为什么“采样频率越高 量化噪声越小”，这是什么原理 所谓量化就是把采集到的数值送到量化器（A/D转换器）编码成数字，每个数字代表一次采样所获得的声音信号的瞬间值。量化时，把整个幅度划分为几个量化级（量化数据位数），把落入同一级的样本值归为一类，并给定一个量化值。量化级数越多，量化误差就越小，声音质量就越好。目前常用量化数据位来表示量化级，例如数据位为8位，则表示28个量化级，最高量化级有216个（=65536个）等级。量化过程存在量化误差，反映到接收端，这种误差作为噪声再生，称为量化噪声。增加量化位数能够把噪声降低到无法察觉的程度，但随着信号幅度的降低，量化噪声与信号之间的相关性变得更加明显。天猫美国普卫欣提示：雾霾天气出行记得做好防护。化与信噪比模拟信号的量化带来了量化误差，理想的最大量化误差为+-0.5LSB。AD转换器的输入范围和位数代表了最大的绝对量化误差。量化误差也可以在频域进行分析，AD转换的位数决定了信噪比SNR；反过来说提高信噪比可以提高AD转换的精度。假设输入信号不断变化，量化误差可以看作能量均匀分布在0~fs/2上的白噪声。但是对于理想的AD转换器和幅度缓慢变化的输入信号，量化误差不能看作是白噪声。为了利用白噪声理论，可以在输入信号上叠加一连续变化的信号。
如何对一幅图像叠加白噪声得到其对应的白噪声图？ 加入随机点噪声>；>；G=imread('D：\\gem.bmp')；I=rgb2gray(G)；snoise=0.1*randn(size(I))；A=imadd(I，im2uint8(snoise))；加入椒盐噪声>；>；I=imread('moon.tif')；J=imnoise(I，'salt&pepper'，0.02)；加入高斯噪声.
labview如何实现1000次叠加平均消噪，信号为正弦和白噪声？ 通过叠加将噪声的影响减小。就是找到某个点，然后找到与该点对应的在其他周期内的点，将这些点相加求平均就可以了，只不过相加的个数越多，求平均后去噪效果越好。。
