信息论与编码课程调研报告：连续AWGN信道中香农容量极限的数学推导与MATLAB仿真实现（P124302067 吴晨晨，P124302076 吕欣欣）
一、引言与信道数学模型
在现代信息论与通信系统设计中，加性高斯白噪声（AWGN）信道是最为经典的连续信道数学模型。根据香农第二定理，在信号功率与噪声功率均受限的条件下，单边功率谱密度为 N0、信道带宽为 W（单位为 Hz）的连续信道，其单位时间内的无差错传输容量速率上限 Ct 满足著名的香农公式：
Ct = W log2(1 + PS / PN)
其中，PS 为信号平均功率，PN = N0W 为噪声总功率。
在工程实践中，直观来看，带宽 W 作为对数项前的线性系数，其增大似乎能够无限制地拓宽信道马路的宽度。然而，由于白噪声在全频域内均匀分布，带宽的扩张势必导入更多的背景噪声功率（PN = N0 * W）。本报告旨在通过严格的数学极限推导，论证当系统带宽趋于无穷大（W→∞）时信道容量的收敛性，并探讨其对通信工程折中设计的启示。
二、连续信道容量的统计学基础
在给出核心极限证明前，首先梳理香农公式的前置统计学定义。设连续信源的输出信号为 X，其平均功率受限为 PS；信道叠加加性高斯白噪声 N，其方差为 σ2。
1. 微分熵基础
连续随机变量的微分熵定义为：
h(X) = -∫ p(x) log2 p(x) dx
对于均值为零、方差为 σ2 的高斯白噪声，其微分熵具有极值特性（在相同方差的连续分布中熵最大）：
h(N) = 0.5 * log2(2πeσ2)
2. 互信息与容量定义
由于 X 与 N 相互独立，接收端信号 Y = X + N 同样服从高斯分布，其总功率为 PS + σ2。信道的平均互信息可表示为接收信号熵与条件熵（噪声熵）的差值：
I(X;Y) = h(Y) - h(Y|X) = h(Y) - h(N)
I(X;Y) = 0.5 * log2[1 + PS / σ2]
根据奈奎斯特采样定理，带宽为 W 的信道每秒具有 2W 个相互独立的波形样值。因此，单位时间内的信道容量速率 Ct 为：
Ct = 2W * I(X;Y) = W * log2(1 + PS / PN) (单位：bit/s)
三、带宽极限状态下的香农容量收敛性证明（双重验证）
当 W 趋于无穷大时，原式中线性项 W 趋于无穷大，而对数真数项中的分式 PS / (N0 * W) 趋于 0，导致对数项 log2(1 + PS / (N0 * W)) 趋于 0。整体极限构成高等数学中典型的“无穷大乘以 0”型未定式。以下分别采用“重要极限换元法”与“级数展开法”进行独立证明，以确保理论的多元与严谨。
方法一：第二重要极限法（变量代换）
1. 引入无量纲中间变量
为了简化极限结构，定义一个能够反映信噪比倒数趋势的无量纲变量 x：
x = PS / (N0 * W)
显而易见，当信道带宽 W 趋于无穷大时，变量 x 趋于 0。由上式反解出带宽 W 关于 x 的表达式：
W = PS / (N0 * x)
2. 构建极限映射算式与算子分离
将 W 的反解关系式代入原容量速率极限中，利用对数函数的幂性质，将系数 1/x 移入对数内部作为指数。鉴于对数函数的连续性，可互换极限与对数符号的运算次序：
limW→∞ Ct = (PS / N0) * log2[ limx→0 (1 + x)1/x ]
3. 引入重要极限脱去算子
根据高等数学中关于自然常数 e 的第二重要极限定义式 limx→0 (1 + x)1/x = e，直接对真数部分的极限进行等价替换并换底：
C∞ = (PS / N0) * log2(e) = (1 / ln2) * (PS / N0) ≈ 1.44 * (PS / N0)
方法二：泰勒级数展开近似法
当 x 趋于 0 时，自然对数函数有如下展开式：ln(1 + x) ≈ x。利用换底公式将原香农公式改写为以自然对数 ln 为底的形式：
Ct = W * ln(1 + PS / (N0 * W)) / ln2
当 W 趋于无穷大时，PS / (N0 * W) 趋于 0，直接将其作为整体代入上述一阶泰勒近似中：
limW→∞ Ct = limW→∞ [ (W / ln2) * (PS / (N0 * W)) ] = PS / (N0 * ln2) ≈ 1.44 * (PS / N0)
双重方法交汇互证，完全确认了连续信道容量收敛上限的正确性。
四、终极物理极限：“-1.6 dB 香农限”的推导
在上述极限容量的基础上，我们可以进一步推导出有噪信道传输的绝对底线。假定通信系统工作在该极限边缘，即其实际信息传输速率 R 刚好逼近极限容量 C∞：
R = C∞ = PS / (N0 * ln2)
引入数字通信工程中衡量能量效率的核心指标——传输单个比特信息所需的能量 Eb。信号平均功率 PS 与 Eb 的转换关系为：
PS = Eb * R
将该关系式代入速率极限方程中：
R = (Eb * R) / (N0 * ln2)
两端同时消去传输速率 R，移项整理得到归一化信噪比 Eb / N0 的绝对值上限：
Eb / N0 = ln2 ≈ 0.6931
将其转换为通信工程中常用的分贝（dB）度量：
(Eb / N0)dB = 10 * log10(ln2) = 10 * log10(0.6931) ≈ -1.6 dB
该结果表明：-1.6 dB 是任何有噪连续信道中能够实现无差错通信的绝对热力学底线。只要系统的归一化信噪比低于该值，无论采用何种先进的信道编码，也绝对无法做到零误码传输。
五、MATLAB仿真实验与结果分析
为了验证上述理论推导的正确性，本节利用 MATLAB 工具搭建仿真平台。仿真将信号功率设定为 PS = 2.0 W，噪声谱密度设定为 N0 = 5e-5 W/Hz，并严格采用符合课程要求的符号变量 W 进行矩阵重构。
完整的 MATLAB 仿真脚本如下：
% 参数设置 Ps = 2.0; % 信号功率 (W) N0 = 5e-5; % 噪声功率谱密度 (W/Hz) W = logspace(1, 8, 1000); % 带宽范围：10 Hz 到 100 MHz % 计算香农容量 Ct = W .* log2(1 + Ps ./ (N0 .* W)); % 计算理论极限 C_inf = Ps / (N0 * log(2)); % 理论极限容量 (bit/s) % 绘图：容量 vs 带宽 figure(1); subplot(1,2,1); semilogx(W, Ct / 1e3, 'g-', 'LineWidth', 2); % 转换为 kbps hold on; yline(C_inf / 1e3, 'r--', 'LineWidth', 2); xlabel('信道带宽 W (Hz)'); ylabel('信道容量 C_t (kbps)'); title('信道容量随带宽变化'); legend('实际容量 C_t', '理论极限 C_\infty', 'Location', 'best'); grid on; % 绘图：容量 vs 信噪比 (SNR) SNR_dB = -10:0.5:30; SNR_linear = 10.^(SNR_dB / 10); Ct_SNR = log2(1 + SNR_linear); % 归一化容量 (bit/s/Hz) subplot(1,2,2); plot(SNR_dB, Ct_SNR, 'b-', 'LineWidth', 2); xlabel('信噪比 SNR (dB)'); ylabel('归一化容量 (bit/s/Hz)'); title('信道容量随信噪比变化'); grid on;仿真结果如下图所示：
仿真结果深度解读：
- 极限收敛验证：在左侧子图中，随着横轴信道带宽 W 的不断拉宽，绿色实际容量曲线没有无限制上扬，而是最终水平滑向红色的理论极限天花板 C∞ ≈ 57.7 kbps。这在 MATLAB 矩阵数值层面上直观证明了无线增大带宽会导致噪声总功率同步线性膨胀，从而扼杀容量增长的数学事实。
- 非线性增益区间：在右侧子图中，随着 SNR(dB) 的线性增长，信道容量呈现出对数级上升趋势。在低信噪比区间（SNR 小于 10 dB），通过增强发射功率来提升容量的边际收益极大；而在高信噪比区间，曲线坡度变缓，功率提升的性价比明显变低，此时在工程上转为“以带宽换功率”的体制（如扩频体制）更为科学。
六、核心工程启示与现代应用拓展
1. 多维资源的置换哲学（以带宽换功率）
根据推导式 SNR = 2(Ct/W) - 1，在信息量与时间恒定的前提下，可以通过拓宽频带 W 来降低对接收信噪比的要求。深空探测器在电池寿命受限、发射功率极低的极端环境下，依靠地面建立巨型接收天线捕获超宽频带信号，正是“以带宽换功率”的代表性应用。
2. 多天线技术对瓶颈的突破
现代 5G/6G 系统中广泛采用的大规模多天线（Massive MIMO）技术，其本质是在传统香农公式前引入了空间自由度矩阵的阶数 M。它打破了单一物理信道的带宽饱和诅咒，实现了信道容量的成倍跨越。
七、总结
本报告通过严格的数学推导与 MATLAB 仿真，系统论证了连续 AWGN 信道中香农容量在带宽趋于无穷大时的收敛性，并揭示了其背后的物理极限（-1.6 dB 香农限）。研究结果表明，单纯增加带宽无法无限提升信道容量，通信系统的设计需要在功率、带宽和复杂度等多维资源之间进行权衡。现代通信技术，如扩频和 Massive MIMO，正是基于这一深刻理解，通过资源置换和空间维度拓展来逼近香农极限，为未来高速、高可靠通信系统的发展提供了坚实的理论基础。