噪声： 不期望接收到的信号（相对于期望接收到的信号）
白噪声： 功率谱密度为常数的随机信号或随机过程，功率谱密度在整个频域内均匀分布的噪声。此信号在各个频段上的功率是一样的。相对的，其它不具有这一性质的噪声信号（功率谱密度不均匀）被称为有色噪声。（频谱是一个常数）
高斯噪声： 是一种服从高斯分布的随机噪声。
高斯白噪声： 幅度统计规律服从高斯分布而功率谱为常数的噪声。仿真时经常采用高斯白噪声，这是因为实际系统（包括雷达和通信系统等大多数电子系统）中的主要噪声是热噪声，而热噪声是典型的高斯白噪声，高斯噪声下的理想系统都是线性系统
白噪声不必服从高斯分布，高斯分布的噪声不一定是白噪声
加性噪声： 一般指热噪声、散弹噪声等。它们与信号的关系是相加，不管有没有信号，噪声都存在。一般通信中把加性随机性看成是系统的背景噪声。
乘性噪声： 一般由信道不理想引起的。它们与信号的关系是相乘，信号在，噪声在；信号不在，噪声也就消失。乘性随机性看成是系统的时变性或者非线性造成的。乘性噪声普遍存在于现实世界的图像应用当中。
- 高斯噪声：是一种随机噪声，其时域内信号幅度（实数域是绝对值，复数域是模）的统计规律服从高斯分布
- 白噪声：白是指该信号的功率谱在整个频域内为常数的噪声，其傅里叶反变换是单位冲击函数，其自相关函数也是冲击函数（说明这种信号只与自己相关，与它的时延信号就不相关）
高斯白噪声和高斯有色噪声的区别：高斯有色噪声其分布是高斯的，但是它的频谱在整个频域内不是一个常数，或者说，对高斯信号采样的时候不是随机采样的，而是按照某种规律来采样的。理想的噪声时具有无限带宽，因而其能量是无限大，但是在现实世界是不可能存在的。一般的，只要一个噪声过程所具有的频谱宽度远远大于它所作用的带宽，并且在该带宽中其频谱密度基本上可以作为常数来考虑，就可以当做白噪声处理。一般将噪声当做白噪声，是因为一般生活中的噪声由热噪声产生，其为高斯白噪声。
时域特性与频域特性共同决定了噪声的特性。时域特性与频域特性相互独立，也即是说，时域特性由概率分布（高斯还是均匀分布还是其他分布）决定的，频域特性（白与不白）则由频带宽度决定的。
功率谱是功率谱密度的简称。
从统计角度出发：当这个随机变量（噪声），服从均值为0，方差为σ2的正态分布（即二阶中心矩），即为标准正态分布。
当均值为0时，二阶中心距等于二阶原点矩。而二阶原点矩就是一个信号的功率。
功率谱是功率的傅里叶变换。高斯白噪声的功率是σ2，变换前后分别是，时域的δ脉冲信号（脉冲的强度是σ2）和在频域的一条直线（即功率谱是常数）
噪声强度=噪声功率
一点说明，对高斯白噪声，其方差和功率（单位为W）是一样的。因此，对方差，要做的只是将w变换成dbw，即dbw=10log（w）。
Matlab产生高斯白噪声的两个函数
- WGN：产生高斯白噪声
- AWGN：在某一信号中加入高斯白噪声
y = wgn(m,n,p);%%产生一个m行n列的高斯白噪声的矩阵，p以dBW为单位制定信号的强度 ,等同于sqrt(10^(p/10))*randn(m,n)
y = awgn(x,SNR);%%在信号x中加入高斯白噪声。信噪比SNR以dB为单位。x的强度假定为0dBW。如果x是复数，就加入复噪声 sqrt(noisePower)*randn(n,1)
matlab里面，randn(m,n)生成标准正态分布的伪随机数（均值为0，方差为1），rand(m,n)生成均匀分布的伪随机数，分布在（0~1）之间；
——摘自https://blog.csdn.net/MrShuang123/article/details/102622901
https://blog.csdn.net/Guinan_Li/article/details/78535311
https://blog.csdn.net/chenxingp123/article/details/24238509