如需转载，请尊重原创谢谢～～～

例行吐槽一下，大学时的通信原理和数字信号老师简直就是 ...，只会手抄公式，就是不会说人话

用人话描述高斯白噪声

【高斯】是时域上的描述方式，这么说可能不大明白，请看下面的一个例子。

xx大学校长的小姨子承包了学校食堂的一个窗口，需要象征性的给点租金，假如一个月给个固定金额5万，校长的小姨子不同意，万一我这给月学生来吃的少我只卖了4万，这不还赔钱么，校长的小情人也不满意，如果你这个月卖了100万，特么才给4万，我不亏大发了吗？
由于每个学生在食堂的消费不固定，而且不一定每个学生天天在食堂吃，所以 食堂第二天挣得钱和第一天挣得钱是没有规律可循的，也不能根据某一天挣得钱很准确的推算出每天挣的钱多少。但是有一点可以确定的是第一天和第二天食堂挣的钱差别不大，如果统计的天数越多，发现食堂每天的收入大体在一个数A上下来回波动，越偏离A这个中间值的日子越少，这就是数学上说的正态分布。

题外话：故事的后续是食堂只能刷卡消费，校长的小情人每顿饭拿固定的提成，这样小姨子每个月拿的租金肯定也不会超过收入，小情人也不会因为小姨子某个月挣了很多而自己拿到很少而苦恼

【白】 白其实是频域的的描述方式，那么白又是个什么玩意？为什么不是黑呢？ 我们都知道 白光是由赤橙黄绿青蓝紫其中颜色组成，颜色说白了就是频率，可见白并不是很单纯，白的内心有这么多花花绿绿的东西啊，而噪声也不纯，大自然中的噪声种类也是很多很多啊，包括狗叫 发动机声音 放屁 等等～～～。所以就用了白。如果不讲人话，就是频率成分丰富，在一个较长的观测时间内每个频率点的强度其实是差不多的，噪声的功率谱密码近乎一条直线

大自然中的噪声源很多，就算每个噪声源的强度大小不一，但是在某一时刻整个大自然的噪声强度总和跟校长小姨子的收入差不多是符合正态分布的（不能推算下一刻噪声强度的大小，只能有一个大概的预期）

在通信领域，检验信号接收器的一个好坏标准就是看设备在高斯白噪声的干扰下能不能达标，如果在一定强度的高斯白噪声下都能达标，那在同样强度的其它噪声干扰下就更能达标了。

高斯白噪声算是对在自然界噪声的一个最合理最好的模拟了吧。这也是为啥在大部分的机器学习中去燥都爱用高斯白噪声的原因