什麼是白噪音？完整聲音指南

從訊號處理的角度定義白噪音

在我於 WhiteNoise.top 開發音訊工具的經驗中，沒有哪個概念比白噪音本身更常被提及，然而大多數人對它實際上是什麼只有模糊的認識。白噪音是一種隨機訊號，其功率頻譜密度在整個頻率範圍內是平坦的。實際上，從最低沉的低音隆隆聲到最尖銳的高音嘶嘶聲，每個頻率在單位頻寬內攜帶相同的能量。這個名稱借用了光學的概念：正如白光包含所有可見波長且強度大致相等，白噪音包含所有可聽頻率且功率相等。

從數學角度來看，真正的白噪音訊號具有無限頻寬和無限總功率，這在物理上是不可能的。我們在數位音訊中使用的是頻寬有限的白噪音，限制在系統的取樣率範圍內。對於標準的 44.1 kHz 取樣率，噪音從 0 Hz 延伸到奈奎斯特極限的 22.05 kHz。在該範圍內，每個窄頻帶貢獻相同的能量。這種平坦的頻譜形狀使白噪音成為聲學和音訊工程中極其有用的參考訊號。

當我最初開始建構噪音產生器時，我驚訝於人們多常把白噪音與單純的靜電雜音或嘶嘶聲混淆。雖然這些聲音在感知上可能有相似之處，但它們並不總是頻譜平坦的。例如，電視靜電雜音包含解調過程中的偽影，使其頻譜不均勻。真正的白噪音是由其統計特性定義的，而非由一般聽眾所感受到的聲音來定義。

頻率分佈與平坦頻譜

白噪音的決定性特徵是其平坦的功率頻譜密度，通常縮寫為 PSD。如果你將白噪音訊號輸入頻譜分析儀，你應該會看到沿頻率軸大致水平的一條線。從 20 Hz 到 20 kHz 的每一赫茲寬的頻帶所攜帶的功率與任何其他一赫茲寬的頻帶相同。這有時被稱為「每赫茲等能量」。

在我的測試中，現實世界的產生器從來不會產生完美平坦的線。類比電路中的元件公差和數位系統中的量化效應會引入微小偏差。設計良好的產生器將這些偏差保持在可聽範圍內正負一分貝以內，這對大多數應用來說綽綽有餘。當我對我們的 Web Audio API 產生器進行基準測試時，我會擷取 30 秒的樣本，使用 16384 點的快速傅立葉變換，並對結果的幅度區間取平均值。目標是從直流到奈奎斯特的偏差小於 0.5 dB。

一個常讓人措手不及的微妙之處是「每赫茲等能量」和「每八度等能量」之間的差異。因為每個連續的八度跨越的赫茲數是其下方八度的兩倍，白噪音在較高的八度中實際上具有更多的總能量。從 10 kHz 到 20 kHz 的八度包含一萬赫茲，而從 500 Hz 到 1 kHz 的八度只包含五百赫茲。這就是為什麼白噪音聽起來比很多人預期的更明亮、更嘶嘶的原因。感知到的明亮度不是訊號的缺陷；它是平坦的每赫茲頻譜與人類音高感知的對數特性交互作用的直接結果。

白噪音與靜音和環境聲的差異

將噪音與靜音進行比較可能看起來很奇怪，但在聲學中，兩者位於一個非常重要的頻譜的兩端。理想化的靜音在所有頻率上不攜帶任何聲能。白噪音在所有頻率上攜帶等量的能量。環境聲介於兩者之間，能量不均勻地集中在不同的頻率上，取決於所處的環境。

在我為使用者分析房間聲學的工作中，我已在數十個環境中測量了環境聲。典型的開放式辦公室的噪音底層以暖通空調系統的低頻能量為主，偶爾有語音的中頻峰值。夜間安靜的臥室可能會顯示由遠處交通和建築物振動引起的低頻隆起，而 2 kHz 以上的能量很少。這些頻譜都不是平坦的；它們由存在的聲源和房間的傳遞函數所塑造。

白噪音之所以與眾不同，在於它是寬頻且統計穩態的。寬頻意味著它佔據整個可聽範圍，而不是集中在某些頻率周圍。穩態意味著其統計特性不會隨時間改變：均值為零，變異數恆定，訊號的任何片段在統計上與相同長度的任何其他片段相同。這兩個特性共同使白噪音成為測試音訊設備、測量房間脈衝響應和校準音響系統的寶貴工具。

從感知的角度來看，靜音使環境中的每一個小聲音都變得引人注目。滴水的水龍頭或滴答作響的時鐘在安靜的房間裡可以佔據你的注意力。白噪音透過均勻地填充可聽頻譜，提高了整體背景水準，使小的瞬態聲音變得不那麼容易被感知。這就是聲音遮蔽的基本原理，我將在本網站的其他文章中討論。

白噪音的頻譜分析技術

如果你想驗證一個噪音訊號是否真的是白色的，你需要頻譜分析。最常見的方法是快速傅立葉變換（FFT），它將時域訊號分解為其組成頻率。在我的工具鏈中，我通常使用 16384 點的 FFT，對每個幀應用漢恩窗函數，然後對數百個幀取平均以平滑結果。平均頻譜應在測量頻寬內呈現平坦。

另一個有用的技術是三分之一八度頻帶分析。這種方法將頻譜分成每個寬度為一個八度的三分之一的頻帶，模仿人耳對頻率分組的方式。對於白噪音，隨著頻率升高，每個三分之一八度頻帶中的能量大約增加一分貝。這是因為每個頻帶跨越的赫茲範圍逐漸增加。如果你在三分之一八度分析中看到大約每八度 3 dB 的上升趨勢，這就確認了平坦的每赫茲頻譜。

自相關是另一個驗證工具。根據定義，白噪音在所有非零延遲處的自相關為零。在實際操作中，有限長度的樣本會顯示微小的殘餘相關性，但這些在統計上應該是不顯著的。我經常計算所產生樣本的自相關函數，並檢查所有超過延遲零的值是否落在真正隨機過程的 95% 信心區間內。這有助於捕捉可能在偽隨機數產生器中引入週期性模式的微妙錯誤。

波峰因子定義為峰值振幅與均方根振幅的比值，是我追蹤的另一個指標。對於高斯白噪音，理論上的波峰因子是無界的，但在實際操作中，數位樣本被限制在可用的位元深度內。16 位元白噪音訊號通常顯示 10 到 14 dB 之間的波峰因子，取決於樣本的長度。異常低的波峰因子可能表明產生器沒有產生正確的高斯分佈。

音訊工程中的實際應用

白噪音是音訊測試訊號中的瑞士軍刀。在我的日常工作中，我將它用於揚聲器和耳機的頻率響應測量、房間聲學分析和等化校準。透過揚聲器播放白噪音並用校準過的測量麥克風錄製，你可以推導出揚聲器、房間和麥克風的綜合頻率響應。偏離平坦頻譜的部分揭示了共振、零點和其他聲學異常。

音響系統設計師使用白噪音在現場場館設定等化。透過 PA 系統輸入粉紅噪音（由白噪音施加每八度負 3 分貝的濾波器推導而來），並在觀眾區域的多個位置進行測量，工程師可以調整圖形或參數等化器，以補償房間模態和揚聲器指向性模式。白噪音是產生粉紅噪音和其他濾波變體的起點。

在產品開發中，我依靠白噪音來壓力測試我們的產生器。一個好的噪音產生器必須產生通過嚴格的隨機性和頻譜平坦度統計測試的訊號。我對原始樣本值執行 Diehard 隨機性測試電池組，並使用前面描述的方法驗證頻譜平坦度。在這個階段的任何異常都會傳播到我們提供的每一種噪音變體中，因此白噪音源的品質控制至關重要。

白噪音在聲學隱私系統中也扮演著重要角色。開放式辦公室和商業大樓使用透過安裝在天花板上的揚聲器發出的白噪音或經過塑形的噪音來提高環境噪音底層，降低遠處對話的可理解度。目標不是要大聲，而是要一致和寬頻，填補讓語音在開放空間中傳播的頻譜間隙。

關於白噪音的常見誤解

根據我與使用者互動的經驗，有幾個誤解反覆出現。第一個是白噪音總是很大聲。實際上，白噪音可以在任何振幅下產生，從勉強可聽到不舒適地大聲。決定性特徵是頻譜形狀，而非音量。

第二個誤解是所有嘶嘶聲都算是白噪音。例如，磁帶嘶嘶聲由於錄音介質的磁性特性而在高頻處衰減，使其更類似於粉紅噪音而非白噪音。調頻廣播電台之間的靜電雜音包含解調電路的偽影，會產生頻譜峰值和谷值。只有經過驗證具有平坦功率頻譜密度的訊號才配得上「白噪音」這個名稱。

第三個誤解是數位白噪音無論取樣率如何聽起來都一樣。在我的測試中，以 44.1 kHz 產生並以 44.1 kHz 播放的白噪音，聽起來與以 96 kHz 產生並以 96 kHz 播放的噪音明顯不同，因為後者延伸到 48 kHz，遠超人類聽力的極限。然而，擴展的頻寬可能影響下游處理的行為，例如插件中的非線性失真或混疊。即使在處理噪音時，為你的應用選擇正確的取樣率也很重要。

最後，一些使用者認為白噪音本質上令人不快。雖然平坦頻譜噪音的明亮、嘶嘶特性並不是每個人的口味，但這是主觀偏好，而非固有缺陷。許多人發現強調較低頻率的粉紅或棕噪音在長時間聆聽時更加舒適。在我們的平台上，我們提供所有三種變體，讓使用者可以選擇最適合自己的頻譜特性。