这实际上是由于实际信号的特性，而不是噪声。

您可能听说过粉红噪声及其频谱特征 现在忘记这里的“噪声”一词，想象一个随机过程，其频谱密度在定律，其中是一个常数。

有趣的是，这是大自然非常遵循的规律。更具体地说，许多自然信号都遵循这一规律。它已经被观察到并且实际上被证实是有效的，例如在人声、自然图像、音乐、类星体光发射、心跳、神经元放电，甚至在金融市场中。请注意，这里的自然是一个关键术语，我们指的是自然环境的属性。有关更详细的讨论，请参见此处和此处。对于 2D（图像）信号，我们应该期望。$\alpha=2$

由于根据定律，实际 [自然] 信号的贡献将在较高频率处减小，我们预计噪声在这些频率处的贡献更大。因此，噪声通常在高频处占主导地位，而信号在低频处占主导地位。$\frac{1}{f}$

噪声的影响在高频中更为显着，因为它包含信息（高）所以任何小的噪声都是相当大的......小噪声甚至可以改变整个信息......另一方面，低频分量包含大量的小信息期间和一个小的噪音不能对它产生太大的影响......

加性噪声（重要的是要提到）将被添加到傅立叶谱中，因为所讨论的变换具有线性的特性。并且正如 msm 提到的，不同领域的许多信号在较低频带中的能量比在较高频带中的能量多得多，因此与信号能量相比，噪声的相对影响对于较高频率可能会更大。