KNOWECON WIKI

ARTICLE

瑞利分布

瑞利分布 (Rayleigh Distribution) 瑞利分布（Rayleigh distribution）是一種以英國物理學家瑞利勳爵（Lord Rayleigh, 1842–1919）命名的連續機率分布。它在通訊工程、訊號處理、雷達系統、聲學、海洋學以及物理學等多個領域中具有廣泛的應用。瑞利分布通常用來描述一個隨機向量的模長（即歐幾里得範數）的統計行

浏览 0 更新 2025-10-26

瑞利分布 (Rayleigh Distribution)

瑞利分布（Rayleigh distribution）是一種以英國物理學家瑞利勳爵（Lord Rayleigh, 1842–1919）命名的連續機率分布。它在通訊工程、訊號處理、雷達系統、聲學、海洋學以及物理學等多個領域中具有廣泛的應用。瑞利分布通常用來描述一個隨機向量的模長（即歐幾里得範數）的統計行為，該向量的兩個分量是獨立且同分布的常態分布隨機變數，且均值為零、方差相等。

定義與基本形式

設 X X 和 Y Y 是兩個相互獨立、服從常態分布 N(0,σ2) \mathcal{N}(0, \sigma^2) 的隨機變數。則隨機變數 R=X2+Y2 R = \sqrt{X^2 + Y^2} 服從參數為 σ \sigma 的瑞利分布。其機率密度函數（PDF）為：

f(r;σ)=rσ2e−r22σ2,r≥0,f(r; \sigma) = \frac{r}{\sigma^2} e^{-\frac{r^2}{2\sigma^2}}, \quad r \geq 0,

其中 σ>0 \sigma > 0 是尺度參數。累積分布函數（CDF）具有簡單的封閉形式：

F(r;σ)=1−e−r22σ2,r≥0.F(r; \sigma) = 1 - e^{-\frac{r^2}{2\sigma^2}}, \quad r \geq 0.

由此可以方便地計算出該分布的各階分位數——中位數即為 σ2ln⁡2 \sigma\sqrt{2\ln 2} 。

主要數字特徵

瑞利分布的數字特徵完全由尺度參數 σ \sigma 決定，具體如下：

  • 期望值：E[R]=σπ2≈1.2533σ \mathbb{E}[R] = \sigma \sqrt{\frac{\pi}{2}} \approx 1.2533\sigma 。這一結果表明均值與 σ \sigma 呈線性關係，比例常數約為 1.253。
  • 方差：Var⁡(R)=(2−π2)σ2≈0.4292σ2 \operatorname{Var}(R) = \left(2 - \frac{\pi}{2}\right)\sigma^2 \approx 0.4292\sigma^2 。方差的數值小於 σ2 \sigma^2 ，反映出分布集中在眾數附近的特性。
  • 眾數：Mode(R)=σ \text{Mode}(R) = \sigma ，這是機率密度函數取最大值的位置。
  • 中位數：Median(R)=σ2ln⁡2≈1.1774σ \text{Median}(R) = \sigma \sqrt{2 \ln 2} \approx 1.1774\sigma ，它略小於均值，反映出分布的右偏特性。

瑞利分布的偏度係數和峰度係數均為常數，不依賴於參數 σ \sigma 。具體而言，偏度為 2π(π−3)(4−π)3/2≈0.6311 \frac{2\sqrt{\pi}(\pi-3)}{(4-\pi)^{3/2}} \approx 0.6311 ，表明分布呈輕微右偏——即分布的尾部向右延伸，使得均值大於中位數；峰度約為 3.245，略高於常態分布的峰度值 3，意味著分布的尾部比常態分布稍厚，極端值出現的機率略高。

與其他分布的關係

瑞利分布與多種常見機率分布存在深刻的數學關聯，這些關係在理論分析和應用中極為重要。

首先，若隨機變數 R R 服從瑞利分布 Rayleigh(σ) \text{Rayleigh}(\sigma) ，則其平方 R2 R^2 服從指數分布：R2∼Exponential(12σ2) R^2 \sim \text{Exponential}\left(\frac{1}{2\sigma^2}\right) ，其均值為 2σ2 2\sigma^2 。這一性質使得從瑞利樣本中估計 σ \sigma 變得非常便捷——樣本二階矩的一半即為 σ2 \sigma^2 的無偏估計量。

其次，若 X1,X2,…,Xn X_1, X_2, \dots, X_n 是獨立同分布的常態隨機變數 N(0,σ2) \mathcal{N}(0, \sigma^2) ，則 ∑i=1nXi2 \sqrt{\sum_{i=1}^n X_i^2} 服從廣義瑞利分布，即卡分布（χ \chi 分布）。當 n=2 n = 2 時即為標準的瑞利分布；當 n=3 n = 3 時則為麥克斯韋-玻爾茲曼分布（Maxwell–Boltzmann distribution），用於描述理想氣體分子的速率分布；當 n=1 n = 1 時為摺疊常態分布（folded normal distribution）的一個特例。

此外，瑞利分布是萊斯分布（Rice distribution）的一種極端特殊情況。萊斯分布用於描述存在直視路徑（line-of-sight, LOS）時的訊號包絡分布，其參數中包含一個表示直視信號強度的因子。當該因子為零時，萊斯分布退化為瑞利分布——這正是無線通訊中非直視路徑環境的典型特徵。

在無線通訊中的應用

瑞利分布在無線通訊領域中最為經典的應用是描述瑞利衰落（Rayleigh fading）。在都市環境中，發射機與接收機之間通常不存在直視路徑，無線電波經由建築物、山脈和樹木等障礙物的反射、散射和繞射到達接收端。這些多路徑分量相互疊加，使接收信號的幅度隨時間和空間呈現隨機波動——當各路徑分量幅度服從常態分布、相位服從均勻分布時，合成訊號的包絡遵循瑞利分布。

瑞利衰落通道的建模對行動通訊系統的設計至關重要。通訊工程師利用瑞利分布的統計特性來計算誤碼率（Bit Error Rate, BER）、中斷機率（Outage Probability）以及通道容量等關鍵性能指標。例如，在瑞利衰落通道中，二元相移鍵控（BPSK）的平均誤碼率為 12(1−γ1+γ) \frac{1}{2}\left(1 - \sqrt{\frac{\gamma}{1+\gamma}}\right) ，其中 γ \gamma 為平均信噪比。

其他領域的應用

在雷達系統中，瑞利分布被廣泛用於描述雜波（clutter）的回波幅度——即由海面、地面或氣象目標產生的非目標回波。特別是在海面雷達和氣象雷達中，瑞利分布為目標檢測提供了一合理的虛警率計算基礎。

在海洋學中，海浪波高（wave height）的長期統計分布可用瑞利分布近似描述。當海浪的頻譜較窄時，波高的峰值服從瑞利分布，這一結果為海洋工程中的極值分析提供了理論依據。

在聲學領域，瑞利分布被用於建模房間內聲壓幅度的空間分布。在擴散場（diffuse field）條件下，某一位置的聲壓幅度服從瑞利分布，這一結果源自多個不相關的聲波疊加後的統計效應。該性質為室內聲學測量、噪音控制以及音樂廳聲場設計提供了重要的統計框架。

參數估計

給定一組獨立同分布的樣本 r1,r2,…,rn r_1, r_2, \dots, r_n ，參數 σ \sigma 的最大概似估計量可從對數概似函數推導得到。概似函數為 ∏i=1nriσ2e−ri2/(2σ2) \prod_{i=1}^n \frac{r_i}{\sigma^2} e^{-r_i^2/(2\sigma^2)} ，取對數後對 σ \sigma 求偏導並令其為零，得到：

σ^MLE=12n∑i=1nri2.\hat{\sigma}_{\text{MLE}} = \sqrt{\frac{1}{2n} \sum_{i=1}^n r_i^2}.

該估計量是 σ2 \sigma^2 的無偏估計直接後經平方根變換的結果，在大樣本下具有一致性與漸近常態性。其漸近方差為 σ22n \frac{\sigma^2}{2n} ，可用於建構信賴區間。

小結

瑞利分布作為一種描述隨機向量模長的基礎分布，在工程與科學中扮演著重要角色。其數學形式簡潔——僅依賴於單一尺度參數 σ \sigma ——卻能描述從無線通訊衰落通道到海洋波浪波高等多種自然現象。它與常態分布、指數分布以及萊斯分布之間的深層聯繫，使其不僅是理論分析中的基本工具，也是實際應用的核心模型。無論是行動通訊系統的鏈路預算設計，還是雷達目標檢測的閾值分析，瑞利分布都提供了不可或缺的統計基礎。