1. 高斯白噪声：
根据概率论的极限中心定理，大量相互均匀的、独立的微小随机变量的总和趋于高斯分布。对于平稳的高斯过程，由于其平稳性，他的数学期望和方差都是与时间无关的常数
如果噪声n(t)的功率谱密度在的整个频率范围内都是均匀分布的，就称为白噪声。不符合该条件的就称为有色噪声。白噪声只是一种理想化的模型，实际上噪声的功率谱密度不能可能有无限的带宽。
一般来说，只要噪声的功率谱密度的宽度远大于它所作用的系统的带宽，并且在系统带宽内，它的功率谱密度基本上是常数，这样的噪声可以作为白噪声处理。
高斯噪声是指它的统计特性服从高斯分布，白噪声是指它的功率谱密度是均匀分布的。
通常情况下，把服从高斯分布而且功率谱密度均匀分布的噪声称为高斯白噪声。
2. 加性高斯白噪声
把服从高斯分布而且功率谱密度均匀分布的噪声称为高斯白噪声，在信号的传输中，高斯白噪声与信号是叠加的关系，所以这种噪声也成为加性高斯白噪声（AWGN）
3. 平稳随机过程
设是随机过程的随机变量，它们是在时刻所选取的样本，样本的取值分别用表示.如果对在时刻取样，得到一组新的随机变量。由此可知，平稳随机过程的统计特性不随时间的推移而改变。
在实际语音信号处理过程中，得到的数据是在有限的时间范围内的有限次快拍，在这段时间内假定空间源信号的方向不发生变化，这样就可以定义阵列输出信号的协方差矩阵.
并且引入的是加性高斯白噪声 .
4. 随机变量的几个数字特征
（1） 数学期望
概率分布函数：
概率密度函数：
（2） 方差
（3） 协方差：
5. 各态历经性
许多平稳随机过程具有一个很重要的性质：它的各个统计平均值等于它的任何一个样本的相应时间平均值。也就是有以下性质：
具有上述性质的平稳随机过程称为：具有各态历经性的随机过程。对它的任何一个样本函数取时间平均值就相当于同时对所有的样本函数取统计平均。这样给分析和测量带来很大方便。
6. 高斯随机过程
高斯过程又称为正态随机过程。
1）.高斯过程通过线性系统或高斯过程的线性组合仍为高斯型。
2）.如果高斯过程是广义平稳的，则等价于平稳。
3）.如果高斯过程的时间进程中两个不同时刻的随机变量不相关，则等价于统计独立。
7. 主动声源和被动声源定位
目标定位分为主动定位和被动定位。雷达和主动声纳是主动定位的典型例子。雷达和主动声纳发出电磁波或者声波搜寻目标，当这些信号遇到目标之后，其中的一部分返回到雷达或者声纳的接收系统。
被动声源是根据声纳系统接收到的目标信号，确定目标信源的准确位置。