• 分类：公示信息
• 作者：
• 来源：
• 发布时间：2026-04-16 03:42:02
• 访问量：0

噪声无处不于，于出产糊口的各个方面中，于科研的旌旗灯号处置惩罚中，处处都有噪声的身影。施工现场呆板的轰鸣、集市上各类商贩的吆喝、交通要道上往来车辆的鸣笛声 这些噪声都是人们于糊口中 深恶痛绝 的对于象。然而，你是否想过，这类 噪声 是否真正老是一无可取的呢？

图1 夜间的噪声会打搅人们歇息，但早上的噪声或许能阐扬踊跃作用。

以交通噪声为例，人们千方百计降低交通噪声以掩护身心康健。然而，若你于一个不小心睡过的早上，昏黄之间听到了窗外的车流声，跟着声音愈来愈清楚，你必然会猛然从睡梦中惊醒：时间不早了，再不起床就要迟到了！作为交通噪声的来历之一，传统燃油车的策动机声音对于在车主而言也凡是被视作一种噪声，怎样降低策动机的声音也是车企的持久研发方针之一。然而，于电动车逐渐普和的今天，电车低速行驶时险些没有声音的特色却不测孕育发生了新的安全隐患，即行人因为听不到电车的 噪声 而没法做到和时避让。一个常见的做法就是插手模仿声等提醒音，来使患上行人留意到驶过的电车。电钻声音作为修建噪声也是糊口中的常见噪声，然而电钻于木头、金属等差别材质上声音的区分，却也包罗了施工信息，这告诉了咱们，有些噪声与旌旗灯号及信息是同源的。从这些场景来看，咱们发明有些 噪声 于适量的时辰是能阐扬踊跃作用的。

于工程科学中，各类 噪声 险些不成防止，早已经经成为科研职员不停测验考试解决的庞大困扰。咱们知道，噪声的来历往往是多元的，譬如因为仪器精度不足致使的仪器偏差、报酬操作中的掉误致使的误差、极度情况等外界滋扰致使的信息掉真等，是以噪声带来的影响一样十分广泛，例如医学超声图象中因为相关声波的路径差异会不成防止地致使雀斑噪声，遥感图象成像中会由于非凡情况孕育发生难以预料的噪声。

及一样平常糊口中同样，过往的研究事情中的一个商定俗成的假定就是噪声对于方针使命起负面作用，为此有年夜量的事情试图将噪声含量尽可能地降到最低。近期，西北工业年夜学光电与智能研究院（iOPEN）的李学龙传授于多年的科研中经由过程不雅察验证，对于这一假定提出了疑难：噪声真的老是有害的吗？正如电钻于木头及金属等差别材质上发出的差别噪声。于图2所示的使用人工智能算法对于图象举行分类的体系，于对于图象插手适当的噪声时，辨认正确率不降反增，总体上图象分类正确率随图象含噪率的变年夜 先增后减 。

图2 图象辨认正确率随图象噪声强度的增年夜而 反直觉 地出现出 先增后减 的瓜葛

李学龙传授对于这一问题举行了深切思索及体系地阐发验证，归纳总结出了致使这一反直觉征象的焦点缘故原由有二：一是 使命 的变化，使命不仅包括了使命的自己，还有有履行使命的人的先验常识；二是 噪声量 的几多。仍以交通噪声为例，绝年夜大都环境下，假如人们体贴除了车流声外的声音信息，则此时车流声音变为无用噪声；可是，假如将 判定时间起床 等 使命 视作一个与时间相干的语音辨认使命，那末车流噪声的强弱则可以或许从必然水平上提供时间信息，进而帮忙简化该使命。需要夸大的是，若这类噪声强度或者含量太高，那末噪声就会 鹊巢鸠占 ，即会致使语音辨认使命中的主体声旌旗灯号被年夜量讳饰，严峻拦阻原有的使命。这也就是咱们仍称这类旌旗灯号份量为 噪声 的缘故原由。

以噪声是否可以或许简化或者提高方针使命为划分尺度，噪声可以被分为 正激励噪声 （Positive-incentive Noise, Pi/ -Noise）及 纯噪声 。正激励噪声就是咱们提到的那些凡是被纰漏却又实则能起到正面作用的随机噪声；而被认为是 纯噪声 的部门，才是传统研究中假定的真正无用的、有害的噪声。

正激励噪声这一征象开导了咱们从头审阅对于噪声的处置惩罚方式，这一思绪可以用在旌旗灯号处置惩罚、人工智能、渡水光学等多个范畴，也是临地安防的主要理论基础之一。譬如，于跨域遥感的方针检测中，传统认知里凡是认为配景是需要剔除了的 噪声 ，圈定方针的外围框就应该越小越好；然而正激励噪声开导咱们，于适合的场景下，使用部门配景反而可以实现更为精准的检测：好比咱们想于遥感图象中检测出飞机等方针，于这个场景下，飞机都酿成了相对于较小的方针，而飞机周围常常呈现的配景（如跑道、停机坪）则可以或许于此次场景下帮忙提高检测率（见图3）。就是说，不要把圈定飞机的框画患上太靠近飞机，而是适量年夜一些，包括进来一些飞机阁下的场景，反而能让飞机辨认患上更好，由于外围的场景中包罗了一些与飞机这个方针有语义联系关系的内容，例如跑道。不外，仍需要留意的是，过量地引入配景信息显然也会影响检测效果。

图3 于传统方针检测中，一般认为检测框越小越好；然而于检测飞机时，适度扩展检测框引入跑道、停机坪等配景信息可以或许提高检测效果

正激励噪声（Positive-incentive Noise, Pi/ -Noise）结果[1]发表于IEEE Transactions on Neural Networks and Learning Systems。论文中，李学龙传授起首提出要对于特定使命界说 使命熵 （Task Entropy） ，进而就能够计较肆意随机噪声与使命之间的 互信息 （Mutual Information）。互信息是信息论顶用来器量两个随机变量 共有信息 的指标，于肆意环境下，互信息总为非负值。于论文中，李学龙传授指出，若互信息非0，则象征着噪声可以 简化 使命，即

此时，便称此噪声为正激励噪声。反之，当互信息等在0时，噪声对于在使命来说无心义；换而言之，若已经知噪声，使命的繁杂度不会被降低，则称此类噪声为纯噪声。论文还有经由过程提高互信息的 激活阈值 ，界说了 强正激励噪声 。

上述界说的焦点就于在怎样计较使命熵，即怎样找到使命对于应的 使命几率漫衍 。论文针对于几种常见的使命给出了示例：如于常见的单方针分类使命中，数据集由数据样本调集及标签调集构成，可以将数据集的获取看做是从某一真实漫衍中采样而来的；此时，漫衍暗示 已经有数据样本（如图象）被付与差别标签的几率 ，它的熵可是以权衡 此数据集上单标签分类使命的不确定性/难度 。此外，李学龙传授还有于论文中对于随机共振、匹敌练习、多使命进修、对于比进修等举行了具体会商。

图4 临地安防 (Vicinagearth Security)

正激励噪声（Positive-incentive Noise） 及 信容（Information Capacity） 于体系的获取、处置惩罚、运用的各个环节都有引导作用，是临地安防（Vicinagearth Security）技能系统中的主要理论基础，该系统（见图4）触及航空航天、机械电子、量子通信、新质料、人工智能等多个学科及交织范畴。

参考文献（可点击下载）

[1] Xu三木SEO-elong Li, Positive-incentive Noise, IEEE Transactions on Neural Networks and Learning Systems, DOI: 10.1109/TNNLS.2022.3224577.

尤其声明：本文转载仅仅是出在流传信息的需要，其实不象征着代表本网站不雅点或者证明其内容的真实性；如其他媒体、网站或者小我私家从本网站转载利用，须保留本网站注明的 来历 ，并自大版权等法令责任；作者假如不但愿被转载或者者接洽转载稿费等事宜，请与咱们联系。-im电竞官网