复高斯分布的模平方服从非中心卡方分布

复高斯分布的模平方服从非中心卡方分布。下面是详细的证明过程：

1. 复高斯分布的定义
假设 \( Z \) 是一个复随机变量，且 \( Z \) 服从复高斯分布。可以表示为：
\[ Z = X + iY \]
其中，\( X \) 和 \( Y \) 是服从均值为 \( \mu_X \) 和 \( \mu_Y \)，方差为 \( \sigma^2 \) 的实高斯分布的独立随机变量。即：
\[ X \sim \mathcal{N}(\mu_X, \sigma^2) \]
\[ Y \sim \mathcal{N}(\mu_Y, \sigma^2) \]

2. 模平方的定义
复随机变量 \( Z \) 的模平方定义为：
\[ |Z|^2 = Z \overline{Z} = (X + iY)(X - iY) = X^2 + Y^2 \]

3. 实高斯变量平方和的分布
已知 \( X \sim \mathcal{N}(\mu_X, \sigma^2) \) 和 \( Y \sim \mathcal{N}(\mu_Y, \sigma^2) \)，那么 \( X^2 + Y^2 \) 的分布为非中心卡方分布。

具体来说，\( X^2 + Y^2 \) 服从自由度为2的非中心卡方分布，非中心参数为：
\[ \lambda = \frac{\mu_X^2 + \mu_Y^2}{\sigma^2} \]

 4. 非中心卡方分布的定义
非中心卡方分布的定义如下：若 \( X_1 \) 和 \( X_2 \) 是两个独立的服从标准正态分布的随机变量，则：
\[ W = X_1^2 + X_2^2 \]
服从自由度为2的中心卡方分布。如果 \( X_1 \) 和 \( X_2 \) 的均值不为零，而是分别为 \( \mu_1 \) 和 \( \mu_2 \)，则：
\[ W = \left(\frac{X_1 - \mu_1}{\sigma}\right)^2 + \left(\frac{X_2 - \mu_2}{\sigma}\right)^2 \]
服从自由度为2、非中心参数为 \( \lambda = \frac{\mu_1^2 + \mu_2^2}{\sigma^2} \) 的非中心卡方分布。

 5. 结论
由于复高斯分布的模平方 \( |Z|^2 = X^2 + Y^2 \)，且 \( X^2 + Y^2 \) 服从自由度为2的非中心卡方分布，因此可以得出结论：**复高斯分布的模平方服从非中心卡方分布**。

这个结果在信号处理、通信等领域有广泛应用，例如在分析噪声功率和能量时。