白噪如何變成 1/f² phase noise

前置閱讀：fourier_series_of_isf（$c_n$ 把 $n\omega_0$ 附近 noise 折回 carrier）、rms_isf（$\sum c_n^2=2\Gamma_{rms}^2$）、convolution_derivation（相位積分式）、stochastic_noise_basics（白噪 PSD / Parseval）。

動手驗證：本頁「白噪 → $1/f^2$ phase noise」的時域模擬與理論吻合見 lab_06。

這頁回答振盪器 phase noise 理論裡最招牌的一個結果：一個頻率平坦的白色電流雜訊 （white current noise，功率譜密度與頻率無關的隨機電流），經過振盪器之後，為什麼會變成 一條斜率 $-20$ dB/decade（即 $1/f^2$）的相位雜訊裙邊？我們要一路推到

$$\mathcal{L}\{\Delta\omega\}=10\log_{10}\!\left(\frac{\Gamma_{rms}^2}{q_{max}^2}\cdot\frac{\overline{i_n^2}/\Delta f}{4\,\Delta\omega^2}\right)$$

並且老實交代文獻上著名的「差 2 倍」記帳問題。

物理直覺（先講結論）：white noise 本身是「平的」，沒有任何 $1/f$ 的結構。 但上一章 convolution_derivation 告訴我們：相位 $\phi(t)$ 是 noise 電流對時間的積分（[P1] Eq.(11)）。積分器就是一個 $1/(j\omega)$ 的濾波器， 它把功率譜乘上 $1/\omega^2$。白的東西進去、被乘 $1/\omega^2$ 出來——這就是 $1/f^2$ 的來源。 ISF 只負責決定「乘多大的權重」（由 $\Gamma_{rms}$ 與 $q_{max}$ 設定），不負責決定斜率； 斜率永遠是積分器給的。

先複習：相位是 noise 的積分

從 [P1] Eq.(11), p.182 的 LTV 相位響應出發：

$$\phi(t)=\frac{1}{q_{max}}\int_{-\infty}^{t}\Gamma(\omega_0\tau)\,i_n(\tau)\,d\tau .$$

把它讀成一個訊號流：noise 電流 $i_n(t)$ 先被週期權重 $\Gamma(\omega_0 t)/q_{max}$ 調制 （modulation，逐點相乘），再被積分（記憶上限 $t$）。畫成 block diagram：

要做的事就是：把這條鏈路的功率譜追過去——輸入是 $S_i$，輸出 $S_\phi$ 是多少。

第 1 步：white current noise 的 PSD 是什麼

白噪的定義就是 PSD 與頻率無關（flat）。我們用單邊 PSD 記為

$$S_i(f)=\frac{\overline{i_n^2}}{\Delta f}\quad[\text{A}^2/\text{Hz}].$$

• 用到的物理：thermal noise（熱雜訊）與 shot noise（散粒雜訊）在我們關心的 offset 頻段 （kHz–MHz）內都可視為白色——它們的轉折頻率在很高的地方。
• 單位檢查：$[\text{A}^2/\text{Hz}]$，乘上頻寬 $\Delta f$（Hz）得 $[\text{A}^2]$=均方電流 ✓。
• 數量級手感：一個導通電阻 $R$ 的熱雜訊電流 $\overline{i_n^2}/\Delta f=4kT/R$；在 $R=1\,\text{k}\Omega$、 室溫下約 $1.6\times10^{-23}\,\text{A}^2/\text{Hz}$。本頁的 canonical 例 B 取 $S_i=10^{-24}\,\text{A}^2/\text{Hz}$ 作為「單一等效白噪源」的整數值，方便口算。

第 2 步：ISF modulation——白噪被週期權重「攪拌」

把 $\Gamma(\omega_0\tau)$ 用傅立葉級數展開（[P1] Eq.(12), p.183）：

$$\Gamma(\omega_0\tau)=\frac{c_0}{2}+\sum_{n=1}^{\infty}c_n\cos(n\omega_0\tau+\theta_n).$$

乘上白噪 $i_n(\tau)$ 等於把 noise 分別搬到各諧波 $n\omega_0$ 附近再「下變頻」回 baseband （這就是 fourier_series_of_isf 講的 frequency translation）。 關鍵在於：對白噪而言，每個諧波 $n\omega_0$ 附近的 noise 功率都一樣大（因為平的）， 所以每一條 $c_n$ 都把同樣強度的白噪搬下來。各諧波不相關（不同頻段的白噪互相獨立）， 功率可以直接相加，總權重就是 $\sum_n c_n^2$。

• 用到的數學：白噪不同頻段不相關 → 各諧波貢獻的功率疊加（不是振幅疊加）。
• 單位檢查：$c_n$ 無因次，$\sum c_n^2$ 無因次 ✓。

第 3 步：從單音 sideband 累加到白噪求和式（Eq.(19)）

[P1] 的策略很聰明：先算「一個小電流單音」造成多少 sideband，再把白噪當成無數獨立小單音疊加。 對近 $n\omega_0$ 注入的單音 $i(t)=I_0\cos(n\omega_0+\Delta\omega)t$，excess phase 是慢調制 （[P1] Eq.(16/17), p.183）：

$$\phi(t)\approx\frac{I_0\,c_n\sin(\Delta\omega t)}{2q_{max}\,\Delta\omega}.$$

它造成的單邊帶相對功率（[P1] Eq.(18), p.183）：

$$P_{SBC}(\Delta\omega)=10\log_{10}\!\left(\frac{I_0\,c_n}{4q_{max}\,\Delta\omega}\right)^2.$$

第 3a 步（明算）：down-conversion 積分——慢項存活、快項被平均掉

上面那條 Eq.(16/17) 不是憑空跳出來的；它是「把 $n\omega_0$ 附近的 noise 下變頻（down-convert， 降頻搬移）到 baseband」這件事的代數結果。我們把它逐步算給你看，這正是規範 10.2 要求補的中間步驟。

把近 $n\omega_0$ 注入單音 $i(\tau)=I_0\cos((n\omega_0+\Delta\omega)\tau)$ 代進 [P1] Eq.(13) 的第 $n$ 個諧波項。 那一項要算的積分是「ISF 第 $n$ 諧波權重」乘上「注入電流」再積分：

$$\phi_n(t)=\frac{1}{q_{max}}\int^{t}\!\!c_n\cos(n\omega_0\tau+\theta_n)\,I_0\cos\big((n\omega_0+\Delta\omega)\tau\big)\,d\tau .$$

第 (i) 步：用積化和差把兩個餘弦的乘積拆成「和」與「差」兩個餘弦。 恆等式

$$\cos A\cos B=\tfrac12\big[\cos(A-B)+\cos(A+B)\big]$$

令 $A=n\omega_0\tau+\theta_n$、$B=(n\omega_0+\Delta\omega)\tau$。算差與和的頻率：

$$A-B=(n\omega_0\tau+\theta_n)-(n\omega_0+\Delta\omega)\tau=\theta_n-\Delta\omega\tau,$$ $$A+B=(n\omega_0\tau+\theta_n)+(n\omega_0+\Delta\omega)\tau=(2n\omega_0+\Delta\omega)\tau+\theta_n .$$

所以被積函數變成

$$c_n\cos(n\omega_0\tau+\theta_n)\,I_0\cos\big((n\omega_0+\Delta\omega)\tau\big)=\frac{I_0c_n}{2}\Big[\underbrace{\cos(\Delta\omega\tau-\theta_n)}_{\text{慢項，}\approx\Delta\omega}+\underbrace{\cos\big((2n\omega_0+\Delta\omega)\tau+\theta_n\big)}_{\text{快項，}\approx 2n\omega_0}\Big].$$

（用了 $\cos(\theta_n-\Delta\omega\tau)=\cos(\Delta\omega\tau-\theta_n)$，餘弦是偶函數。）

第 (ii) 步：兩項的命運完全不同。 積分器（那個 $\int^t d\tau$）本質是個低通——它對訊號做時間累加， 對高頻分量會「正負相消、平均掉」，對低頻（慢）分量則持續累積。

• 慢項 頻率約 $\Delta\omega$（offset，通常 kHz–MHz，$\Delta\omega\ll\omega_0$）。積分一個慢餘弦得到 $\int\cos(\Delta\omega\tau-\theta_n)\,d\tau=\dfrac{\sin(\Delta\omega\tau-\theta_n)}{\Delta\omega}$——分母只有一個小小的 $\Delta\omega$， 被放大、存活下來。
• 快項 頻率約 $2n\omega_0$（兩倍載波等級，GHz）。同樣積分得 $\dfrac{\sin(\cdots)}{2n\omega_0+\Delta\omega}$—— 分母是巨大的 $2n\omega_0$，幅度被壓到 $\sim\Delta\omega/(2n\omega_0)$ 倍那麼小，相對慢項可忽略，等效上被積分器平均掉。

第 (iii) 步：只留慢項，得到 Eq.(16/17)。

$$\phi_n(t)\approx\frac{1}{q_{max}}\cdot\frac{I_0c_n}{2}\cdot\frac{\sin(\Delta\omega t-\theta_n)}{\Delta\omega}=\frac{I_0\,c_n\sin(\Delta\omega t-\theta_n)}{2q_{max}\,\Delta\omega}$$

把與時間無關的相位 $\theta_n$ 吸收進原點，即還原成上面 [P1] Eq.(16/17) 的 $\phi(t)\approx\dfrac{I_0 c_n\sin(\Delta\omega t)}{2q_{max}\Delta\omega}$。 這條 down-conversion 積分（規範 10.2）就是「振盪器當 mixer」的硬核：$n\omega_0$ 附近的 noise 被 ISF 第 $n$ 諧波 搬到 $\Delta\omega$ 處（差頻慢項存活），而和頻 $2n\omega_0$ 的快項自動消失。

• 單位檢查：$\dfrac{[\text{A}]\cdot(\text{無因次})}{[\text{C}]\cdot[\text{rad/s}]}=\dfrac{\text{A}}{\text{A}\cdot\text{s}}\cdot\text{s}\cdot\text{rad}^{-1}$—— $C=\text{A}\cdot\text{s}$、$\Delta\omega$ 是 rad/s，化簡後 $\phi$ 無因次（rad）✓。

第 3b 步（明算）：factor-8 求和 (18)→(19)

接著把「單音 sideband 功率」累加成「白噪求和式」。這一步藏了三件事：雙 sideband、 $I_0^2/2\to\overline{i_n^2}/\Delta f$ 的白噪代換、以及對 $n$ 求和。逐步攤開：

第 (i) 步：單邊帶相對功率的 linear 值。 把 Eq.(18) 括號內的東西平方（先不取 $10\log$）：

$$\left(\frac{I_0\,c_n}{4q_{max}\,\Delta\omega}\right)^2=\frac{I_0^2\,c_n^2}{16\,q_{max}^2\,\Delta\omega^2}.$$

（這裡的 $4$ 來自 Eq.(16) 的 $2q_{max}\Delta\omega$ 再開單邊帶——慢調制 $\sin(\Delta\omega t)$ 的功率對應幅度的 $\tfrac12$， $\tfrac12\times\tfrac1{2}=\tfrac14$，所以分母從 $2$ 變 $4$；故 $4^2=16$。）

第 (ii) 步：白噪代換 $I_0^2/2\to\overline{i_n^2}/\Delta f$。 一個幅度 $I_0$ 的單音，其均方（功率）是 $I_0^2/2$ （正弦 rms² $=$ 幅度²$/2$）。把白噪看成「在頻寬 $\Delta f$ 內、每個 $n\omega_0$ 附近的一根等效小單音」， 它的功率就是 PSD 乘頻寬 $=(\overline{i_n^2}/\Delta f)$。令兩者相等：

$$\frac{I_0^2}{2}\;\to\;\frac{\overline{i_n^2}}{\Delta f}\qquad\Longrightarrow\qquad I_0^2\;\to\;2\,\frac{\overline{i_n^2}}{\Delta f}.$$

注意這裡多出來的就是那個 factor 2：把「峰值幅度」換成「功率」要帶 $\tfrac12$，反過來代換就帶 $2$。 代入第 (i) 步：

$$\frac{I_0^2\,c_n^2}{16\,q_{max}^2\,\Delta\omega^2}\;\to\;\frac{2(\overline{i_n^2}/\Delta f)\,c_n^2}{16\,q_{max}^2\,\Delta\omega^2}.$$

第 (iii) 步：雙 sideband + 對 $n$ 求和。 每個諧波 $n\omega_0$ 在 carrier 兩側各折回一條 sideband （$n\omega_0+\Delta\omega$ 與 $n\omega_0-\Delta\omega$ 都 down-convert 到 $\Delta\omega$），上述功率本就含這兩份； 再把所有諧波 $n=0,1,2,\dots$（各 band 不相關，功率直接相加）求和：

$$\mathcal{L}=\sum_n\frac{2(\overline{i_n^2}/\Delta f)\,c_n^2}{16\,q_{max}^2\,\Delta\omega^2}=\frac{(\overline{i_n^2}/\Delta f)\sum_n c_n^2}{8\,q_{max}^2\,\Delta\omega^2}.$$

第 (iv) 步：約分得 factor-8。 分子 $2$、分母 $16$，約掉得 $8$——這就是 Eq.(19) 分母那個著名的 $8$ 的來歷：

$$8=\frac{16}{2}=\frac{(\text{Eq.18 平方的 }4^2)}{(\text{白噪代換帶來的 }2)} .$$

把白噪當成在每個 $n\omega_0$ 附近、頻寬 $\Delta f$ 的無數獨立單音，令 $I_0^2/2\to\overline{i_n^2}/\Delta f$， 對所有諧波 $n=0,1,2,\dots$ 求和，得到 white-noise phase noise 求和式（[P1] Eq.(19), p.185）：

$$\mathcal{L}\{\Delta\omega\}=10\log_{10}\!\left(\frac{\overline{i_n^2}/\Delta f\;\sum_{n=0}^{\infty}c_n^2}{8\,q_{max}^2\,\Delta\omega^2}\right)$$

• 看出 $1/f^2$ 了嗎：分母有 $\Delta\omega^2$。每升一個 decade（$\Delta\omega\times10$），括號內 掉 $100$ 倍 $\Rightarrow$ $10\log_{10}(100)=20$ dB。所以斜率是 $-20$ dB/decade，正是 $1/f^2$。 這個 $\Delta\omega^2$ 完全來自積分器（第 2 步那條 $\int dt$）。
• 單位檢查（括號內要無因次，因為要取 log）： $\dfrac{[\text{A}^2/\text{Hz}]\cdot(\text{無因次})}{[\text{C}^2]\cdot[\text{rad/s}]^2}$。 $\text{C}=\text{A}\cdot\text{s}$ 故 $\text{C}^2=\text{A}^2\text{s}^2$；而 $\text{Hz}=1/\text{s}$、$(\text{rad/s})^2=1/\text{s}^2$。 分子 $\text{A}^2/\text{Hz}=\text{A}^2\cdot\text{s}$，分母 $\text{A}^2\text{s}^2\cdot\text{s}^{-2}=\text{A}^2$。 比值 $=\text{s}$。嚴格說它帶 $1/\text{Hz}$ 的因次（這就是 dBc/Hz 的那個 per-Hz），取 $10\log_{10}$ 後讀作 dBc/Hz ✓。

第 4 步：用 Parseval 把求和換成 $\Gamma_{rms}$（Eq.(20)）

$\sum c_n^2$ 不好量，但它等於 ISF 的「總能量」。Parseval 關係（[P1] Eq.(20), p.185）：

$$\sum_{n=0}^{\infty}c_n^2=\frac{1}{\pi}\int_0^{2\pi}|\Gamma(x)|^2dx=2\,\Gamma_{rms}^2.$$

• 用到的數學：傅立葉係數平方和 = 函數的均方（Parseval/Rayleigh），詳見 rms_isf。注意右邊是 $2\Gamma_{rms}^2$（不是 $\Gamma_{rms}^2$）， 因為 $\Gamma_{rms}^2=\frac{1}{2\pi}\int_0^{2\pi}|\Gamma|^2dx$，差一個 $2$。
• 物理意義：不必知道每個 $c_n$，只要知道 ISF 的 rms 值就能算白噪 phase noise。

第 5 步：代入，得到招牌 1/f² 結果（Eq.(21)）

把 $\sum c_n^2=2\Gamma_{rms}^2$ 代回 Eq.(19)，分母的 $8$ 約掉一半變成 $4$：

$$\frac{\overline{i_n^2}/\Delta f\cdot 2\Gamma_{rms}^2}{8\,q_{max}^2\,\Delta\omega^2}=\frac{\Gamma_{rms}^2}{q_{max}^2}\cdot\frac{\overline{i_n^2}/\Delta f}{4\,\Delta\omega^2}.$$

得到 white-noise 1/f² 結果（[P1] Eq.(21), p.185）：

$$\boxed{\ \mathcal{L}\{\Delta\omega\}=10\log_{10}\!\left(\frac{\Gamma_{rms}^2}{q_{max}^2}\cdot\frac{\overline{i_n^2}/\Delta f}{4\,\Delta\omega^2}\right)\ }$$

• 設計訊息（claim C3）：phase noise 正比於 $\Gamma_{rms}^2/q_{max}^2$。要降低 $1/f^2$ 雜訊， 就加大訊號電荷擺幅 $q_{max}$（分母平方，效果很強）、並壓低 ISF 的 rms 值 $\Gamma_{rms}$。 這兩個是所有低相位雜訊振盪器設計的根本旋鈕。
• dimension check 同第 3 步：$\Gamma_{rms}^2/q_{max}^2$ 帶 $1/\text{C}^2$，乘上 $S_i/\Delta\omega^2$ 的 $\text{A}^2\text{s}/\text{s}^{-2}=\text{A}^2\text{s}^3=\text{C}^2\text{s}$ ✓ 約成 $\text{s}$ → per-Hz。

嚴格頻譜推導（cyclostationary 自相關 → Wiener-Khinchin）

前面第 3 步那套「把白噪當成無數獨立小單音、算每根的 sideband 再求和」是 [P1] 的原始路線， 物理直覺很強、但代數上是啟發式（heuristic）的：它在「白噪 $=$ 單音疊加」「factor-8 記帳」 那幾步用了手算的功率簿記。這一節把同一個結果用訊號與系統的嚴格機器重做一遍—— 直接寫下 LTV 輸出相位的時間平均自相關（time-averaged autocorrelation），用 ISF 的傅立葉 係數展開，讓 $\sum c_n^2=2\Gamma_{rms}^2$ 自己從自相關裡掉出來，再用 Wiener-Khinchin 定理 取頻譜。讀者若熟悉「LTI 系統 $S_y=|H|^2S_x$」，這節會把它升級成「LTV / cyclostationary」版本。

為什麼要做這節：振盪器是週期時變（periodically time-varying）系統，它的輸出不是嚴格 平穩（stationary）而是 cyclostationary（週期穩態，統計量以週期 $T$ 重複）。對 cyclostationary 過程，正確的譜分析要先對絕對時間 $t$ 做一個週期平均，把它「平穩化」，再做 Wiener-Khinchin。 這一節就是老實走完這條路；走完你會看到 $\Gamma_{rms}$ 不是被「湊」出來的，而是自相關的週期平均 的必然產物。

第 A 步：寫下相位的雙時間自相關（two-time autocorrelation）

從 [P1] Eq.(11) 的相位積分出發，定義 $g(\tau)\equiv\Gamma(\omega_0\tau)/q_{max}$（把 ISF 與 normalization 併成一個權重核），則 $\phi(t)=\int_{-\infty}^{t}g(\tau)\,i_n(\tau)\,d\tau$。 但為了乾淨看出頻譜，我們改看相位的時間導數 $\dot\phi$（瞬時頻率擾動），它的自相關更直接 （相位本身是非平穩漫步，見 lorentzian_linewidth； $\dot\phi$ 才是 cyclostationary-平穩的）。由微積分基本定理：

$$\dot\phi(t)=g(t)\,i_n(t)=\frac{\Gamma(\omega_0 t)}{q_{max}}\,i_n(t).$$

這是一個乘法型 LTV：輸入白噪 $i_n(t)$ 被一個確定的週期權重 $g(t)$ 逐點調制。算它的 雙時間自相關：

$$R_{\dot\phi}(t,\,t+\tau)=\big\langle\dot\phi(t)\,\dot\phi(t+\tau)\big\rangle=g(t)\,g(t+\tau)\,\big\langle i_n(t)\,i_n(t+\tau)\big\rangle.$$

• 用到的數學：$g$ 是確定函數（可提到期望外），只有 $i_n$ 是隨機的。
• 白噪自相關是 delta：白噪不同時刻不相關，$\langle i_n(t)i_n(t+\tau)\rangle=S_i\,\delta(\tau)$ （$S_i=\overline{i_n^2}/\Delta f$ 是其（雙邊）PSD，常數）。代入：

$$R_{\dot\phi}(t,\,t+\tau)=g(t)\,g(t+\tau)\,S_i\,\delta(\tau).$$

• 關鍵觀察（cyclostationary）：這個自相關顯含絕對時間 $t$（透過 $g(t)g(t+\tau)$）， 而且以週期 $T$ 重複（$g$ 是 $T$-週期）——這正是 cyclostationary 的定義特徵，不是平穩。 不能直接 Wiener-Khinchin；要先對 $t$ 做週期平均。
• 單位檢查：$[g]=1/\text{C}$（$\Gamma$ 無因次 $/q_{max}$），$[g^2 S_i\delta(\tau)]= \text{C}^{-2}\cdot(\text{A}^2/\text{Hz})\cdot(1/\text{s})$。以 $\delta(\tau)$ 帶 $1/\text{s}$、$\text{Hz}^{-1}=\text{s}$， 化簡 $=\text{C}^{-2}\text{A}^2=\text{s}^{-2}$，即 $[\dot\phi^2]=(\text{rad/s})^2$ ✓。

第 B 步：對絕對時間做週期平均 → 把 cyclostationary 平穩化

cyclostationary 過程的時間平均自相關定義為對絕對時間 $t$ 取一個週期的平均：

$$\bar R_{\dot\phi}(\tau)=\frac{1}{T}\int_{0}^{T}R_{\dot\phi}(t,\,t+\tau)\,dt=\Big[\frac{1}{T}\int_{0}^{T}g(t)\,g(t+\tau)\,dt\Big]\,S_i\,\delta(\tau).$$

中括號裡是權重核 $g$ 的自相關（確定性、週期），記為

$$\bar g(\tau)\equiv\frac{1}{T}\int_{0}^{T}g(t)\,g(t+\tau)\,dt=\frac{1}{q_{max}^2}\cdot\frac{1}{T}\int_{0}^{T}\Gamma(\omega_0 t)\,\Gamma(\omega_0(t+\tau))\,dt.$$

因為 $\delta(\tau)$ 只在 $\tau=0$ 取值，我們只需要 $\bar g(0)$：

$$\bar R_{\dot\phi}(\tau)=\bar g(0)\,S_i\,\delta(\tau),\qquad\bar g(0)=\frac{1}{q_{max}^2}\cdot\frac{1}{T}\int_{0}^{T}\Gamma^2(\omega_0 t)\,dt.$$

• 用到的物理/數學：把絕對時間平均掉，等於把振盪器在一個週期內「各個相位的敏感度」平均起來—— 這正是 cyclostationary 系統「等效平穩化」的標準手法。
• 這一步就要冒出 $\Gamma_{rms}$ 了：$\dfrac{1}{T}\int_0^T\Gamma^2(\omega_0t)\,dt$ 就是 ISF 的均方。

第 C 步：用 ISF 傅立葉係數展開 → $\sum c_n^2=2\Gamma_{rms}^2$ 自然掉出來

把 $\Gamma$ 的傅立葉級數（[P1] Eq.(12)）代進 $\bar g(0)$ 的那個均方積分，自己就生出 $\sum c_n^2$。 先把均方積分換成對相位 $x=\omega_0 t$ 的積分（$dt=dx/\omega_0$，一個週期 $t:0\to T$ 對應 $x:0\to2\pi$）：

$$\frac{1}{T}\int_{0}^{T}\Gamma^2(\omega_0 t)\,dt=\frac{1}{2\pi}\int_{0}^{2\pi}\Gamma^2(x)\,dx.$$

代入 $\Gamma(x)=\dfrac{c_0}{2}+\sum_{n\ge1}c_n\cos(nx+\theta_n)$ 並平方。用三角函數的正交性 （不同諧波互相積分為零、同諧波 $\int_0^{2\pi}\cos^2=\pi$、DC 項 $\int_0^{2\pi}dx=2\pi$）：

$$\frac{1}{2\pi}\int_{0}^{2\pi}\Gamma^2(x)\,dx=\Big(\frac{c_0}{2}\Big)^2+\sum_{n=1}^{\infty}\frac{c_n^2}{2}=\frac{c_0^2}{4}+\frac12\sum_{n=1}^{\infty}c_n^2.$$

把 DC 寫成 $n=0$ 項並湊成「半個 $\sum_{n\ge0}c_n^2$」的形式（這是 [P1] Eq.(20) 同一個記帳： $c_0$ 那項的係數是 $\tfrac14$，等於 $\tfrac12\cdot\tfrac12$，即把 $c_0^2$ 也納入 $\tfrac12\sum$ 並補回 DC 的 half-weight），整理得：

$$\frac{1}{2\pi}\int_{0}^{2\pi}\Gamma^2(x)\,dx=\Gamma_{rms}^2,\qquad\text{其中}\quad\Gamma_{rms}^2\equiv\frac{1}{2\pi}\int_0^{2\pi}\Gamma^2(x)\,dx.$$

這就是 $\Gamma_{rms}$ 的定義。再對照 [P1] Eq.(20) 的 Parseval（注意它用 $\tfrac1\pi$ 而非 $\tfrac1{2\pi}$）：

$$\sum_{n=0}^{\infty}c_n^2=\frac{1}{\pi}\int_0^{2\pi}\Gamma^2(x)\,dx=2\cdot\frac{1}{2\pi}\int_0^{2\pi}\Gamma^2(x)\,dx=\boxed{\,2\,\Gamma_{rms}^2\,}.$$

注意（DC 半權重）：這裡的 $\sum_{n=0}^{\infty}c_n^2$ 中 DC 項是以 $c_0^2/2$（半權重）計入的； 若誤用整權 $c_0^2$，總和會比 $2\Gamma_{rms}^2$ 多出 $c_0^2/2$。這正是 Parseval 對 $\tfrac{c_0}{2}$ 形式 DC 的記帳（$\Gamma$ 級數第一項寫成 $\tfrac{c_0}{2}$，平方後給 $\tfrac{c_0^2}{4}=\tfrac12\cdot\tfrac{c_0^2}{2}$）， 詳見 rms_isf。

$\sum c_n^2=2\Gamma_{rms}^2$ 就這樣從自相關的週期平均裡自然掉出來——不需要第 3b 步那種手算的 factor-8 簿記。差別只在「$\tfrac1\pi$ vs $\tfrac1{2\pi}$」這個 Parseval 慣例帶來的因子 2，與 rms_isf 完全一致。於是

$$\bar g(0)=\frac{1}{q_{max}^2}\cdot\Gamma_{rms}^2=\frac{\Gamma_{rms}^2}{q_{max}^2}.$$

• 物理意義：$\dot\phi$ 的時間平均自相關強度（$\tau=0$ 的權重）正比於 $\Gamma_{rms}^2/q_{max}^2$—— 振盪器把白噪「攪拌」進相位的有效增益，就是 ISF 的均方除以 $q_{max}^2$。所有 $c_n$ 的細節都被 Parseval 收進一個 $\Gamma_{rms}$。

第 D 步：Wiener-Khinchin → 相位頻譜 $S_\phi\propto1/\Delta\omega^2$

現在 $\bar R_{\dot\phi}(\tau)=\dfrac{\Gamma_{rms}^2}{q_{max}^2}S_i\,\delta(\tau)$ 已經是只依賴 $\tau$ 的平穩自相關了，可以放心套 Wiener-Khinchin（自相關的傅立葉變換 $=$ PSD）：

$$S_{\dot\phi}(\Delta\omega)=\int_{-\infty}^{\infty}\bar R_{\dot\phi}(\tau)\,e^{-j\Delta\omega\tau}\,d\tau=\frac{\Gamma_{rms}^2}{q_{max}^2}\,S_i\int_{-\infty}^{\infty}\delta(\tau)e^{-j\Delta\omega\tau}d\tau=\frac{\Gamma_{rms}^2}{q_{max}^2}\,S_i.$$

$\delta$ 的傅立葉變換是常數 $1$——所以 $\dot\phi$（瞬時頻率擾動）的頻譜是白的，強度 $\Gamma_{rms}^2 S_i/q_{max}^2$。最後一步：相位是頻率的積分，頻域積分等於除以 $j\Delta\omega$， 功率譜要除以 $\Delta\omega^2$：

$$S_\phi(\Delta\omega)=\frac{S_{\dot\phi}(\Delta\omega)}{\Delta\omega^2}=\frac{\Gamma_{rms}^2}{q_{max}^2}\cdot\frac{S_i}{\Delta\omega^2}\qquad[\text{rad}^2/\text{Hz}].$$

這跟前面「時域乾淨版」（factor-of-2 註記裡的）$S_\phi=\Gamma_{rms}^2S_i/(q_{max}^2(2\pi f)^2)$ 逐字相同（$\Delta\omega=2\pi f$）。

• $1/f^2$ 的嚴格出處：這條 $1/\Delta\omega^2$ 完全來自「$\dot\phi\to\phi$ 的那次積分」 （$1/(j\Delta\omega)$ 濾波器），與本頁開頭的物理直覺一字不差——只是現在是用 Wiener-Khinchin 嚴格證出來的，不是手算 sideband 湊出來的。
• 白噪頻譜的角色：$\dot\phi$ 白、$\phi$ 才 $1/f^2$——這也解釋了為什麼相位是 random walk （白色頻率擾動的積分 $=$ Wiener process），正是下一頁 Lorentzian 的起點。

嚴格版 vs 啟發式版：對照表

項目	啟發式（第 3 步，[P1] 原路線）	嚴格（本節，cyclostationary 自相關）
出發點	白噪 $=$ 無數獨立單音	$\dot\phi=g(t)i_n(t)$ 的雙時間自相關
平穩化	隱含在「對 $n$ 求和」	顯式對絕對時間 $t$ 做週期平均
$\Gamma_{rms}$ 來源	Parseval 手動代入（Eq.20）	週期平均積分 $\tfrac1{2\pi}\int\Gamma^2$ 自然生出
$\sum c_n^2=2\Gamma_{rms}^2$	外加套用	從自相關 $\bar g(0)$ 掉出來
$1/\Delta\omega^2$ 來源	單音 sideband 的 $1/\Delta\omega^2$	$\dot\phi\to\phi$ 積分的 $1/(j\Delta\omega)$
取頻譜	累加 sideband 功率	Wiener-Khinchin（自相關 FT）
factor-of-2	SSB 記帳（$/4$）	時域乾淨（$/2$）；差 2 同前述

小結：嚴格版用「cyclostationary 自相關 → 週期平均 → Wiener-Khinchin」三板斧，把 $\Gamma_{rms}$ 與 $1/f^2$ 都變成機械化的必然結果。$\sum c_n^2=2\Gamma_{rms}^2$ 不是巧合，而是 ISF 均方的 Parseval 化身。這套自相關機器也正是下一頁 lorentzian_linewidth 的入口：那裡把「$\dot\phi$ 白 ⇒ $\phi$ 是 random walk」推到底，得出載波自相關 $R_x(\tau)=\tfrac12\cos(\omega_0\tau)e^{-D|\tau|}$，再 Wiener-Khinchin 出 Lorentzian—— 解開 $1/f^2$ 在 $\Delta\omega\to0$ 的假發散。本節算出的 $S_\phi=\Gamma_{rms}^2S_i/(q_{max}^2\Delta\omega^2)$ 正是那裡 $D=\Gamma_{rms}^2S_i/(4q_{max}^2)$ 的來源（本站單邊記帳 $S_\phi=4D/\Delta\omega^2$，雙邊 $2D/\Delta\omega^2$；v5 更正，對帳見 diffusion_dictionary）。

$S_\phi(f)$ 與 $\mathcal{L}(\Delta f)$ 的關係（dBc/Hz 直覺）

工程上常用兩種量描述同一件事，要會互換：

• phase PSD $S_\phi(f)$：相位抖動的功率譜密度，單位 $\text{rad}^2/\text{Hz}$，對 $f$ 積分得相位變異 $\sigma_\phi^2$。
• SSB phase noise $\mathcal{L}(\Delta f)$：載波單邊、每 Hz 的雜訊功率相對載波，單位 dBc/Hz。

小角近似（相位抖動遠小於 1 rad）下兩者關係（規範 Eq.16）：

$$\mathcal{L}(\Delta f)\approx\tfrac12 S_\phi(\Delta f).$$

把白噪結果寫成 phase PSD 形式（時域乾淨推導，見下節）：

$$S_\phi(f)=\frac{\Gamma_{rms}^2}{q_{max}^2}\cdot\frac{S_i}{(2\pi f)^2}\quad[\text{rad}^2/\text{Hz}].$$

• dBc/Hz 直覺：$-100$ dBc/Hz 表示「離載波該 offset、1 Hz 頻寬內，雜訊功率比載波小 $10^{10}$ 倍」。 數字越負越乾淨。$1/f^2$ 區每往外一個 decade，dBc/Hz 數字改善 20（更負 20）。

重要的 factor-of-2 教學註記（務必看懂）

如果你自己用時域乾淨推導（白噪 $\times$ ISF $\to$ 積分），會得到

$$S_\phi(f)=\frac{\Gamma_{rms}^2\,S_i}{q_{max}^2(2\pi f)^2},\qquad\Rightarrow\qquad\mathcal{L}(\Delta f)\approx\tfrac12 S_\phi=\frac{\Gamma_{rms}^2}{q_{max}^2}\cdot\frac{S_i}{2\,\Delta\omega^2}.$$

也就是分母是 $2\,\Delta\omega^2$。但 [P1] Eq.(21) 寫的是 $4\,\Delta\omega^2$。兩者差 2 倍。

• 這個差距來自 SSB（單邊帶）記帳慣例：把全部相位抖動功率記到「單一邊帶」還是「平均分到雙邊帶」， 以及 $\overline{i_n^2}/\Delta f$ 是單邊還雙邊 PSD，定義一不一致就會差個 2。
• 這是文獻上一個著名的小爭議，不同教科書/論文的常數會落在 $/2$ 與 $/4$ 之間。
• 關鍵：它完全不影響 $\Gamma_{rms}^2/q_{max}^2$ 這個 scaling、也不影響 $-20$ dB/decade 的斜率。 做設計時看的是 scaling 與斜率；那個 $\pm3$ dB 的常數，量測校準時自然會吸收掉。
• 本站的 lab_06 數值模擬用的是時域乾淨版 $S_\phi=\Gamma_{rms}^2 S_i/(q_{max}^2(2\pi f)^2)$，所以它跟 Eq.(21) 會差這個 2 倍——這是預期的、教過的， 不是 bug。

一句話記住：斜率與 scaling 是物理，常數 2 是記帳。 別為了那個 2 焦慮。

數值例子（canonical 例 B，逐步帶單位）

例 B：$f_0=5$ GHz、$\Delta f=1$ MHz、$q_{max}=1$ pC、$\Gamma_{rms}=0.5$、$S_i=10^{-24}\,\text{A}^2/\text{Hz}$。 用 [P1] Eq.(21)。

步驟 1：算 offset 角頻率。

$$\Delta\omega=2\pi\Delta f=2\pi\times10^{6}=6.283\times10^{6}\ \text{rad/s},\qquad\Delta\omega^2=3.948\times10^{13}\ \text{rad}^2/\text{s}^2.$$

步驟 2：算 $\Gamma_{rms}^2/q_{max}^2$。

$$\frac{\Gamma_{rms}^2}{q_{max}^2}=\frac{0.25}{(10^{-12})^2}=\frac{0.25}{10^{-24}}=2.5\times10^{23}\ \text{C}^{-2}.$$

步驟 3：算 $S_i/(4\Delta\omega^2)$。

$$\frac{S_i}{4\,\Delta\omega^2}=\frac{10^{-24}}{4\times3.948\times10^{13}}=\frac{10^{-24}}{1.579\times10^{14}}=6.332\times10^{-39}.$$

步驟 4：相乘得括號內 linear 值。

$$\frac{\Gamma_{rms}^2}{q_{max}^2}\cdot\frac{S_i}{4\,\Delta\omega^2}=2.5\times10^{23}\times6.332\times10^{-39}=1.583\times10^{-15}.$$

步驟 5：取 $10\log_{10}$。

$$\mathcal{L}(1\,\text{MHz})=10\log_{10}(1.583\times10^{-15})=-148.0\ \text{dBc/Hz}.$$

• 手感：這是「單一理想白噪源」的理論底線，約 $-148$ dBc/Hz @ 1 MHz。真實電路有多個 noise 源（多顆 transistor、tail、load）、有 cyclostationary 閘控（見 effective_isf）、close-in 還有 flicker 上轉（見 flicker_noise_upconversion），實際值會更高（更靠近 0）。
• 跨頁一致：若改用時域乾淨版（$/2$ 而非 $/4$），同參數會得 $\approx-145.0$ dBc/Hz，差正好 3 dB （$10\log_{10}2$）——這就是上面 factor-of-2 的數值臉孔。

對應模擬圖

lab_06 把一段白噪丟進 $S_\phi=\Gamma_{rms}^2 S_i/(q_{max}^2(2\pi f)^2)$ 的 toy 模型，估其 phase PSD，疊上理論線： 量到的斜率精準落在 $-20$ dB/decade。

項目	值	說明
模型	toy（非 transistor-level）	$S_\phi=\Gamma_{rms}^2 S_i/(q_{max}^2(2\pi f)^2)$
ISF	$\Gamma(\theta)=-\sin\theta\Rightarrow\Gamma_{rms}=1/\sqrt2$	理想 LC
斜率	$-20$ dB/decade	來自積分器 $1/\omega^2$
常數慣例	時域 $/2$ 版（lab）	與 Eq.(21) 的 $/4$ 差 2 倍（已說明）

核心 Python（完整 script：simulations/lab_06_white_noise_phase_noise.py）：

import numpy as np
from simulations.common.noise_utils import white_noise, estimate_psd
from simulations.common.isf_utils import gamma_lc_ideal, gamma_rms, apply_isf_weighting

# 白噪電流 -> ISF 加權 -> 累積積分 -> 相位 -> PSD
i_n = white_noise(n=2**20, psd=1e-4, fs=256.0, rng=np.random.default_rng(0))
phi = apply_isf_weighting(t, i_n, gamma_lc_ideal, qmax=1.0, omega0=2*np.pi*1.0)
f, S_phi = estimate_psd(phi, fs=256.0, nperseg=4096)   # 量到 -20 dB/dec

適用與失效條件

條件	成立時	失效時會怎樣
noise 在關心頻段內為白色	$S_i$ 視為常數，得乾淨 $1/f^2$	若含 flicker，close-in 變 $1/f^3$（見 flicker 頁）
小擾動、相位線性	Eq.(11) 積分式成立	大注入 → 非線性、ISF 本身被改
單一 stationary 源	直接套 Eq.(21)	多源要 superposition；cyclostationary 要 $\Gamma_{eff}$
$\Delta\omega$ 不太靠近 carrier	$1/f^2$ 區乾淨	極近處被 close-in 機制與 $1/Q$ 主導

與哪些 paper／公式對應

• 求和式 [P1] Eq.(19), p.185；Parseval [P1] Eq.(20), p.185；招牌結果 [P1] Eq.(21), p.185。
• 上游積分式 [P1] Eq.(11), p.182；單音 sideband [P1] Eq.(16)–(18), p.183。
• 大圖（noise 區域：$1/f^3$、$1/f^2$、floor）對應 [P1] Fig. 11–12, p.185。
• claim C3（$\Gamma_{rms}^2/q_{max}^2$ scaling）來自 [P1] Eq.(21)。

Worked examples 數值例題

下面兩題用嚴格格式：題目 → 逐步代入（帶單位）→ 結果 → dimension check → 一行 Python 驗證。 第一題沿用第 8 節 canonical 例 B；第二題換一組數字練手感。兩題都套 [P1] Eq.(21)。

例 1（canonical 例 B，$\Gamma_{rms}=0.5$）：$f_0=5$ GHz、$\Delta f=1$ MHz、$q_{max}=1$ pC、 $\Gamma_{rms}=0.5$、$S_i=\overline{i_n^2}/\Delta f=10^{-24}\ \text{A}^2/\text{Hz}$。用 [P1] Eq.(21) 求 $\mathcal{L}(1\text{MHz})$。

逐步代入：

1. offset 角頻率：$\Delta\omega=2\pi\Delta f=2\pi\times10^{6}=6.283\times10^{6}\ \text{rad/s}$， $\Delta\omega^2=3.948\times10^{13}\ \text{rad}^2/\text{s}^2$。
2. $\dfrac{\Gamma_{rms}^2}{q_{max}^2}=\dfrac{0.5^2}{(10^{-12}\,\text{C})^2}=\dfrac{0.25}{10^{-24}}=2.5\times10^{23}\ \text{C}^{-2}$。
3. $\dfrac{S_i}{4\Delta\omega^2}=\dfrac{10^{-24}}{4\times3.948\times10^{13}}=6.332\times10^{-39}\ \dfrac{\text{A}^2/\text{Hz}}{\text{rad}^2/\text{s}^2}$。
4. 相乘（括號內 linear）：$2.5\times10^{23}\times6.332\times10^{-39}=1.583\times10^{-15}$。
5. 取 dB：$\mathcal{L}=10\log_{10}(1.583\times10^{-15})$。

結果： $\mathcal{L}(1\,\text{MHz})\approx-148.0\ \text{dBc/Hz}$（單一理想白噪源的理論底線）。

Dimension check： 括號內 $\text{C}^{-2}\cdot\dfrac{\text{A}^2/\text{Hz}}{(\text{rad/s})^2}$。以 $\text{C}=\text{A}\cdot\text{s}$， $\text{C}^{-2}=\text{A}^{-2}\text{s}^{-2}$；$\dfrac{\text{A}^2\cdot\text{s}}{\text{s}^{-2}}=\text{A}^2\text{s}^3$。相乘 $=\text{s}$， 即每 Hz（per-Hz），取 $10\log_{10}$ 後讀作 dBc/Hz ✓。

import numpy as np
gamma_rms, qmax, Si = 0.5, 1e-12, 1e-24
dw = 2*np.pi*1e6
L = 10*np.log10((gamma_rms**2/qmax**2) * (Si/(4*dw**2)))
print(round(L, 1), "dBc/Hz")   # -> -148.0 dBc/Hz

例 2（第二組數字：較大 swing 的低噪振盪器）：$f_0=10$ GHz、$\Delta f=1$ MHz、 $q_{max}=2$ pC、$\Gamma_{rms}=1/\sqrt2\approx0.707$（理想 LC 的 $-\sin$）、 $S_i=4\times10^{-24}\ \text{A}^2/\text{Hz}$。求 $\mathcal{L}(1\text{MHz})$。

逐步代入：

1. $\Delta\omega=2\pi\times10^{6}=6.283\times10^{6}\ \text{rad/s}$（與例 1 同，因為 $\Delta f$ 相同；注意 Eq.(21) 只看 offset $\Delta\omega$，與載波 $f_0$ 無關），$\Delta\omega^2=3.948\times10^{13}$。
2. $\Gamma_{rms}^2=(1/\sqrt2)^2=0.5$，$q_{max}^2=(2\times10^{-12})^2=4\times10^{-24}\ \text{C}^2$， 故 $\dfrac{\Gamma_{rms}^2}{q_{max}^2}=\dfrac{0.5}{4\times10^{-24}}=1.25\times10^{23}\ \text{C}^{-2}$。
3. $\dfrac{S_i}{4\Delta\omega^2}=\dfrac{4\times10^{-24}}{4\times3.948\times10^{13}}=\dfrac{10^{-24}}{3.948\times10^{13}}=2.533\times10^{-38}$。
4. 相乘：$1.25\times10^{23}\times2.533\times10^{-38}=3.166\times10^{-15}$。
5. $\mathcal{L}=10\log_{10}(3.166\times10^{-15})$。

結果： $\mathcal{L}(1\,\text{MHz})\approx-145.0\ \text{dBc/Hz}$。

• 手感檢查：相對例 1，$q_{max}$ 加倍把 $\Gamma_{rms}^2/q_{max}^2$ 砍半（$-3$ dB），但 $S_i$ 加 4 倍 （$+6$ dB）、$\Gamma_{rms}^2$ 加倍（$+3$ dB），淨變化 $-3+6+3=+6$ dB，從 $-148$ 變 $-145$... 等等—— $-148+6=-142$？實際是 $-145$。差別在 $\Gamma_{rms}^2$：例 1 用 $0.5^2=0.25$、例 2 用 $0.707^2=0.5$， 只差 2 倍（$+3$ dB）不是 4 倍；重算淨變化 $-3(q_{max})+6(S_i)+3(\Gamma_{rms}^2)=...$ 其中 $\Gamma_{rms}^2$ 從 $0.25\to0.5$ 是 $\times2$ 即 $+3$ dB，$q_{max}^2$ 從 $1\to4$（pC²）是 $\times4$ 即 $-6$ dB，$S_i$ 從 $1\to4$ 是 $+6$ dB：淨 $+3-6+6=+3$ dB，$-148+3=-145$ ✓。這示範了 scaling 估算：每個旋鈕用 dB 加減即可。

Dimension check： 同例 1，括號內化簡為 $\text{s}$（per-Hz）✓。

import numpy as np
gamma_rms, qmax, Si = 1/np.sqrt(2), 2e-12, 4e-24
dw = 2*np.pi*1e6
L = 10*np.log10((gamma_rms**2/qmax**2) * (Si/(4*dw**2)))
print(round(L, 1), "dBc/Hz")   # -> -145.0 dBc/Hz

（兩題的 Eq.(21) 是 SSB $/4$ 慣例；若用本站 lab_06 的時域乾淨版 $/2$，兩題各再 $+3$ dB——見上面 factor-of-2 註記。 完整函式庫：simulations/common/noise_utils.py、simulations/common/isf_utils.py。）

例 3（兩個雜訊源相加）：真實振盪器從來不只一個 noise 源。這題示範多源 superposition—— 兩個獨立白噪源同時打進同一個理想 LC 節點，該怎麼合成總 phase noise？

題目設定。 沿用例 1 的振盪器參數（$f_0=5$ GHz、$\Delta f=1$ MHz、$q_{max}=1$ pC），節點上疊加兩個 互相獨立（statistically independent）的白噪電流源：

• Device A（例如主要跨導管，直接看到完整 ISF）：$\Gamma_{A,rms}=0.5$、$S_{i,A}=\overline{i_{n,A}^2}/\Delta f=1\times10^{-24}\ \text{A}^2/\text{Hz}$。
• Device B（tail 電流源一類的元件，因為 cyclostationary 閘控只在部分相位貢獻雜訊，見 effective_isf 的 $\Gamma_{eff}=\Gamma\alpha$）：等效 $\Gamma_{eff,B,rms}=0.25$ （只有 A 的一半，示意用的 illustrative 值）、但電流噪聲功率較大 $S_{i,B}=4\times10^{-24}\ \text{A}^2/\text{Hz}$ （例如偏壓電流較大的元件）。

兩者是不同的物理雜訊源、彼此獨立（不相關），所以要問的是：合起來的 $\mathcal{L}_{total}(1\text{MHz})$ 是多少？

第 0 步：為什麼獨立源要在 $S_\phi$（功率）疊加，不能在 dB 疊加。 每個 noise 源各自經過（可能不同的） ISF 加權、獨立地被積分成相位擾動 $\phi_A(t)$、$\phi_B(t)$（見 [P1] Eq.(11)）；節點上的總 excess phase 是 線性疊加 $\phi(t)=\phi_A(t)+\phi_B(t)$。對獨立（不相關）隨機過程，方差／功率譜疊加、交叉項期望值為零：

$$S_{\phi,total}(\Delta\omega)=\big\langle(\phi_A+\phi_B)(\phi_A+\phi_B)\big\rangle_{\text{頻譜}}=S_{\phi,A}(\Delta\omega)+S_{\phi,B}(\Delta\omega)+\underbrace{2\,\text{Re}\langle\phi_A\phi_B^*\rangle}_{=0\ (\text{獨立})}.$$

這就是本題的「一行規則」：獨立源在 $S_\phi$（線性功率）相加，絕不能直接把兩個 dBc/Hz 數字相加或平均。 必須先各自轉回 linear、相加、再取一次 $10\log_{10}$。

第 1 步：Device A 單獨算（就是例 1 的算法，套 [P1] Eq.(21)）。

$$\mathcal{L}_A=10\log_{10}\!\left(\frac{\Gamma_{A,rms}^2}{q_{max}^2}\cdot\frac{S_{i,A}}{4\,\Delta\omega^2}\right),\qquad \Delta\omega=2\pi\times10^6=6.283\times10^6\ \text{rad/s},\ \Delta\omega^2=3.948\times10^{13}.$$ $$\frac{\Gamma_{A,rms}^2}{q_{max}^2}=\frac{0.25}{10^{-24}}=2.5\times10^{23}\ \text{C}^{-2},\qquad \frac{S_{i,A}}{4\Delta\omega^2}=\frac{10^{-24}}{1.579\times10^{14}}=6.332\times10^{-39}.$$

括號內線性值 $\ell_A=2.5\times10^{23}\times6.332\times10^{-39}=1.583\times10^{-15}$， $\mathcal{L}_A=10\log_{10}(1.583\times10^{-15})\approx-148.0\ \text{dBc/Hz}$（與例 1 一致——同一組參數）。

第 2 步：Device B 單獨算（同一公式，$\Gamma\to\Gamma_{eff,B,rms}$、$S_i\to S_{i,B}$）。

$$\frac{\Gamma_{eff,B,rms}^2}{q_{max}^2}=\frac{0.25^2}{10^{-24}}=\frac{0.0625}{10^{-24}}=6.25\times10^{22}\ \text{C}^{-2},\qquad \frac{S_{i,B}}{4\Delta\omega^2}=\frac{4\times10^{-24}}{1.579\times10^{14}}=2.533\times10^{-38}.$$

括號內線性值 $\ell_B=6.25\times10^{22}\times2.533\times10^{-38}=1.583\times10^{-15}$， $\mathcal{L}_B=10\log_{10}(1.583\times10^{-15})\approx-148.0\ \text{dBc/Hz}$。

「你以為 A 主導，其實不然」：乍看 $\Gamma_{eff,B,rms}=0.25$ 只有 $\Gamma_{A,rms}=0.5$ 的一半，直覺 會猜 Device B 的 ISF 權重項 $\Gamma_{eff,B,rms}^2/q_{max}^2$ 差了 $4$ 倍（$-6$ dB），B 應該完全被 A 蓋過、 可以忽略。但 Device B 的電流噪聲 $S_{i,B}$ 剛好大 $4$ 倍（$+6$ dB）——兩個 $\pm6$ dB 恰好抵消， 算出來 $\mathcal{L}_A=\mathcal{L}_B\approx-148.0$ dBc/Hz，B 與 A 一樣強，貢獻同等重要，完全不可忽略。 這正是「只看 $\Gamma_{rms}$ 大小就猜雜訊貢獻」會踩的陷阱：真正決定貢獻大小的是 $\Gamma_{rms}^2\cdot S_i$ 這個乘積，兩個因子要一起看。

第 3 步：功率相加（在 linear domain 相加，不是在 dB 相加）。

$$\mathcal{L}_{total}=10\log_{10}\big(\ell_A+\ell_B\big)=10\log_{10}\big(1.583\times10^{-15}+1.583\times10^{-15}\big)=10\log_{10}(3.166\times10^{-15}).$$

用等價的「dB 域功率合成公式」（先各自 $10^{L/10}$ 還原成 linear，相加，再取一次 $10\log_{10}$）核對：

$$\mathcal{L}_{total}=10\log_{10}\!\Big(10^{\mathcal{L}_A/10}+10^{\mathcal{L}_B/10}\Big)=10\log_{10}\!\Big(10^{-148.0/10}+10^{-148.0/10}\Big).$$

結果： $\mathcal{L}_{total}(1\,\text{MHz})\approx-145.0\ \text{dBc/Hz}$。

• 算術上發生了什麼：$A$、$B$ 兩源功率相等，合起來剛好是兩倍功率 $\Rightarrow 10\log_{10}2\approx3.01$ dB， 所以 $\mathcal{L}_{total}\approx\mathcal{L}_A+3.0\ \text{dB}=-148.0+3.0=-145.0$ dBc/Hz。 Device B 對總雜訊的貢獻，換算成「比只有 A 時劣化了多少」，就是 X = 3.0 dB—— 而不是被邏輯上「$\Gamma_{eff,B,rms}$ 只有一半」誤導成可忽略的 0 dB。
• 一句話規則（務必記住）：不相關（獨立）雜訊源要在 $S_\phi$／功率上相加，絕不能直接把 dBc/Hz 數字相加，也不能取平均。 兩個相同大小的源功率相加 $=\times2=+3.0$ dB，不是 $+6$ dB（那是電壓/幅度 相加、相干疊加才會發生的事，white noise 源之間不相干）。

Dimension check： $\ell_A$、$\ell_B$ 分別跟例 1／例 2 一樣是 $\Gamma_{rms}^2/q_{max}^2\cdot S_i/(4\Delta\omega^2)$ 的形式，因次都化簡為 $\text{s}$（per-Hz，見例 1 的 dimension check），兩個同因次的量才能相加； 相加後仍是 $\text{s}$，取 $10\log_{10}$ 讀作 dBc/Hz ✓。

import numpy as np

qmax = 1e-12                       # C
dw = 2*np.pi*1e6                   # rad/s (Δf = 1 MHz)

# Device A: 主要跨導管，看到完整 ISF
gamma_A, Si_A = 0.5, 1e-24         # (–, A^2/Hz)
# Device B: tail 元件，cyclostationary 閘控後的等效 Gamma_eff,rms 較小，但電流噪聲較大
gamma_effB, Si_B = 0.25, 4e-24     # (–, A^2/Hz)

def bracket(gamma_rms, Si, qmax, dw):
    return (gamma_rms**2 / qmax**2) * (Si / (4 * dw**2))   # [P1] Eq.(21) 括號內線性值

ell_A = bracket(gamma_A, Si_A, qmax, dw)
ell_B = bracket(gamma_effB, Si_B, qmax, dw)
L_A = 10*np.log10(ell_A)
L_B = 10*np.log10(ell_B)
print(round(L_A, 1), "dBc/Hz  (A alone)")   # -> -148.0 dBc/Hz
print(round(L_B, 1), "dBc/Hz  (B alone)")   # -> -148.0 dBc/Hz

# 正確作法：功率（linear S_phi）相加，再取一次 log；不是把兩個 dB 數字相加
L_total_via_linear = 10*np.log10(ell_A + ell_B)
L_total_via_powersum = 10*np.log10(10**(L_A/10) + 10**(L_B/10))   # 等價寫法，供對照
print(round(L_total_via_linear, 1), "dBc/Hz  (A+B power-summed)")     # -> -145.0 dBc/Hz
print(round(L_total_via_powersum, 1), "dBc/Hz  (cross-check)")        # -> -145.0 dBc/Hz

X_dB = L_total_via_linear - L_A   # B 帶來的劣化量：本例中 A、B 貢獻相等
print(round(X_dB, 1), "dB  (B 的貢獻，即使 Gamma_eff,B,rms 只有 Gamma_A,rms 的一半)")  # -> 3.0 dB

（本例延續 [P1] Eq.(21) 的 SSB $/4$ 慣例，兩源公式相同、只是各自代入自己的 $\Gamma_{rms}$（或 $\Gamma_{eff,rms}$）與 $S_i$ 後在功率上相加；若改用 lab_06 時域乾淨版 $/2$，$\mathcal{L}_A$、$\mathcal{L}_B$、 $\mathcal{L}_{total}$ 三者會一起各加 $3$ dB，彼此的 3.0 dB 差距不變——這再次呼應前面 factor-of-2 註記：常數慣例不影響 scaling／相對關係。多源 superposition 的完整規則與 cyclostationary $\Gamma_{eff}$ 的推導見 effective_isf；完整函式庫：simulations/common/noise_utils.py、 simulations/common/isf_utils.py。）

重點回顧

• white noise 平的；$1/f^2$ 斜率完全來自相位積分器的 $1/\omega^2$，ISF 只設定權重大小。
• 推導鏈：Eq.(19) 求和 → Eq.(20) Parseval（$\sum c_n^2=2\Gamma_{rms}^2$）→ Eq.(21) 招牌結果。
• $\mathcal{L}\propto\Gamma_{rms}^2/q_{max}^2\cdot S_i/\Delta\omega^2$；設計上加大 $q_{max}$、壓低 $\Gamma_{rms}$。
• $\mathcal{L}\approx\frac12 S_\phi$；$1/f^2$ 區每 decade 改善 20 dB。
• factor-of-2：時域乾淨版 $/(2\Delta\omega^2)$，[P1] Eq.(21) 是 $/(4\Delta\omega^2)$；差 2 來自 SSB 記帳， 不影響 scaling/斜率。
• canonical 例 B：單一白噪源 $\approx-148$ dBc/Hz @ 1 MHz（時域版 $-145$，差 3 dB）。

延伸閱讀

• 上游積分：convolution_derivation
• $\Gamma_{rms}$ 與 Parseval：rms_isf
• close-in 的 $1/f^3$：flicker_noise_upconversion
• 解開 $1/f^2$ 在 $\Delta f\to0$ 的假發散（近載波 Lorentzian、線寬 $D/\pi$）：lorentzian_linewidth
• 把 $\mathcal{L}$ 積回 jitter：numerical_feeling
• 模擬驗證：lab_06