削波是一种非线性操作，它会引入新的频率，因此会改变频谱的形状。您引用的文字对此非常清楚。

作为一个快速演示，我在 Matlab 中生成了平坦噪声，频率限制在 100 到 300 Hz 范围内。频谱是：

请注意，光谱在指定范围之外接近于零。而且，这种噪音不是白色的；它是平坦的（或者如果我可以模拟无限数量的样本）。白噪声，顾名思义，覆盖整个频率范围。

我将所有大于 0.75 的幅度都剪裁到 0.75，得到的频谱是：

我认为区别很明显。

这个问题困扰了我很多，我对 MBaz 的回答不是 100% 满意（问题是关于白噪声，答案是关于平坦噪声）所以我想添加一些答案元素。

令我困扰的一件事是，如果您将噪声限制到某个阈值，您将增加样本的概率等于您的阈值。对我来说，这直观地导致了频谱变化，因为它增加了这个特定值的频率。

然而，一个随机序列的幅度重新分配，即它的分布，与它的自相关因此它的频谱无关。

例如，有人可能会认为，如果您将信号缩减（量化）到极端程度，例如从 64 位到 2 位，您就完全改变了它的颜色。但这不是真的：减少信号的位会改变其分布，但相关属性（即频谱）不会改变。这是 64 位高斯白噪声频谱与 2 位均匀噪声频谱的对比（值可以是 -1、0 或 +1，概率相同）：

类似地，如果你硬削白噪声，你只会影响分布而不是相关性，这意味着光谱保持相同的颜色：

但是，您确实会改变信号的方差，这会改变频谱的平均功率。

然而 ：

所有前面的陈述都基于理想的白噪声，即具有无限带宽。但这并不存在，当您以数字方式生成白噪声，然后将这些样本输入 DAC 时，会对信号应用插值（低通滤波）以将其转换为连续时间。如果您在此过滤后发生硬剪辑，则 MBaz 的答案适用，您会得到他所解释的内容。这是一个过采样因子为 4 和 matlab 的interp()函数的示例：

这一切有点难以想象的一个原因可能与赌徒的谬误有关

如果我做出错误的假设，请纠正我。

有两种形式的削波：饱和（这是模拟设备所做的）和环绕（如果在中间计算中不使用多余的位或浮点，则往往会在数字域中发生）。

饱和意味着在我们削波时临时添加取反的输入信号（移除直流起始偏移）。环绕意味着在我们削波时临时添加一个大的 DC 偏移。当限幅仅限于单个样本（不太可能）并进行环绕处理时，我们会得到固定幅度非常大的脉冲。如果对单样本削波进行饱和处理，我们会得到与相应过冲相对应的幅度脉冲。

但是单样本削波将是一种异常情况，需要信号以高频噪声为主。

当然，这两种形式都与输入信号高度相关。对于任何非人工输入，它们都不像“添加白噪声”，因为输入信号的任何零转换都对应于“非削波”，并且有意义信号的零转换不会随机发生。

白噪声有几个定义。如果您采用所有样本独立的定义，则裁剪将改变单个样本的分布，但不会使它们相互依赖。结果将再次是独立样本，因此根据该定义是白噪声。