在这种情况下，“噪声”是指添加到信号中的任何不需要的东西，并不一定意味着它是高斯噪声、白噪声或任何描述良好的随机过程。

在量化的背景下，它是一个纯粹的代数论证。可以将量化视为添加不需要的信号（“噪声”），等于......原始信号和量化信号之间的差异。请注意，这种量化噪声不是随机的，并且与输入信号相关。例如，如果一个信号是周期性的，那么在量化它时引入的量化噪声也将是周期性的。

假设我有一个多音信号（六个载波，采样频率为 ±1/1000、±2/1000 和 ±7/1000）

x = (1:1000);
wave = sin(x/1000*2*pi) + sin(x/1000*2*pi*2) + sin(x/1000*2*pi*7);

使用 14 位 ADC 量化

wave_quant = round(wave * 16384) / 16384;

区别

wave_qnoise = wave_quant - wave;

给出量化误差

对应的光谱

wave_qnoise_freq = mag(fftshift(fft(wave_qnoise)) / sqrt(1000));

显示了整个频谱中生成的本底噪声。

这假设量化误差不会引入偏差。如果 ADC 总是选择较低的值

wave_quant_biased = floor(wave * 16384) / 16384;

我们得到一个不再以零为中心的量化误差

wave_qnoise_biased = wave_quant_biased - wave;

在 DC bin 中的 FFT 中有明确的尖峰

wave_qnoise_biased_freq = mag(fftshift(fft(wave_qnoise_biased)) / sqrt(1000));

这成为例如正交幅度调制的实际问题，其中解调信号中的DC偏移对应于解调频率处的正弦波。

要扩展 pichenettes 所说的内容，请考虑您是否有一个音频信号正在由分辨率仅为 0.01 伏的数模转换器进行数字化。如果在某个特定时刻，音频信号为 7.3269 伏，则将舍入为 7.33 伏或截断为 7.32 伏（取决于转换器的设计）。在第一种情况下，您添加了 7.33-7.3269 伏或 0.0031 伏的“噪声”。在第二种情况下，您添加了 7.32-7.3269 伏或 -0.0069 伏的“噪声”。

当然，由于转换器肯定不是无限准确的，并且可能具有与其精度相当的准确度，因此会增加额外的噪声。

这是一个更基本的解释，以了解基本点。

1. 把手伸进口袋，拿出你的 iPhone。
2. 打开健康应用程序 -> 健身活动 -> 步行步数（默认开启）。
3. 写下你在过去十天内每天走了多少步。

将这些数字四舍五入并在此处发布。现在这里的其他人必须根据您发布的内容猜测您的原始数字。

其他人无法根据您提供的四舍五入的数字可靠地猜出确切的数字。那是数据丢失。在这种情况下（因为您使用了舍入），这称为量化误差。