噪声功率*

噪声功率之所以可以表示为 $s^2=\frac{E_1{N}_0}{2}$ ，是因为这个公式来源于匹配滤波器在接收信号时处理噪声的方式，以及噪声在匹配滤波器输出端的统计特性。

详细解释

要理解这个公式，我们需要一步步分析匹配滤波器在处理噪声时的功率计算过程。

1. 匹配滤波器的特性：匹配滤波器被设计成与预期的信号形状（例如一个脉冲信号）相匹配。因此，当接收到信号和噪声的组合时，匹配滤波器会对噪声成分产生影响，并根据滤波器的结构对其进行积分。这样做的目的是为了增强信号成分，同时减少噪声的影响。

2. 噪声通过匹配滤波器的积分效果：噪声通常是随机的，它在经过匹配滤波器（例如积分操作）时会被“平均化”。在这个过程中，噪声的方差会和匹配滤波器的带宽以及信号的能量有关。

3. 噪声功率公式的推导：

   1. 输入噪声特性： 白噪声在频域上是平的,即在所有频率上功率谱密度相等
      由于考虑双边谱,每边的功率谱密度是 $N_0/2$。 假设输入噪声 $n(t)$ 为零均值的高斯白噪声，双边功率谱密度为$N_0/2$。

1. 首先明确一点:N₀就是单边功率谱密度,单位是V²/Hz

2. 现在我们做个比喻:
- 假设你有100元钱
- 如果放在左边口袋50元,右边口袋50元,这就像双边谱
- 如果全放在一个口袋里100元,这就像单边谱

3. 在我们这个问题中:
- 用的是单边谱N₀ (就像100元都在一个口袋)
- 计算时,积分在整个频段(-∞,+∞)上进行
- 所以需要把功率平均分配到正负频率上
- 这就导致了要除以2

4. 所以最终:
σ² = E₁N₀/2

简单说:这个除以2是因为我们用单边谱密度N₀去做双边积分时,需要把功率平均分到正负频率上。

2. 匹配滤波器的频率响应： 我们知道匹配滤波器的冲激响应 h(t) 是输入信号 $s(t)$ 的时间反转共轭: $h(t)=s^{\ast }(T-t)$,其中 T 是信号持续时间.匹配滤波器的频率响应 $H(f)$为目标信号 $s(t)$的共轭复数形式，即 $H(f)=S^{\ast }(f)$，其中 $S(f)$是 $s(t)$的傅里叶变换。

3. 输出噪声功率谱密度： 经过匹配滤波器后，输出噪声的功率谱密度 $P_{n_o}(f)$为输入噪声功率谱密度与滤波器频率响应幅度平方的乘积：

   $$P_{n_o}(f)=\frac{N_0}{2}\cdot |H(f){|}^2$$

4. 输出噪声方差： 输出噪声方差 ${\sigma }_{n_o}^2$为输出噪声功率谱密度在频域上的积分：

   $${\sigma }_{n_o}^2={\int }_{-\infty }^{\infty }{P}_{n_o}(f)df={\int }_{-\infty }^{\infty }\frac{N_0}{2}\cdot |H(f){|}^{2}df$$

5. 匹配滤波器的能量特性： 匹配滤波器的频率响应 $H(f)$的平方积分等于目标信号 $s(t)$的能量 $E_s$：

   $${\int }_{-\infty }^{\infty }|H(f){|}^{2}df={\int }_{-\infty }^{\infty }|S(f){|}^{2}df=E_s$$

6. 输出噪声方差的表达式： 将上述结果代入输出噪声方差的表达式，得到：

   $${\sigma }_{n_o}^2=\frac{N_0}{2}\cdot E_s$$

匹配滤波器的输出噪声方差 ${\sigma }_{n_o}^2$等于输入噪声单边功率谱密度 $N_0$与目标信号能量 $E_s$的乘积再除以 2。这表明，目标信号的能量越大，匹配滤波器输出的噪声方差也越大。