通信中有哪些信道噪声？一般如何处理？为什么采用信道编码？ 信道噪声有很多分类，要看从哪个角度看。从来源来看，可以分为人为噪声和自然噪声（例如热噪声等等）。从性质分类，可以分为脉冲噪声、窄带噪声和起伏噪声。在分析通信系统的抗噪声性能时，通常使用高斯白噪声作为信道的噪声模型，这是因为通信系统公众常见的热噪声近似为白噪声，而热噪声的取值恰好服从高斯分布。具体的深入学习，可以参考国防工业出版社出版的 樊昌信的《通信原理》，这是我们的专业课。而信道编码就是为了抗信道的这种噪声干扰，通过增加冗余度，来换取接收信息的可靠性。简单点说，例如发送方按规则 一个0映射为000，一个1映射为111，然后发送，接收方受到001之后，就知道肯定是有错的了，因为只有可能是000或者111，那么他觉得最像000，再按照约定的映射关系，就知道发送方发的是0了。
为什么深度学习去噪都采用高斯白噪声？ 深度学习去噪都通过增加高斯白噪声，为什么？这样有意义吗？这样训练好的模型，可以去除真实场景下的噪声…
什么是加性高斯白噪声 AWGN（加性来高斯白噪源声）加性高斯白噪声（AWGN）从bai统计上而言是随机无du线噪声，zhi其特点是其通信信道dao上的信号分布在很宽的频带范围内。高斯白噪声的概念.\"白\"指功率谱恒定；高斯指幅度取各种值时的概率p(x)是高斯函数.加性高斯白噪声在通信领域中指的是一种各频谱分量服从均匀分布（即白噪声），且幅度服从高斯分布的噪声信号。因其可加性、幅度服从高斯分布且为白噪声的一种而得名。该噪声信号为一种便于分析的理想噪声信号，实际的噪声信号往往只在某一频段内可以用高斯白噪声的特性来进行近似处理。由于AWGN信号易于分析、近似，因此在信号处理领域，对信号处理系统（如滤波器、低噪音高频放大器、无线信号传输等）的噪声性能的简单分析(如：信噪比分析)中，一般可假设系统所产生的噪音或受到的噪音信号干扰在某频段或限制条件之下是高斯白噪声。加性高斯白噪声只是白噪声的一种，另有泊松白噪声等
