零均值复白噪声过程具有均匀的相位分布。对于 I 和 Q（实部和虚部）分量为零均值、独立且同分布的任何复杂噪声过程，都会出现均匀的相位分布。

无线电接收器在没有其他特定干扰的情况下接收信号的常见热噪声本底通常由零均值复白噪声高斯分布很好地近似；表示 I（实部）和 Q（虚部）上的白噪声高斯分布，这两者相互独立。如果您认为任何给定样本的实值和虚值彼此没有关系并且因此也是独立的，那么这是有道理的。在 I 和 Q 具有独立且同分布的随机过程的限制内，任何样本的实际相位与任何其他相位的可能性相同，因此是均匀分布的（无论系统是白噪声还是带限）。

复杂的量化噪声（在实践中使用两个真正的 A/D 转换器；一个用于 I 通道，另一个用于 Q 通道）也可以通过白噪声过程很好地近似，在这种情况下，相位如上所述均匀分布，但不像在上面给出的热噪声示例中，有符号幅度近似为高斯分布，量化噪声的幅度也在量化级别上均匀分布。

有许多影响形成信号分布。使用关键字“信号相位均匀分布”搜索时会弹出大量参考资料，其中许多是关于通信信道效应的——大部分是关于信道中的瑞利衰落。我认为通道脉冲响应是您在问题中提到的一些讨论的主题。因为高斯过程本身的相位分布在多本教科书和教学课程中进行了分析，所以我将考虑信道脉冲响应的贡献——特别是它可以导致均匀相位分布的场景。

无线信道的脉冲响应是由传输介质形成的。信道响应的三个关键组成部分是路径损耗、阴影和多路径。多径传播和遮蔽会导致衰落。与一般随机过程如何属于广义平稳类型类似，通道的脉冲响应通常可以用广义平稳不相关散射模型来描述。

在 WSSUS 中，如果唯一的传播路径（通常是视距路径）对其他路径（这是瑞利衰落场景）没有主要贡献，则信道脉冲响应 (CIR) 减少到时间-变体复信道系数，它是所有组成路径的总和

$$c(t) = \sum_i{a_i \exp(j\phi _i (t))}$$

对于通道系数的正交分量，即 iid 高斯分布变量，概率密度函数可以以封闭形式计算

$$p(r) = {\frac {r} {\sigma^2}} \exp\left(-{\frac {r^2} {2\sigma^2}}\right) \\ p(\phi) = {\frac {1} {2\pi}}$$

如果与来自其他传播路径的复高斯分量相比，视距传播路径的贡献很大（Rician 衰落场景），则该贡献在 CIR

$$c(t) = a_0 + \sum_i{a_i \exp(j\phi _i (t))}$$

经过一些繁琐的计算，对于 Rician 震级 pdf，可以得出 其中是第一类修正贝塞尔函数。我在多个来源中找到了这个公式，并且我自己也在一定程度上追踪了这个推导。的公式取决于（非均匀分布），非常复杂，我不确定它是否以封闭形式存在。不过，使用 MATLAB 的 Communications Toolbox，您可以实现 Rician 衰落通道对象，以对无线通信中的真实现象进行建模。

$$p(r) = {\frac {r} {\sigma^2}} \exp{\left(-{\frac {r^2 + a_0^2} {2\sigma^2}}\right)} I_0\left({\frac {r·a_0} {\sigma^2}}\right)$$ $I_0(·)$$p(\phi)$$\phi$

对于瑞利衰落场景，CIR 相位分布是均匀的，而对于 Rician 衰落场景，CIR 相位分布是不均匀的。我强调这些公式本身并没有描述从多径通信信道接收到的信号的相位分布：接收到的信号是 CIR 和源信号的卷积。

您了解到 AWGN 信号的相位分布是均匀的，而 WSS 信号的推导是微不足道的。现在，WSSUS 衰落信道的 CIR 分析是一个热门话题，并且有一个值得研究的领域。所以你在学习上走在正确的轨道上。