource
4. 选择低噪声器件与拓扑：JFET/CMOS/双极型输入级
5. 计算输出噪声谱密度与总RMS噪声
6. 用频谱仪或互相关法实测验证
7. 迭代优化：偏置、滤波、屏蔽、接地、布局
8. 在真实工况下评估长期稳定性与鲁棒性

1.5 常见误区与复盘

• 误区一：只看电压噪声，忽略电流噪声与源阻抗。在高阻传感器中，电流噪声与源阻抗乘积可能成为主导项。
• 误区二：把噪声带宽简单等同于信号带宽。实际噪声带宽由系统传递函数积分决定，通常大于-3 dB带宽。
• 误区三：认为随机激励“不精确”。随机激励在统计意义下可重复，配合平均与相关分析可获得高精度频响估计。
• 误区四：忽略测量系统自身噪声。测量链的本底噪声会限制被测对象噪声的测量下限，必须做交叉验证。