4. 噪声分析数学工具

在原子钟频率稳定度分析中，我们面对的物理量是随时间起伏的相位误差与频率误差。这些起伏看似杂乱，但只有把它们放到合适的数学框架里，才能定量回答“噪声有多强、分布在哪些频率上、对稳定度指标贡献多少”。本节围绕功率谱密度、自相关函数、傅里叶变换、滤波器、随机过程与稳定度转换这几件工具，说明它们各自解决什么问题、彼此如何衔接，以及在工程分析中如何实际使用。

一、随机过程：把噪声当作可统计的对象

原子钟输出的相位误差 x(t) 与频率误差 y(t) 不能用一个确定函数描述，而应视为随机过程。工程上最关心两类统计量：一是均值与方差，刻画整体起伏幅度；二是自相关函数，刻画不同时刻取值的关联程度。对频率误差，常用结构函数 σ²y(τ) 描述间隔为 τ 的两点频率差值的方差，这正是阿伦方差的理论基础。需要强调：随机过程只有在满足平稳性假设时，自相关函数与功率谱密度才构成一对傅里叶变换；实际振荡器常存在漂移，因此分析前通常先做去趋势或分段处理，否则低频漂移会污染谱估计。

二、自相关函数与功率谱密度：一对傅里叶变换

自相关函数 R(τ)=E[x(t)x(t+τ)] 在时域描述“相隔 τ 的两点有多像”。对宽平稳过程，维纳—辛钦定理给出：

S(f) = ∫ R(τ) e^(-j2πfτ) dτ
R(τ) = ∫ S(f) e^(j2πfτ) df

功率谱密度 S(f) 表示单位带宽内的功率分布，单位如 rad²/Hz（相位）或 1/Hz（频率）。它把“总方差”拆解到各频率分量上，是噪声分析的核心量。工程上更常用单边谱 L(f) 与幂律模型 S_y(f)=h_α f^α，其中 α=0 为白频率噪声，α=-1 为闪烁频率噪声，α=-2 为随机游走频率噪声；相位谱对应 α 再减 2。幂律指数直接决定阿伦方差随 τ 的斜率，这是后续转换的关键。

三、滤波器：谱的整形与测量带宽

滤波器在噪声分析中有两重身份。其一是物理对象：环路滤波器、低通滤波器会改变噪声通过路径，输出谱等于输入谱乘以传递函数模平方 S_out(f)=|H(f)|²S_in(f)。其二是分析工具：测量系统本身带宽有限，等效于对谱加窗。理解这一点可避免把“仪器带宽内的积分噪声”误当作全带宽噪声。实际估算总相位抖动时，常用

σ_φ² = ∫ L(f) df  （在测量带宽 f_l 到 f_h 内）

若 L(f) 近似为 h f^(-2)，则积分结果对下限 f_l 敏感，说明低频段必须靠长测量时间覆盖，不能仅靠提高采样率。

四、从谱到稳定度：转换关系

阿伦方差与频率谱密度的关系可写为

σ²y(τ) = 2 ∫ S_y(f) |sin(πfτ)|²/(πfτ)² df  （0 到 f_h）

该式的物理含义是：阿伦方差相当于用传递函数 |sin(πfτ)/(πfτ)|² 对频率谱加权积分，τ 越大，加权越偏向低频。因此不同 τ 点实际“看到”的是谱的不同频段。对幂律噪声，可得到熟知的斜率规律：白频率噪声 σy(τ)∝τ^(-1/2)，闪烁频率噪声近似不随 τ 变化，随机游走频率噪声 σy(τ)∝τ^(1/2)。反过来，若从实测 σy(τ) 曲线拟合出各段斜率，就能反推主导噪声类型及其谱指数，这是排障时最常用的判断路径。

五、一次完整的分析示例

假设某台晶振的实测频率谱在 1 Hz～1 kHz 内可近似为 S_y(f)=1×10⁻²⁰/f + 2×10⁻²²（单位 1/Hz，属教学假设）。第一项为闪烁频率噪声，第二项为白频率噪声。要估算 τ=1 s 的阿伦方差，可分别计算两项贡献：白频率噪声项在带宽内近似为 h_0/(2τ)=2×10⁻²²/2=1×10⁻²²；闪烁项需按 2ln2·h_{-1} 量级估算，约为 1.4×10⁻²⁰，明显占主导。由此判断：在 1 s 附近，限制稳定度的是闪烁噪声，改善方向应是降低振荡器近载频闪烁，而非单纯提高采样率。若把 τ 延长到 100 s，白噪声项按 τ⁻¹ 下降，闪烁项基本不变，主导地位依旧，但随机游走项（若存在）会逐渐抬头——这正是用斜率判断噪声类型的实际用法。

六、工具使用中的常见陷阱

• 混叠：采样率不足时高频噪声折叠到低频，使低频谱被高估。采样前应加抗混叠滤波，采样率至少为关注最高频率的 2.5 倍以上。
• 谱估计方差：单段周期图方差大，需用 Welch 法分段平均，段长决定频率分辨率，平均段数决定谱的平滑程度，二者需折中。
• 泄漏：非整周期截断造成能量扩散，加 Hann 窗可抑制，但会略微展宽谱峰。
• 单位混淆：相位谱单位 rad²/Hz 与频率谱 1/Hz 相差 (2πf)²，转换时务必核对，否则稳定度结果会出现量级错误。

把这几个工具串起来看：随机过程提供统计语言，自相关与傅里叶变换建立时频桥梁，功率谱密度给出噪声的频率分布，滤波器决定观察窗口，阿伦方差完成从谱到稳定度指标的映射。掌握这条链路，才能在看到一条 σy(τ) 曲线时，反推出背后是哪种噪声在起作用，并据此选择正确的改进手段。