随机信号（Random Signal）是指在时间或空间上，信号的取值是不可预测的，或者说是由随机过程所生成的信号。随机信号广泛存在于自然界中，例如大气噪声、电磁干扰、地震波等都可以被视为随机信号。
随机信号的特点：
**①不可预测性：**随机信号的未来取值无法通过确定性规律准确预测，只能通过统计特性来描述和估计。
**②统计特性描述：**由于随机信号的瞬时值难以预测，因此我们通常通过统计特性，如均值、方差、自相关函数、功率谱密度等来描述随机信号的行为。
均值（Mean）：表示信号的平均值。如果信号的均值随时间变化，则称其为非平稳信号。
方差（Variance）：表示信号波动的强度，反映信号的能量分布情况。
自相关函数（Autocorrelation Function）：描述信号在不同时刻之间的相关性，用于分析信号的 内在结构。
功率谱密度（Power Spectral Density, PSD）：表示信号在各个频率上的功率分布，反映信号的频谱特性。
随机信号可以按照不同的标准进行分类，主要包括以下几种：
1、按频谱特性分类
窄带随机信号：信号的能量主要集中在某个窄频带内，功率谱密度在该频带外非常低或为零。窄带随机信号常用于通信系统的分析与设计。
宽带随机信号：信号的能量分布在一个较宽的频带内，功率谱密度在整个频带内相对均匀或具有一定的变化。
2、按时间特性分类
平稳随机信号：信号的统计特性（如均值、方差、自相关函数）不随时间变化。平稳信号在分析和处理上比较简单，可以利用时间不变的统计特性。
非平稳随机信号：信号的统计特性随时间变化。这类信号在时间域内表现出不均匀的特性，需要使用时变的分析方法。
3、按振幅分布分类
高斯随机信号：信号的幅度服从正态（高斯）分布。这是最常见的一类随机信号，许多物理现象可以近似地用高斯分布来描述。
非高斯随机信号：信号的幅度不服从正态分布，可能呈现其他类型的分布，如均匀分布、指数分布等。
4、按功率谱密度形状分类
白噪声：一种理想化的随机信号，其功率谱密度在所有频率上都相等，通常用来模拟不可预测的背景噪声。
色噪声：功率谱密度在不同频率上不相等的随机信号，如粉红噪声（1/f噪声）、棕噪声（1/f²噪声）等。