隨機雜訊基礎 Stochastic Noise Basics

先備：lti_vs_ltv · 統一符號表 ｜ 接下來：white_noise_to_phase_noise

這頁回答一個前置問題：在談 ISF 之前，我們得先把「雜訊」這個隨機過程講清楚。 振盪器裡的相位抖動，源頭是電晶體與電阻的隨機電流 $i_n(t)$。要把它丟進 [P1] Eq.(11) 的相位積分式，我們得先知道：這個隨機電流的「強度」怎麼量（PSD）、 怎麼從 PSD 算回時域功率（Parseval）、它在不同時刻是否相關（autocorrelation）、 一次量測能不能代表整個 ensemble（ergodicity），以及——對振盪器最關鍵的—— 雜訊強度本身會不會隨振盪相位週期性變化（cyclostationary）。

最後一點是後面 effective_isf 的核心：電晶體只在 「導通」那一小段時間漏噪，而那段時間落在波形的哪個相位，會決定 ISF 要用哪一段去加權。

物理直覺（先講大局）：把 noise 想成「振盪器每一刻都被一隻看不見的手隨機踢一下」。 我們需要兩個獨立的資訊：(1) 這隻手平均踢多大力（強度，用 PSD 量）；(2) 這隻手 什麼時候踢得兇（時間調變，用 cyclostationary / NMF 描述）。ISF 則是第三件事： 「踢在波形哪個相位最會改相位」。三者相乘積分，就是 phase noise。

1. white noise（白噪）

white noise（白雜訊，功率譜在所有頻率都一樣平的隨機過程）。名字來自白光—— 所有頻率分量等強度。它的單邊 PSD（power spectral density，功率譜密度）是常數：

$$S_i(f)=\frac{\overline{i_n^2}}{\Delta f}=\text{const}.$$

• 單位：電流 noise PSD 的單位是 $\text{A}^2/\text{Hz}$（每 Hz 頻寬的均方電流）。 熱噪典型寫法 $\overline{i_n^2}/\Delta f=4kT/R$（電阻）或 $4kT\gamma g_m$（MOS 通道）。
• dimension check：$\overline{i_n^2}$ 是 $\text{A}^2$，除以頻寬 $\Delta f$（Hz）得 $\text{A}^2/\text{Hz}$ ✓。
• 物理來源：thermal noise（熱雜訊，載子隨機熱運動）與 shot noise（散粒雜訊， 載子穿越位障的離散性）在我們關心的頻段都可視為白的。
• canonical 數值：本站白噪源用 $S_i=10^{-24}\ \text{A}^2/\text{Hz}$（見規範例 B）。 這對應 $\sqrt{S_i}=10^{-12}\ \text{A}/\sqrt{\text{Hz}}=1\ \text{pA}/\sqrt{\text{Hz}}$ 的電流雜訊密度。

為什麼振盪器在乎白噪：白噪在所有 $n\omega_0$ 附近都有同樣強度的分量，ISF 的每個諧波 $c_n$ 都會把對應頻段的白噪「下變頻」搬到 carrier 附近，形成 1/f²（$-20$ dB/dec）的 phase noise skirt（裙邊）。這正是 [P1] Eq.(21) 的內容，見 white_noise_to_phase_noise。

2. flicker (1/f) noise（閃爍雜訊）

flicker noise（閃爍雜訊，也叫 1/f noise，功率隨頻率反比上升的低頻雜訊）。在 MOS 元件裡主要來自載子被介面 trap（陷阱）隨機捕捉/釋放。它的 PSD 不平：

$$S_{i,1/f}(f)=\overline{i_n^2}\cdot\frac{\omega_{1/f}}{\Delta\omega}\qquad(\Delta\omega < \omega_{1/f}),$$

這正是 [P1] Eq.(22), p.185 的 device flicker 模型（規範第 3 節公式 13）。

• 單位：一樣是 $\text{A}^2/\text{Hz}$。$\omega_{1/f}$ 是 device 的 1/f corner（角頻率， rad/s），就是「1/f 分量強度等於白噪底的那個頻率」。
• dimension check：$\overline{i_n^2}$（$\text{A}^2/\text{Hz}$）$\times\ \omega_{1/f}/\Delta\omega$ （無因次比值）$=\text{A}^2/\text{Hz}$ ✓。
• 關鍵陷阱：device 的 1/f corner $\omega_{1/f}$ 不等於 phase noise 的 1/f³ corner。 後者是 $\Delta\omega_{1/f^3}=\omega_{1/f}\cdot c_0^2/(2\Gamma_{rms}^2)$（[P1] Eq.(24)）， 只透過 ISF 的 DC 係數 $c_0$ 上轉。波形對稱（小 $c_0$）能把 1/f³ corner 壓到遠低於 device corner——見 symmetry（claim C5）。

雜訊種類	PSD 形狀	物理來源	在 phase noise 裡變成
white	平的（const $\text{A}^2/\text{Hz}$）	thermal / shot	1/f²（$-20$ dB/dec）
flicker (1/f)	$\propto 1/f$	trap 捕捉/釋放	1/f³（$-30$ dB/dec），只經 $c_0$

3. PSD 與 Parseval：頻域強度 ↔ 時域功率

PSD（功率譜密度） 告訴你「每單位頻寬有多少功率」。把它對頻率積分，得到時域的 總功率（變異數）。這就是 Parseval 定理（時域能量 = 頻域能量） 在隨機過程上的版本：

$$\overline{i_n^2}=\int_0^{\infty}S_i(f)\,df\qquad(\text{單邊 PSD}).$$

• 單位：左式 $\text{A}^2$；右式 $(\text{A}^2/\text{Hz})\times\text{Hz}=\text{A}^2$ ✓。
• 直覺：PSD 是「功率的密度」，積分是「把密度乘上頻寬加起來」。對 white noise， 這個積分會發散——所以真實系統一定有 bandwidth（頻寬上限），白噪只是頻段內的近似。
• 為何重要：phase noise 也是同一招——把 phase PSD $S_\phi(f)$ 對 offset 頻率積分， 得到 phase variance $\sigma_\phi^2$，再換成 rms jitter。完整推導在 psd_phase_noise_jitter。

記法：本站用單邊（single-sided）PSD（只算正頻率，$0\le f<\infty$）。 若改用雙邊（$-\infty<f<\infty$）PSD，每個頻率的值要除以 2。這個 factor-of-2 慣例 跟 SSB phase noise 的 $\mathcal{L}\approx\frac12 S_\phi$ 是同一類記帳問題， 在 white_noise_to_phase_noise 會專門討論。

4. autocorrelation（自相關）與 white 的真正定義

autocorrelation（自相關函數，同一隨機過程在兩個時刻的相關程度）：

$$R_i(\tau)=\overline{i_n(t)\,i_n(t+\tau)}.$$

• 單位：$\text{A}^2$（兩個電流相乘的期望值）。
• Wiener–Khinchin 定理：autocorrelation 與 PSD 是傅立葉對。白噪的 PSD 平坦， 對應 autocorrelation 是一根 delta：$R_i(\tau)=\dfrac{\overline{i_n^2}}{\Delta f}\,\delta(\tau)$。
• 直覺：白噪「現在的值」與「下一瞬間的值」完全無關（記憶為零）。這正是為什麼 在 [P1] Eq.(11) 的相位積分裡，可以把不同時刻的 noise 貢獻當成獨立疊加——它讓 phase variance 的計算變成「逐項平方相加」而不必處理交叉相關項。
• flicker 反例：1/f noise 的 autocorrelation 拖很長的尾巴（長記憶、強相關）， 這也是它難積分、難模擬的原因（見 DSP 頁的 aliasing 注意事項）。

5. ergodicity（遍歷性）

ergodicity（遍歷性，「時間平均 = ensemble 平均」的性質）。

• 白話：你只有一顆振盪器、量一條很長的波形（時間平均）；理論上談的是無限多顆 同型振盪器在同一時刻的統計（ensemble / 集合平均）。ergodicity 保證這兩者相等—— 否則「量一顆」根本無法驗證「理論預測的 ensemble 統計」。
• 適用條件：要 stationary（統計性質不隨時間漂移）才談得上 ergodic。熱噪 OK。
• 失效警告：振盪器的 excess phase $\phi(t)$ 本身不是 stationary——它是 random walk （隨機漫步，變異數隨時間線性增長，見 accumulated jitter $\sigma_{\Delta t}=\kappa\sqrt{\Delta t}$， [P2] Eq.(8)）。所以我們對「相位的時間導數（頻率）」或「相位差」做統計，而不是對 $\phi$ 的絕對值。這個微妙之處在 dsp_view_of_phase_noise 會用「1/(jω) 積分器把白噪變 1/f²」的觀點重新講一次。

6. cyclostationary noise（週期穩態雜訊）— 本頁重點，直通 effective ISF

cyclostationary noise（週期穩態雜訊，統計性質隨時間「週期性」變化的隨機過程）。 [P1] Sec. III-D, p.186 講得很直白：

"the channel noise of a MOS device in an oscillator is cyclostationary because the noise power is modulated by the gate-source overdrive which varies with time periodically."（[P1], p.186，cyclostationary 段落）

也就是說：電晶體不是時時刻刻都在漏一樣多的噪。 它只在導通（大電流、大 overdrive） 那一小段時間噪得兇；其餘時間幾乎安靜。而「導通」這件事跟振盪波形是鎖在一起的—— 週期 $T$ 重複一次。這就是「週期穩態」。

[P1] 把一個 white cyclostationary 電流分解成（[P1] Eq.(25), p.186）：

$$i_n(t)=i_{n0}(t)\cdot\alpha(\omega_0 t),$$

其中 $i_{n0}(t)$ 是 white stationary 過程（強度固定），$\alpha(\omega_0 t)$ 是一個 deterministic（確定性）、週期、normalized（最大值=1） 的函數，描述「雜訊振幅 何時被調大調小」。本站把它叫 NMF — noise-modulating function（雜訊調變函數）， 符號 $\alpha(\omega_0 t)$，$0\le\alpha\le1$，無因次（見 notation 頁）。

• 單位：$\alpha$ 無因次（它是 normalized 包絡）；$i_{n0}$ 與 $i_n$ 都是 A。
• dimension check：$\text{A}=\text{A}\times(\text{無因次})$ ✓。
• $\alpha^2$ 的意義：因為 PSD 看的是功率（$i^2$），所以雜訊的瞬時 mean-square 功率 正比於 $\alpha^2(\omega_0 t)$。最大瞬時 PSD $=\overline{i_n^2}/\Delta f$， 其餘時間被 $\alpha^2\le1$ 壓低。

為什麼這直通 ISF：effective ISF

把 cyclostationary 分解代進相位積分式 [P1] Eq.(11)，noise 在第 $\tau$ 時刻的貢獻 被 $\Gamma(\omega_0\tau)$ 加權，而它本身的強度又被 $\alpha(\omega_0\tau)$ 調變。兩個 週期函數相乘，可以打包成一個 effective ISF（有效 ISF）（[P1] Eq.(27), p.186）：

$$\boxed{\ \Gamma_{eff}(\omega_0\tau)=\Gamma(\omega_0\tau)\cdot\alpha(\omega_0\tau)\ }$$

[P1] 的原話：

"the cyclostationary noise can be treated as a stationary noise applied to a system with an effective ISF."（[P1], p.186）

意思是：只要把 $\Gamma$ 換成 $\Gamma_{eff}=\Gamma\cdot\alpha$，後面所有公式（$c_n$、 $\Gamma_{rms}$、Eq.(21)、Eq.(23)）原封不動照用。 cyclostationary 不需要一套新理論， 它只是改了你要拿去算傅立葉係數的那條曲線。

• 單位：$\Gamma_{eff}$ 仍無因次（$\Gamma$ 無因次 × $\alpha$ 無因次）✓。
• 教學重點：算 $c_n$、$\Gamma_{rms}$ 時要用 $\Gamma_{eff}$（即 [P1] 所說「應在後續 所有計算中使用 effective ISF」），不能只用裸 $\Gamma$。

LC vs ring：cyclostationary 影響差很大（[P1] 的精彩結論）

[P1], p.186 給了兩個對照例子，非常有教學價值：

振盪器	大電流（$\alpha$ 大）發生在	該處的 $\Gamma$	cyclostationary 影響
Colpitts LC	tank 電壓最低點（波谷）	小（峰/谷處 ISF 小）	$\Gamma_{eff}$ 與 $\Gamma$ 差很多，不可忽略
ring（單端）	transition（過零、斜率最大）	大（transition 處 ISF 大）	$\Gamma_{eff}\approx\Gamma$，影響小

[P1] 的解讀：Colpitts 的電晶體「在 ISF 小的地方才開」，等於大自然幫它把雜訊注在 不敏感的相位——所以 cyclostationary 幫了 LC。而 ring 很不幸：最大電流剛好發生在 最敏感的 transition，雜訊與敏感度同時拉滿。[P1] 直接點名：

"This unfortunate coincidence is one of the reasons why ring oscillators in general have inferior phase noise performance compared to a Colpitts LC oscillator."（[P1], p.186）

這是「為什麼 LC 比 ring 乾淨」的兩大原因之一（另一個是 ring 每週期把儲能全耗掉）。 量化討論見 [P2] 與 lc_vs_ring。

toy model 提醒：本站後續用 $\alpha(\omega_0 t)$ 的 toy 形狀（例如把 NMF 設成導通窗） 來示範 $\Gamma_{eff}=\Gamma\cdot\alpha$ 怎麼改變 $c_0$、$\Gamma_{rms}$，這些是 pedagogical toy model，非 transistor-level；真實 $\alpha$ 要從元件 noise model 與 operating point 萃取（[P1] 說「$\alpha$ can be derived easily from device noise characteristics and operating point」）。

把這頁接到 ISF 的一句話

phase noise 的完整配方是三個週期/隨機量的乘積再積分：

中間兩個「乘號」就是 effective ISF $\Gamma_{eff}=\Gamma\cdot\alpha$ 的來源；最後的積分器 就是把白噪變成 1/f² 的關鍵（DSP 觀點見下一節連結）。

適用與失效條件

條件	成立時	失效時
stationary（熱噪）	ergodicity 成立，量一顆即可代表 ensemble	漂移/老化 → 要重新量
white 近似	PSD 平、autocorr 為 delta、貢獻可獨立疊加	進入 1/f 區要改用 flicker 模型
cyclostationary 可用 $\Gamma_{eff}=\Gamma\cdot\alpha$ 打包	小擾動、$\alpha$ 週期且 normalized	強非線性使 $\alpha$ 與訊號耦合時要更仔細
相位用 random walk 描述	對相位差/頻率做統計	直接對 $\phi$ 絕對值做時間平均會發散

重點回顧

• white noise：PSD 平（$\text{A}^2/\text{Hz}$）、autocorr 為 delta、無記憶；在 ISF 下變 1/f²。
• flicker (1/f) noise：$S\propto1/f$（[P1] Eq.(22)）；只經 $c_0$ 上轉成 1/f³； device corner $\neq$ 1/f³ corner。
• PSD ↔ Parseval：對 PSD 積分得時域功率（變異數）；單位自洽 $\text{A}^2/\text{Hz}\times\text{Hz}=\text{A}^2$。
• autocorrelation：白噪 = delta（無記憶），1/f = 長尾（強相關）。
• ergodicity：時間平均 = ensemble 平均；但 $\phi$ 是 random walk、非 stationary， 要對相位差/頻率做統計。
• cyclostationary（本頁主角）：雜訊強度隨振盪相位週期變化（電晶體只在導通時漏噪）； 用 NMF $\alpha(\omega_0 t)$ 描述，打包成 $\Gamma_{eff}=\Gamma\cdot\alpha$（[P1] Eq.(25)–(27)）； LC 受益、ring 受害。
• 來源：[P1] Sec. III-D（cyclostationary）Eqs.(25)–(27), p.186；device flicker Eq.(22), p.185；claims C9。

延伸閱讀

• 相位 PSD 怎麼積成 jitter：psd_phase_noise_jitter
• 用 DSP 觀點看相位 = 被 ISF 加權 + 積分器處理的隨機過程：dsp_view_of_phase_noise
• effective ISF 完整推導與萃取：effective_isf
• 白噪如何變 1/f² phase noise：white_noise_to_phase_noise
• ISF 傅立葉係數 $c_n$、$c_0$ 與對稱性：fourier_series_of_isf、symmetry