Ruido rosa

Señal con igual energía por octava

Una imagen en escala de grises de ruido rosa bidimensional , generada con un programa de computadora; algunos campos observados en la naturaleza se caracterizan por un espectro de potencia similar ^[1]

Una imagen de ruido rosa en 3D, generada con un programa de computadora, vista como una animación en la que cada cuadro es un corte 2D.

El ruido rosa , ruido 1 ⁄ f , ruido fraccional o ruido fractal es una señal o proceso con un espectro de frecuencia tal que la densidad espectral de potencia (potencia por intervalo de frecuencia) es inversamente proporcional a la frecuencia de la señal. En el ruido rosa, cada intervalo de octava (reduciendo a la mitad o duplicando la frecuencia) transporta una cantidad igual de energía de ruido.

El ruido rosa suena como una cascada . ^[2] Se utiliza a menudo para sintonizar sistemas de altavoces en audio profesional . ^[3] El ruido rosa es una de las señales más comúnmente observadas en los sistemas biológicos. ^[4]

El nombre surge de la apariencia rosada de la luz visible con este espectro de potencia. ^[5] Esto contrasta con el ruido blanco que tiene la misma intensidad por intervalo de frecuencia.

Definición

Ruido rosa

10 segundos de ruido rosa, normalizado a una amplitud máxima de −1 dBFS

---

¿Tiene problemas para reproducir este archivo? Consulte la ayuda multimedia .

En la literatura científica, el término ruido 1/f se utiliza a veces de forma imprecisa para referirse a cualquier ruido con una densidad espectral de potencia de la forma

$${\displaystyle S(f)\propto {\frac {1}{f^{\alpha }}},}$$

donde f es la frecuencia y 0 < α < 2, con un exponente α generalmente cercano a 1. Las señales unidimensionales con α = 1 generalmente se denominan ruido rosa. ^[6]

La siguiente función describe una señal de ruido rosa unidimensional de longitud (es decir, una señal de ruido blanco gaussiano con media y desviación estándar cero , que ha sido filtrada adecuadamente), como una suma de ondas sinusoidales con diferentes frecuencias, cuyas amplitudes caen inversamente con la raíz cuadrada de la frecuencia (de modo que la potencia, que es el cuadrado de la amplitud, cae inversamente con la frecuencia), y las fases son aleatorias: ^[7] ${\displaystyle N}$ ${\displaystyle \sigma }$ ${\displaystyle u}$

$${\displaystyle h(x)=\sigma {\sqrt {\frac {N}{2}}}\sum _{u}{\frac {\chi _{u}}{u}}\sin({\frac {2\pi ux}{N}}+\phi _{u}),\quad \chi _{u}\sim \chi (2),\quad \phi _{u}\sim U(0,2\pi ).}$$

${\displaystyle \chi _{u}}$son variables distribuidas mediante chi iid y son aleatorias uniformes. ${\displaystyle \phi _{u}}$

En una señal de ruido rosa bidimensional, la amplitud en cualquier orientación disminuye inversamente con la frecuencia. El cuadrado de longitud del ruido rosa se puede escribir como: ^[7] ${\displaystyle N}$ $${\displaystyle h(x,y)={\frac {\sigma N}{\sqrt {2}}}\sum _{u,v}{\frac {\chi _{uv}}{\sqrt {u^{2}+v^{2}}}}\sin \left({\frac {2\pi }{N}}(ux+vy)+\phi _{uv}\right),\quad \chi _{uv}\sim \chi (2),\quad \phi _{uv}\sim U(0,2\pi ).}$$

Los ruidos generales de tipo 1/ f  ^α se producen ampliamente en la naturaleza y son una fuente de considerable interés en muchos campos. Los ruidos con α cerca de 1 generalmente provienen de sistemas de materia condensada en cuasi-equilibrio , como se analiza a continuación. ^[8] Los ruidos con un amplio rango de α generalmente corresponden a una amplia gama de sistemas dinámicos impulsados ​​por no equilibrio .

Las fuentes de ruido rosa incluyen el ruido de parpadeo en los dispositivos electrónicos. En su estudio del movimiento browniano fraccional , ^[9] Mandelbrot y Van Ness propusieron el nombre de ruido fraccional (a veces llamado desde entonces ruido fractal ) para describir los ruidos 1/ f  ^α para los cuales el exponente α no es un número entero par, ^[10] o que son derivados fraccionarios del ruido browniano (1/ f  ² ).

Descripción

Espectro de una aproximación de ruido rosa en un gráfico logarítmico; la densidad de potencia disminuye a 10 dB/década de frecuencia

Intensidad relativa del ruido rosa (izquierda) y del ruido blanco (derecha) en un espectrograma FFT con el eje vertical siendo la frecuencia lineal

En el ruido rosa, la energía es igual por octava de frecuencia. Sin embargo, la energía del ruido rosa en cada nivel de frecuencia disminuye aproximadamente 3  dB por octava. Esto contrasta con el ruido blanco , que tiene la misma energía en todos los niveles de frecuencia. ^[11]

El sistema auditivo humano , que procesa las frecuencias de una manera aproximadamente logarítmica, aproximada por la escala Bark , no percibe frecuencias diferentes con la misma sensibilidad; las señales de alrededor de 1 a 4 kHz suenan más fuertes para una intensidad dada. Sin embargo, los humanos aún diferencian entre ruido blanco y ruido rosa con facilidad.

Los ecualizadores gráficos también dividen las señales en bandas de forma logarítmica y reportan la potencia por octavas; los ingenieros de audio hacen pasar ruido rosa por un sistema para probar si tiene una respuesta de frecuencia plana en el espectro de interés. Los sistemas que no tienen una respuesta plana se pueden ecualizar creando un filtro inverso utilizando un ecualizador gráfico. Debido a que el ruido rosa tiende a ocurrir en sistemas físicos naturales, a menudo es útil en la producción de audio. El ruido rosa se puede procesar, filtrar y/o se pueden agregar efectos para producir los sonidos deseados. Los generadores de ruido rosa están disponibles comercialmente.

Un parámetro del ruido, el contenido de energía pico versus promedio, o factor de cresta , es importante para fines de prueba, como por ejemplo para amplificadores de potencia de audio y capacidades de altavoces, porque la potencia de la señal es una función directa del factor de cresta. Se pueden utilizar varios factores de cresta de ruido rosa en simulaciones de varios niveles de compresión de rango dinámico en señales musicales. En algunos generadores digitales de ruido rosa se puede especificar el factor de cresta.

Generación

El filtro espacial que se convoluciona con una señal de ruido blanco unidimensional para crear una señal de ruido rosa ^[7]

El ruido rosa se puede generar por computadora generando primero una señal de ruido blanco, transformándola por Fourier y luego dividiendo las amplitudes de los diferentes componentes de frecuencia por la raíz cuadrada de la frecuencia (en una dimensión) o por la frecuencia (en dos dimensiones), etc. ^[7] Esto es equivalente a filtrar espacialmente (convolucionar) la señal de ruido blanco con un filtro blanco-rosa. Para una señal de longitud en una dimensión, el filtro tiene la siguiente forma: ^[7] ${\displaystyle N}$

$${\displaystyle a(x)={\frac {1}{N}}\left[1+{\frac {1}{\sqrt {N/2}}}\cos \pi (x-1)+2\sum _{k=1}^{N/2-1}{\frac {1}{\sqrt {k}}}\cos {{\frac {2\pi k}{N}}(x-1)}\right].}$$

Hay programas de Matlab disponibles para generar ruido rosa y otros ruidos de color de ley de potencia en una o cualquier número de dimensiones.

Propiedades

Autocorrelación (coeficiente de correlación de Pearson) de señales de ruido rosa unidimensionales (arriba) y bidimensionales (abajo), a lo largo de la distancia d (en unidades de la longitud de onda más larga que comprende la señal); las curvas grises son las autocorrelaciones de una muestra de señales de ruido rosa (que comprenden frecuencias discretas), y el negro es su promedio, el rojo es la autocorrelación calculada teóricamente cuando la señal comprende estas mismas frecuencias discretas, y el azul supone un continuo de frecuencias ^[7]

Espectros de ley de potencia

El espectro de potencia del ruido rosa es solo para señales unidimensionales. Para señales bidimensionales (por ejemplo, imágenes), el espectro de potencia promedio en cualquier orientación cae como , y en dimensiones, cae como . En cada caso, cada octava lleva una cantidad igual de potencia de ruido. ${\displaystyle {\frac {1}{f}}}$ ${\displaystyle {\frac {1}{f^{2}}}}$ ${\displaystyle d}$ ${\displaystyle {\frac {1}{f^{d}}}}$

La amplitud y potencia promedio de una señal de ruido rosa en cualquier orientación y la potencia total en todas las orientaciones disminuyen como una potencia de la frecuencia. La siguiente tabla enumera estas dependencias de frecuencia de ley de potencia para la señal de ruido rosa en diferentes dimensiones y también para el ruido coloreado de ley de potencia general con potencia (por ejemplo: el ruido marrón tiene ): ^[7] ${\displaystyle a_{\theta }}$ ${\displaystyle p_{\theta }}$ ${\displaystyle \theta }$ ${\displaystyle \alpha }$ ${\displaystyle \alpha =2}$

Distribución de valores en puntos

Consideremos el ruido rosa de cualquier dimensión que se produce generando una señal de ruido blanco gaussiano con media y desviación estándar y luego multiplicando su espectro con un filtro (equivalente a filtrarlo espacialmente con un filtro ). Entonces, los valores puntuales de la señal de ruido rosa también se distribuirán normalmente, con media y desviación estándar . ^[7] ${\displaystyle \mu }$ ${\displaystyle \sigma }$ ${\displaystyle {\boldsymbol {a}}}$ ${\displaystyle \mu }$ ${\displaystyle \lVert {\boldsymbol {a}}\rVert \sigma }$

Autocorrelación

A diferencia del ruido blanco, que no tiene correlaciones a través de la señal, una señal de ruido rosa está correlacionada consigo misma, de la siguiente manera.

Señal 1D

El coeficiente de correlación de Pearson de una señal de ruido rosa unidimensional (que comprende frecuencias discretas ) consigo misma a través de una distancia en el dominio de configuración (espacio o tiempo) es: ^[7] Si en lugar de frecuencias discretas, el ruido rosa comprende una superposición de frecuencias continuas de a , el coeficiente de autocorrelación es: ^[7] donde es la función integral del coseno . ${\displaystyle k}$ ${\displaystyle d}$ $${\displaystyle r(d)={\frac {\sum _{k}{\frac {\cos {\frac {2\pi kd}{N}}}{k}}}{\sum _{k}{\frac {1}{k}}}}.}$$ ${\displaystyle k_{\textrm {min}}}$ ${\displaystyle k_{\textrm {max}}}$ $${\displaystyle r(d)={\frac {{\textrm {Ci}}({\frac {2\pi k_{\textrm {max}}d}{N}})-{\textrm {Ci}}({\frac {2\pi k_{\textrm {min}}d}{N}})}{\log {\frac {k_{\textrm {max}}}{k_{\textrm {min}}}}}},}$$ ${\displaystyle {\textrm {Ci}}(x)}$

Señal 2D

El coeficiente de autocorrelación de Pearson de una señal de ruido rosa bidimensional que comprende frecuencias discretas se aproxima teóricamente como: ^[7] donde es la función de Bessel del primer tipo . $${\displaystyle r(d)={\frac {\sum _{k}{\frac {J_{0}({\frac {2\pi kd}{N}})}{k}}}{\sum _{k}{\frac {1}{k}}}},}$$ ${\displaystyle J_{0}}$

Aparición

El ruido rosa se ha descubierto en las fluctuaciones estadísticas de un número extraordinariamente diverso de sistemas físicos y biológicos (Press, 1978; ^[12] véanse los artículos de Handel & Chung, 1993, ^[13] y las referencias allí citadas). Entre los ejemplos de su aparición se incluyen las fluctuaciones en las alturas de las mareas y los ríos, las emisiones de luz de los cuásares , los latidos del corazón, las activaciones de neuronas individuales , la resistividad en la electrónica de estado sólido y las señales de conductancia de moléculas individuales ^[14] que dan lugar al ruido parpadeante . El ruido rosa describe la estructura estadística de muchas imágenes naturales . ^[1]

 ^{Los ruidos α} generales 1/ f se producen en muchos sistemas físicos, biológicos y económicos, y algunos investigadores los describen como ubicuos. ^[15] En los sistemas físicos, están presentes en algunas series de datos meteorológicos , la emisión de radiación electromagnética de algunos cuerpos astronómicos. En los sistemas biológicos, están presentes, por ejemplo, en los ritmos de los latidos del corazón , la actividad neuronal y las estadísticas de las secuencias de ADN , como un patrón generalizado. ^[16]

Una introducción accesible a la importancia del ruido rosa es la que da Martin Gardner (1978) en su columna de Scientific American "Mathematical Games". ^[17] En esta columna, Gardner preguntaba en qué sentido la música imita a la naturaleza. Los sonidos de la naturaleza no son musicales en el sentido de que tienden a ser demasiado repetitivos (el canto de los pájaros, los ruidos de los insectos) o demasiado caóticos (las olas del océano, el viento en los árboles, etc.). La respuesta a esta pregunta la dieron en un sentido estadístico Voss y Clarke (1975, 1978), quienes demostraron que las fluctuaciones de tono y volumen en el habla y la música son ruidos rosas. ^{[18] [19]} Por lo tanto, la música es como las mareas no en términos de cómo suenan las mareas, sino en cómo varía su altura.

Cronometraje de precisión

El omnipresente ruido 1/f supone un "piso de ruido" para el cronometraje de precisión. ^[12] La derivación se basa en. ^[20]

La forma más sencilla de comprobar un reloj es comparándolo con un reloj de referencia mucho más preciso . Durante un intervalo de tiempo τ , medido por el reloj de referencia, el reloj en cuestión avanza τy , donde y es la frecuencia de reloj promedio (relativa) durante ese intervalo.

Supongamos que tenemos un dispositivo para medir el tiempo (puede ser cualquier cosa, desde osciladores de cuarzo , relojes atómicos y relojes de arena ^[21] ). Sea su lectura un número real que cambia con el tiempo real . Para ser más concretos, consideremos un oscilador de cuarzo. En un oscilador de cuarzo, es el número de oscilaciones y es la tasa de oscilación. La tasa de oscilación tiene un componente constante y un componente fluctuante , por lo que . Al seleccionar las unidades correctas para , podemos tener , lo que significa que, en promedio, pasa un segundo de tiempo de reloj por cada segundo de tiempo real. ${\displaystyle x(t)}$ ${\displaystyle t}$ ${\displaystyle x(t)}$ ${\displaystyle {\dot {x}}(t)}$ ${\displaystyle {\dot {x}}_{0}}$ ${\displaystyle {\dot {x}}_{f}}$ ${\textstyle {\dot {x}}(t)={\dot {x}}_{0}+{\dot {x}}_{f}(t)}$ ${\displaystyle x}$ ${\displaystyle {\dot {x}}_{0}=1}$

La estabilidad del reloj se mide por la cantidad de "ticks" que hace en un intervalo fijo. Cuanto más estable sea el número de tics, mejor será la estabilidad del reloj. Por lo tanto, defina la frecuencia de reloj promedio en el intervalo como Nótese que no tiene unidades: es la relación numérica entre los tics del reloj físico y los tics de un reloj ideal ^{[nota 1]} . ${\displaystyle [k\tau ,(k+1)\tau ]}$ $${\displaystyle y_{k}={\frac {1}{\tau }}\int _{k\tau }^{(k+1)\tau }{\dot {x}}(t)dt={\frac {x((k+1)\tau )-x(k\tau )}{\tau }}}$$ ${\displaystyle y_{k}}$

La varianza de Allan de la frecuencia del reloj es la mitad del cuadrado medio del cambio en la frecuencia promedio del reloj: donde es un entero lo suficientemente grande para que el promedio converja a un valor definido. Por ejemplo, un reloj atómico de 2013 ^[22] logró , lo que significa que si el reloj se usa para medir repetidamente intervalos de 7 horas, la desviación estándar del tiempo medido realmente sería de alrededor de 40 femtosegundos . $${\displaystyle \sigma ^{2}(\tau )={\frac {1}{2}}{\overline {(y_{k}-y_{k-1})^{2}}}={\frac {1}{K}}\sum _{k=1}^{K}{\frac {1}{2}}(y_{k}-y_{k-1})^{2}}$$ ${\displaystyle K}$ ${\displaystyle \sigma (25000{\text{ seconds}})=1.6\times 10^{-18}}$

Ahora tenemos donde es un paquete de una onda cuadrada con altura y longitud de onda . Sea un paquete de una onda cuadrada con altura 1 y longitud de onda 2, entonces , y su transformada de Fourier satisface . $${\displaystyle y_{k}-y_{k-1}=\int _{\mathbb {R} }g(k\tau -t){\dot {x}}_{f}(t)dt=(g\ast {\dot {x}}_{f})(k\tau )}$$ ${\displaystyle g(t)={\frac {-1_{[0,\tau ]}(t)+1_{[-\tau ,0]}(t)}{\tau }}}$ ${\displaystyle 1/\tau }$ ${\displaystyle 2\tau }$ ${\displaystyle h(t)}$ ${\displaystyle g(t)=h(t/\tau )/\tau }$ ${\displaystyle {\mathcal {F}}[g](\omega )={\mathcal {F}}[h](\tau \omega )}$

La varianza de Allan es entonces , y el promedio discreto se puede aproximar mediante un promedio continuo: , que es la potencia total de la señal , o la integral de su espectro de potencia : ${\displaystyle \sigma ^{2}(\tau )={\frac {1}{2}}{\overline {(y_{k}-y_{k-1})^{2}}}={\frac {1}{2}}{\overline {(g\ast {\dot {x}}_{f})(k\tau )^{2}}}}$ ${\displaystyle {\frac {1}{K}}\sum _{k=1}^{K}{\frac {1}{2}}(y_{k}-y_{k-1})^{2}\approx {\frac {1}{K\tau }}\int _{0}^{K\tau }{\frac {1}{2}}(g\ast {\dot {x}}_{f})(t)^{2}dt}$ ${\displaystyle (g\ast {\dot {x}}_{f})}$

${\displaystyle \sigma ^{2}(1)}$es aproximadamente el área bajo la curva verde; cuando aumenta, se contrae en el eje x, y la curva verde se contrae en el eje x pero se expande en el eje y; cuando , el efecto combinado de ambos es que ${\displaystyle \tau }$ ${\displaystyle S[g](\omega )}$ ${\displaystyle S[{\dot {x}}_{f}](\omega )\propto \omega ^{-\alpha }}$ ${\displaystyle \sigma ^{2}(\tau )\propto \tau ^{\alpha -1}}$

$${\displaystyle \sigma ^{2}(\tau )\approx \int _{0}^{\infty }S[g\ast {\dot {x}}_{f}](\omega )d\omega =\int _{0}^{\infty }S[g](\omega )\cdot S[{\dot {x}}_{f}](\omega )d\omega =\int _{0}^{\infty }S[h](\tau \omega )\cdot S[{\dot {x}}_{f}](\omega )d\omega }$$En palabras, la varianza de Allan es aproximadamente la potencia de la fluctuación después del filtrado de paso de banda con un ancho de banda . ${\displaystyle \omega \sim 1/\tau }$ ${\displaystyle \Delta \omega \sim 1/\tau }$

Para la fluctuación, tenemos para alguna constante , por lo que . En particular, cuando el componente fluctuante es un ruido 1/f, entonces es independiente del tiempo de promediado , lo que significa que la frecuencia de reloj no se vuelve más estable simplemente promediando durante más tiempo. Esto contrasta con una fluctuación de ruido blanco, en cuyo caso , lo que significa que duplicar el tiempo de promediado mejoraría la estabilidad de la frecuencia en . ^[12] ${\displaystyle 1/f^{\alpha }}$ ${\displaystyle S[{\dot {x}}_{f}](\omega )=C/\omega ^{\alpha }}$ ${\displaystyle C}$ ${\displaystyle \sigma ^{2}(\tau )\approx \tau ^{\alpha -1}\sigma ^{2}(1)\propto \tau ^{\alpha -1}}$ ${\displaystyle {\dot {x}}_{f}}$ ${\displaystyle \sigma ^{2}(\tau )}$ ${\displaystyle \tau }$ ${\displaystyle \sigma ^{2}(\tau )\propto \tau ^{-1}}$ ${\displaystyle {\sqrt {2}}}$

La causa del nivel de ruido a menudo se remonta a componentes electrónicos particulares (como transistores, resistencias y condensadores) dentro de la retroalimentación del oscilador. ^[23]

Humanos

En los cerebros , el ruido rosa se ha observado ampliamente en muchas escalas temporales y físicas, desde la activación de canales iónicos hasta registros de EEG , MEG y LFP en humanos. ^[24] En el EEG clínico, las desviaciones de este ruido rosa 1/f se pueden utilizar para identificar la epilepsia , incluso en ausencia de una convulsión , o durante el estado interictal. ^[25] Los modelos clásicos de generadores de EEG sugirieron que las entradas dendríticas en la materia gris eran las principales responsables de generar el espectro de potencia 1/f observado en las señales de EEG/MEG. Sin embargo, modelos computacionales recientes que utilizan la teoría del cable han demostrado que la transducción del potencial de acción a lo largo de los tractos de materia blanca en el cerebro también genera una densidad espectral 1/f. Por lo tanto, la transducción de señales de la materia blanca también puede contribuir al ruido rosa medido en los registros de EEG del cuero cabelludo. ^[26]

También se ha aplicado con éxito al modelado de estados mentales en psicología , ^[27] y se ha utilizado para explicar variaciones estilísticas en la música de diferentes culturas y períodos históricos. ^[28] Richard F. Voss y J. Clarke afirman que casi todas las melodías musicales, cuando cada nota sucesiva se traza en una escala de tonos , tenderán hacia un espectro de ruido rosa. ^[29] De manera similar, el investigador James E. Cutting de la Universidad de Cornell ha observado un patrón de distribución generalmente rosa en la duración de las tomas de películas en el estudio de 150 películas populares estrenadas entre 1935 y 2005. ^[30]

También se ha descubierto que el ruido rosa es endémico en la respuesta humana. Gilden et al. (1995) encontraron ejemplos extremadamente puros de este ruido en las series temporales formadas a partir de la producción iterada de intervalos temporales y espaciales. ^[31] Más tarde, Gilden (1997) y Gilden (2001) descubrieron que las series temporales formadas a partir de la medición del tiempo de reacción y de la elección forzada iterada de dos alternativas también producían ruido rosa. ^{[32] [33]}

Dispositivos electrónicos

Las principales fuentes de ruido rosa en los dispositivos electrónicos son casi invariablemente las fluctuaciones lentas de las propiedades de los materiales de materia condensada de los dispositivos. En muchos casos, se conocen las fuentes específicas de las fluctuaciones. Estas incluyen configuraciones fluctuantes de defectos en metales, ocupaciones fluctuantes de trampas en semiconductores y estructuras de dominio fluctuantes en materiales magnéticos. ^{[8] [34]} La explicación de la forma espectral aproximadamente rosada resulta ser relativamente trivial, y generalmente proviene de una distribución de energías de activación cinética de los procesos fluctuantes. ^[35] Dado que el rango de frecuencia del experimento de ruido típico (por ejemplo, 1 Hz – 1 kHz) es bajo en comparación con las "frecuencias de intento" microscópicas típicas (por ejemplo, 10 ¹⁴  Hz), los factores exponenciales en la ecuación de Arrhenius para las tasas son grandes. Las distribuciones relativamente pequeñas en las energías de activación que aparecen en estos exponentes dan como resultado grandes distribuciones de tasas características. En el caso del juguete más simple, una distribución plana de energías de activación da exactamente un espectro rosa, porque ${\displaystyle \textstyle {\frac {d}{df}}\ln f={\frac {1}{f}}.}$

No se conoce un límite inferior para el ruido rosa de fondo en electrónica. Las mediciones realizadas hasta 10 ⁻⁶  Hz (que llevan varias semanas) no han demostrado que el ruido rosa desaparezca. ^[36] (Kleinpenning, de Kuijper, 1988) ^[37] midieron la resistencia en una resistencia de lámina de carbono ruidosa y encontraron un comportamiento de ruido 1/f en el rango de , un rango de 9,5 décadas. ${\displaystyle [10^{-5.5}\mathrm {Hz} ,10^{4}\mathrm {Hz} ]}$

Un investigador pionero en este campo fue Aldert van der Ziel . ^[38]

El ruido de parpadeo se utiliza comúnmente para la caracterización de la confiabilidad de los dispositivos electrónicos. ^[39] También se utiliza para la detección de gases en sensores quimiorresistivos ^[40] mediante configuraciones de medición dedicadas. ^[41]

En astronomía de ondas gravitacionales

Curvas de ruido para una selección de detectores de ondas gravitacionales en función de la frecuencia

1/ f Los ruidos  ^α con α cerca de 1 son un factor en la astronomía de ondas gravitacionales . La curva de ruido a frecuencias muy bajas afecta a los conjuntos de sincronización de pulsares , el Conjunto Europeo de Sincronización de Pulsares (EPTA) y el futuro Conjunto Internacional de Sincronización de Pulsares (IPTA); a frecuencias bajas se encuentran los detectores espaciales, la Antena Espacial de Interferómetro Láser (LISA) propuesta anteriormente y la Antena Espacial de Interferómetro Láser evolucionada (eLISA) propuesta actualmente, y a frecuencias altas se encuentran los detectores terrestres, el Observatorio de Ondas Gravitacionales de Interferómetro Láser (LIGO) inicial y su configuración avanzada (aLIGO). También se muestra la tensión característica de las fuentes astrofísicas potenciales. Para ser detectable, la tensión característica de una señal debe estar por encima de la curva de ruido. ^[42]

Dinámica climática

Se ha encontrado ruido rosa en escalas de tiempo de décadas en datos proxy climáticos, lo que puede indicar amplificación y acoplamiento de procesos en el sistema climático . ^{[43] [44]}

Procesos de difusión

Se sabe que muchos procesos estocásticos dependientes del tiempo exhiben ruidos 1/ f  ^{α con α entre 0 y 2. En particular,} el movimiento browniano tiene una densidad espectral de potencia que es igual a 4 D / f  ² , ^[45] donde D es el coeficiente de difusión . Este tipo de espectro a veces se conoce como ruido browniano . Curiosamente, el análisis de trayectorias de movimiento browniano individual también muestra un espectro 1/ f  ² , aunque con amplitudes aleatorias. ^[46] El movimiento browniano fraccional con exponente de Hurst H también muestra una densidad espectral de potencia 1/ f  ^α con α = 2 H +1 para procesos subdifusivos ( H < 0,5) y α = 2 para procesos superdifusivos (0,5 < H < 1). ^[47]

Origen

Existen muchas teorías sobre el origen del ruido rosa. Algunas teorías intentan ser universales, mientras que otras se aplican solo a un tipo determinado de material, como los semiconductores . Las teorías universales del ruido rosa siguen siendo un tema de interés para la investigación actual.

Se ha propuesto una hipótesis (conocida como la hipótesis de Tweedie) para explicar la génesis del ruido rosa sobre la base de un teorema de convergencia matemática relacionado con el teorema del límite central de las estadísticas. ^[48] El teorema de convergencia de Tweedie ^[49] describe la convergencia de ciertos procesos estadísticos hacia una familia de modelos estadísticos conocidos como las distribuciones de Tweedie . Estas distribuciones se caracterizan por una ley de potencia de varianza a media , que se ha identificado de diversas formas en la literatura ecológica como la ley de Taylor ^[50] y en la literatura de física como escala de fluctuación . ^[51] Cuando esta ley de potencia de varianza a media se demuestra mediante el método de expansión de contenedores enumerativos, esto implica la presencia de ruido rosa, y viceversa. ^[48] Se puede demostrar que ambos efectos son consecuencia de la convergencia matemática , como la forma en que ciertos tipos de datos convergerán hacia la distribución normal bajo el teorema del límite central. Esta hipótesis también proporciona un paradigma alternativo para explicar las manifestaciones de la ley de potencia que se han atribuido a la criticidad autoorganizada . ^[52]

Existen varios modelos matemáticos para crear ruido rosa. Aunque la criticidad autoorganizada ha sido capaz de reproducir el ruido rosa en modelos de pila de arena , estos no tienen una distribución gaussiana ni otras cualidades estadísticas esperadas. ^{[53] [54]} Se puede generar en la computadora, por ejemplo, filtrando el ruido blanco, ^{[55] [56] [57]} transformada inversa de Fourier , ^[58] o mediante variantes de múltiples frecuencias en la generación de ruido blanco estándar. ^{[19] [17]}

En la teoría supersimétrica de la estocástica , ^[59] una teoría libre de aproximación de ecuaciones diferenciales estocásticas , el ruido 1/ f es una de las manifestaciones de la ruptura espontánea de la supersimetría topológica . Esta supersimetría es una propiedad intrínseca de todas las ecuaciones diferenciales estocásticas y su significado es la preservación de la continuidad del espacio de fase por la dinámica temporal continua. La ruptura espontánea de esta supersimetría es la generalización estocástica del concepto de caos determinista , ^[60] mientras que la aparición asociada de la memoria dinámica de largo plazo u orden, es decir, 1/ f y ruidos crepitantes , el efecto mariposa , etc., es la consecuencia del teorema de Goldstone en la aplicación a la supersimetría topológica rota espontáneamente.

Prueba de audio

El ruido rosa se utiliza habitualmente para probar los altavoces en los sistemas de refuerzo de sonido , y el sonido resultante se mide con un micrófono de prueba en el espacio de escucha conectado a un analizador de espectro ^{[3] o a una computadora que ejecuta un programa analizador de} transformada rápida de Fourier (FFT) en tiempo real como Smaart . El sistema de sonido reproduce ruido rosa mientras el ingeniero de audio realiza ajustes en un ecualizador de audio para obtener los resultados deseados. El ruido rosa es predecible y repetible, pero resulta molesto para el público de un concierto. Desde finales de la década de 1990, el análisis basado en FFT permitió al ingeniero realizar ajustes utilizando música pregrabada como señal de prueba, o incluso la música que provenía de los intérpretes en tiempo real. ^[61] El ruido rosa todavía lo utilizan los contratistas de sistemas de audio ^[62] y los sistemas de sonido computarizados que incorporan una función de ecualización automática. ^[63]

En la industria manufacturera, el ruido rosa se utiliza a menudo como señal de quemado para amplificadores de audio y otros componentes, para determinar si el componente mantendrá la integridad del rendimiento durante un uso sostenido. ^[64] El proceso de los usuarios finales de quemar sus auriculares con ruido rosa para lograr una mayor fidelidad se ha denominado un "mito" audiófilo . ^[65]

Véase también

• Acústica arquitectónica
• Procesamiento de señales de audio
• Ruido browniano
• Ruido blanco
• Colores del ruido
• Factor de cresta
• Fractal
• Ruido de parpadeo
• El ruido de Johnson-Nyquist
• Ruido (electrónica)
• Ruido cuántico 1/f
• Criticidad autoorganizada
• Ruido de disparo
• Enmascaramiento de sonido
• Estadística

Notas al pie

1. Field, DJ (1987). "Relaciones entre las estadísticas de imágenes naturales y las propiedades de respuesta de las células corticales" (PDF) . J. Opt. Soc. Am. A . 4 (12): 2379–2394. Bibcode :1987JOSAA...4.2379F. CiteSeerX  10.1.1.136.1345 . doi :10.1364/JOSAA.4.002379. PMID  3430225.
2. "Glosario: Ruido rosa". Sound on Sound . Consultado el 22 de noviembre de 2022 .
3. Davis, Gary; Jones, Ralph (1987). Manual de refuerzo sonoro . Hal Leonard. pág. 107. ISBN 0-88188-900-8.
4. Szendro, P (2001). "Comportamiento de los biosistemas mediante ruido rosa". Revista Europea de Biofísica . 30 (3): 227–231. doi :10.1007/s002490100143. PMID  11508842. S2CID  24505215.
5. Downey, Allen (2012). Piensa en la complejidad. O'Reilly Media. pág. 79. ISBN 978-1-4493-1463-7La luz visible con este espectro de potencia se ve rosa, de ahí el nombre.
6. Baxandall, PJ (noviembre de 1968). «Noise in Transistor Circuits: 1 - Mainly on fundamental noise concepts» (PDF) . Wireless World . págs. 388–392. Archivado (PDF) desde el original el 23 de abril de 2016 . Consultado el 8 de agosto de 2019 .
7. Das, Abhranil (2022). Detección de camuflaje y discriminación de señales: teoría, métodos y experimentos (corregida) (PhD). Universidad de Texas en Austin. doi :10.13140/RG.2.2.10585.80487.
8. Kogan, Shulim (1996). Ruido electrónico y fluctuaciones en sólidos . [Cambridge University Press]. ISBN 978-0-521-46034-7.
9. Mandelbrot, BB ; Van Ness, JW (1968). "Movimientos brownianos fraccionales, ruidos fraccionales y aplicaciones". SIAM Review . 10 (4): 422–437. Bibcode :1968SIAMR..10..422M. doi :10.1137/1010093.
10. Mandelbrot, Benoit B.; Wallis, James R. (1969). "Experimentos informáticos con ruidos gaussianos fraccionarios: Parte 3, Apéndice matemático". Investigación de recursos hídricos . 5 (1): 260–267. Código Bibliográfico :1969WRR.....5..260M. doi :10.1029/WR005i001p00260.
11. "Ruido". www.sfu.ca . Consultado el 6 de febrero de 2024 .
12. Press, WH (1978). "Ruidos de parpadeo en astronomía y en otros ámbitos". Comentarios en Astrofísica . 7 (4): 103–119. Código Bibliográfico :1978ComAp...7..103P.
13. Handel, PH; Chung, AL (1993). Ruido en sistemas físicos y fluctuaciones de 1/"f" . Nueva York: Instituto Americano de Física.
14. Adak, Olgun; Rosenthal, Ethan; Meisner, Jeffery; Andrade, Erick F.; Pasupathy, Abhay N.; Nuckolls, Colin; Hybertsen, Mark S.; Venkataraman, Latha (7 de mayo de 2015). "El ruido de parpadeo como sonda de interacción electrónica en interfaces metal-molécula individual". Nano Letters . 15 (6): 4143–4149. Bibcode :2015NanoL..15.4143A. doi :10.1021/acs.nanolett.5b01270. ISSN  1530-6984. PMID  25942441.
15. Bak, P.; Tang, C.; Wiesenfeld, K. (1987). "Criticidad autoorganizada: una explicación del ruido 1/ ƒ ". Physical Review Letters . 59 (4): 381–384. Bibcode :1987PhRvL..59..381B. doi :10.1103/PhysRevLett.59.381. PMID  10035754. S2CID  7674321.
16. Josephson, Brian D. (1995). "¿Una fuente transhumana de música?", en (P. Pylkkänen y P. Pylkkö, eds.) New Directions in Cognitive Science , Sociedad Finlandesa de Inteligencia Artificial, Helsinki; págs. 280-285.
17. Gardner, M. (1978). "Juegos matemáticos: música blanca y marrón, curvas fractales y fluctuaciones de uno sobre f". Scientific American . 238 (4): 16–32. doi :10.1038/scientificamerican0478-16.
18. Voss, RF; Clarke, J. (1975). "'Ruido 1/f' en la música y el habla". Nature . 258 (5533): 317–318. Bibcode :1975Natur.258..317V. doi :10.1038/258317a0. S2CID  4182664.
19. Voss, RF; Clarke, J. (1978). "Ruido 1/f" en la música: Música a partir del ruido 1/f". Revista de la Sociedad Acústica de América . 63 (1): 258–263. Bibcode :1978ASAJ...63..258V. doi :10.1121/1.381721.
20. Voss, RF (mayo de 1979). "1/F (Flicker) Noise: A Brief Review". 33.° Simposio Anual sobre Control de Frecuencia . págs. 40–46. doi :10.1109/FREQ.1979.200297. S2CID  37302662.
21. Schick, KL; Verveen, AA (octubre de 1974). "Ruido 1/f con un límite de ruido blanco de baja frecuencia". Nature . 251 (5476): 599–601. Bibcode :1974Natur.251..599S. doi :10.1038/251599a0. ISSN  1476-4687. S2CID  4200003.
22. Hinkley, N.; Sherman, JA; Phillips, NB; Schioppo, M.; Lemke, ND; Beloy, K.; Pizzocaro, M.; Oates, CW; Ludlow, AD (13 de septiembre de 2013). "Un reloj atómico con inestabilidad de 10–18". Science . 341 (6151): 1215–1218. arXiv : 1305.5869 . Bibcode :2013Sci...341.1215H. doi :10.1126/science.1240420. ISSN  0036-8075. PMID  23970562. S2CID  206549862.
23. Vessot, Robert FC (1976-01-01), Meeks, ML (ed.), "5.4. Frequency and Time Standards††Este trabajo fue financiado en parte por el contrato NSR 09-015-098 de la Administración Nacional de Aeronáutica y del Espacio.", Methods in Experimental Physics , Astrophysics, vol. 12, Academic Press, pp. 198–227, doi :10.1016/S0076-695X(08)60710-3 , consultado el 17 de julio de 2023
24. Destexhe, Alain; Bédard, Claude (2020), "Potenciales de campo local: LFP", en Jaeger, Dieter; Jung, Ranu (eds.), Encyclopedia of Computational Neuroscience , Nueva York, NY: Springer, págs. 1–12, doi :10.1007/978-1-4614-7320-6_548-2, ISBN 978-1-4614-7320-6, S2CID  243735998 , consultado el 26 de julio de 2023
25. Kerr, WT; et al. (2012). "Diagnóstico automatizado de la epilepsia mediante el espectro de potencia del EEG". Epilepsia . 53 (11): e189–e192. doi :10.1111/j.1528-1167.2012.03653.x. PMC 3447367 . PMID  22967005. 
26. Douglas, PK; et al. (2019). "Reconsideración de los valores a priori espaciales en la estimación de la fuente de EEG: ¿la materia blanca contribuye a los ritmos de EEG?". 2019 7.ª Conferencia Internacional de Invierno sobre Interfaz Cerebro-Computadora (BCI) . IEEE. págs. 1–12. arXiv : 2111.08939 . doi :10.1109/IWW-BCI.2019.8737307. ISBN. 978-1-5386-8116-9.S2CID 195064621  .
27. Van Orden, GC; Holden, JG; Turvey, MT (2003). "Autoorganización del rendimiento cognitivo". Revista de Psicología Experimental: General . 132 (3): 331–350. doi :10.1037/0096-3445.132.3.331. PMID  13678372.
28. Pareyon, G. (2011). Sobre la autosimilitud musical , Instituto Internacional de Semiótica y Universidad de Helsinki. "Sobre la autosimilitud musical" (PDF) .
29. "Ruido en imágenes y sonidos generados por el hombre".
30. Anger, Natalie (1 de marzo de 2010). "Bringing New Understanding to the Director's Cut". The New York Times . Consultado el 3 de marzo de 2010. Véase también el estudio original. Archivado el 24 de enero de 2013 en Wayback Machine .
31. Gilden, David L; Thornton, T; Mallon, MW (1995). "1/ ƒ Ruido en la cognición humana". Science . 267 (5205): 1837–1839. Bibcode :1995Sci...267.1837G. doi :10.1126/science.7892611. ISSN  0036-8075. PMID  7892611.
32. Gilden, DL (1997). "Fluctuaciones en el tiempo requerido para decisiones elementales". Psychological Science . 8 (4): 296–301. doi :10.1111/j.1467-9280.1997.tb00441.x. S2CID  145051976.
33. Gilden, David L (2001). "Emisiones cognitivas de ruido 1/ ƒ ". Psychological Review . 108 (1): 33–56. CiteSeerX 10.1.1.136.1992 . doi :10.1037/0033-295X.108.1.33. ISSN  0033-295X. PMID  11212631. 
34. Weissman, MB (1988). "1/ ƒ Ruido y otras cinéticas lentas no exponenciales en materia condensada". Reseñas de Física Moderna . 60 (2): 537–571. Bibcode :1988RvMP...60..537W. doi :10.1103/RevModPhys.60.537.
35. Dutta, P. y Horn, PM (1981). "Fluctuaciones de baja frecuencia en sólidos: ruido 1/ f ". Reseñas de Física Moderna . 53 (3): 497–516. Bibcode :1981RvMP...53..497D. doi :10.1103/RevModPhys.53.497.
36. Kleinpenning, TGM y de Kuijper, AH (1988). "Relación entre la varianza y la duración de la muestra de señales de ruido 1/f". Journal of Applied Physics . 63 (1): 43. Bibcode :1988JAP....63...43K. doi :10.1063/1.340460.
37. Kleinpenning, TGM; de Kuijper, AH (1988-01-01). "Relación entre la varianza y la duración de la muestra de señales de ruido 1/f". Journal of Applied Physics . 63 (1): 43–45. Bibcode :1988JAP....63...43K. doi :10.1063/1.340460. ISSN  0021-8979.
38. Aldert van der Ziel, (1954), Ruido , Prentice-Hall
39. Hei Wong (2003). "Estudio de ruido de baja frecuencia en dispositivos electrónicos: revisión y actualización". Microelectronics Reliability . 43 (4): 585–599. Bibcode :2003MiRe...43..585W. doi :10.1016/S0026-2714(02)00347-5.
40. Alexander A. Balandin (2013). "Ruido 1/f de baja frecuencia en dispositivos de grafeno". Nature Nanotechnology . 8 (8): 549–555. arXiv : 1307.4797 . Código Bibliográfico :2013NatNa...8..549B. doi :10.1038/nnano.2013.144. PMID  23912107. S2CID  16030927.
41. Smulko, Janusz; Scandurra, Graziella; Drozdowska, Katarzyna; Kwiatkowski, Andrzej; Ciofi, Carmine; Wen, He (2024). "Ruido de parpadeo en sensores de gas resistivos: configuraciones de medición y aplicaciones para una mejor detección de gases". Sensores . 24 (2): 405. Bibcode :2024Senso..24..405S. doi : 10.3390/s24020405 . PMC 10821460 . PMID  38257498. 
42. Moore, Christopher; Cole, Robert; Berry, Christopher (19 de julio de 2013). «Detectores y fuentes de ondas gravitacionales» . Consultado el 17 de abril de 2014 .
43. Jim Shelton (4 de septiembre de 2018). "Piense en rosa para tener una mejor visión del cambio climático". YaleNews . Consultado el 5 de septiembre de 2018 .
44. Moon, Woosok; Agarwal, Sahil; Wettlaufer, JS (4 de septiembre de 2018). "Modo de dinámica climática global multidecadal de ruido rosa intrínseco". Physical Review Letters . 121 (10): 108701. arXiv : 1802.00392 . Código Bibliográfico :2018PhRvL.121j8701M. doi :10.1103/PhysRevLett.121.108701. PMID  30240245. S2CID  52243763.
45. Norton, MP (2003). Fundamentos del análisis de ruido y vibraciones para ingenieros . Karczub, DG (Denis G.) (2.ª ed.). Cambridge, Reino Unido: Cambridge University Press. ISBN 9780511674983.OCLC 667085096  .
46. Krapf, Diego; Marinari, Enzo; Metzler, Ralf; Oshanin, Gleb; Xu, Xinran; Squarcini, Alessio (9 de febrero de 2018). "Densidad espectral de potencia de una única trayectoria browniana: lo que se puede y no se puede aprender de ella". New Journal of Physics . 20 (2): 023029. arXiv : 1801.02986 . Bibcode :2018NJPh...20b3029K. doi : 10.1088/1367-2630/aaa67c . ISSN  1367-2630.
47. Krapf, Diego; Lukat, Nils; Marinari, Enzo; Metzler, Ralf; Oshanin, Gleb; Selhuber-Unkel, Christine; Squarcini, Alessio; Stadler, Lorenz; Weiss, Matthias; Xu, Xinran (31 de enero de 2019). "Contenido espectral de una única trayectoria no browniana". Physical Review X . 9 (1): 011019. arXiv : 1902.00481 . Código Bibliográfico :2019PhRvX...9a1019K. doi : 10.1103/PhysRevX.9.011019 . ISSN  2160-3308.
48. Kendal WS, Jørgensen BR (2011). "Convergencia de Tweedie: una base matemática para la ley de potencia de Taylor, ruido 1/f y multifractalidad" (PDF) . Phys. Rev. E . 84 (6): 066120. Bibcode :2011PhRvE..84f6120K. doi :10.1103/physreve.84.066120. PMID  22304168.
49. Jørgensen B, Martinez JR, Tsao M (1994). "Comportamiento asintótico de la función de varianza". Scandinavian Journal of Statistics . 21 : 223–243.
50. Taylor LR (1961). "Agregación, varianza y media". Nature . 189 (4766): 732–735. Código Bibliográfico :1961Natur.189..732T. doi :10.1038/189732a0. S2CID  4263093.
51. Eisler Z, Bartos I, Kertesz J (2008). "Escalamiento de fluctuaciones en sistemas complejos: la ley de Taylor y más allá". Avances en Física . 57 (1): 89–142. arXiv : 0708.2053 . Bibcode :2008AdPhy..57...89E. doi :10.1080/00018730801893043. S2CID  119608542.
52. Kendal WS (2015). "Criticidad autoorganizada atribuida a un efecto de convergencia de tipo límite central". Physica A . 421 : 141–150. Código Bibliográfico :2015PhyA..421..141K. doi :10.1016/j.physa.2014.11.035.
53. Milotti, Edoardo (12 de abril de 2002). "1/f ruido: una revisión pedagógica". arXiv : physics/0204033 .
54. O'Brien, Kevin P.; Weissman, MB (1992-10-01). "Firmas estadísticas de autoorganización". Physical Review A . 46 (8): R4475–R4478. Código Bibliográfico :1992PhRvA..46.4475O. doi :10.1103/PhysRevA.46.R4475. PMID  9908765.
55. "El ruido en las imágenes y el sonido generados por el hombre". mlab.uiah.fi . Consultado el 14 de noviembre de 2015 .
56. "Generación DSP de ruido rosa". www.firstpr.com.au . Consultado el 14 de noviembre de 2015 .
57. McClain, D. (1 de mayo de 2001). "Simulación numérica del ruido rosa" (PDF) . Preimpresión . Archivado desde el original (PDF) el 4 de octubre de 2011.
58. Timmer, J.; König, M. (1 de enero de 1995). "Sobre la generación de ruido de ley de potencia". Astronomía y astrofísica . 300 : 707–710. Código Bibliográfico :1995A&A...300..707T.
59. Ovchinnikov, IV (2016). "Introducción a la teoría supersimétrica de la estocástica". Entropía . 18 (4): 108. arXiv : 1511.03393 . Bibcode :2016Entrp..18..108O. doi : 10.3390/e18040108 . S2CID  2388285.
60. Ovchinnikov, IV; Schwartz, RN; Wang, KL (2016). "Ruptura de la supersimetría topológica: Definición y generalización estocástica del caos y el límite de aplicabilidad de las estadísticas". Modern Physics Letters B . 30 (8): 1650086. arXiv : 1404.4076 . Bibcode :2016MPLB...3050086O. doi :10.1142/S021798491650086X. S2CID  118174242.
61. Loar, Josh (2019). Introducción al diseño de sistemas de sonido . Routledge. págs. 274–276. ISBN 9781351768184.
62. Eckstein, Matt (30 de agosto de 2018). "Puesta en servicio de un sistema de sonido: ¿qué dice?". AE Design . Consultado el 22 de noviembre de 2022 .
63. Cox, Tyler. "¿Qué es el ruido rosa y qué hace?". Yamaha Insights . Yamaha Pro Audio . Consultado el 22 de noviembre de 2022 .
64. Lacanette, Kerry (1990). "Crear un generador de ruido preciso". Diseño electrónico . Vol. 38. Hayden. pág. 108.
65. Thomas, Christian (30 de abril de 2021). "El desgaste de los auriculares no es real". Soundguys . Consultado el 22 de noviembre de 2022 .

1. Aunque en la práctica, como no existen relojes ideales, en realidad se trata de los tictac de un reloj mucho más preciso. ${\displaystyle t}$

Referencias

• Bak, P.; Tang, C.; Wiesenfeld, K. (1987). "Criticidad autoorganizada: una explicación del ruido 1/ ƒ ". Physical Review Letters . 59 (4): 381–384. Bibcode :1987PhRvL..59..381B. doi :10.1103/PhysRevLett.59.381. PMID  10035754. S2CID  7674321.
• Dutta, P.; Horn, PM (1981). "Fluctuaciones de baja frecuencia en sólidos: ruido 1/ ƒ ". Reseñas de Física Moderna . 53 (3): 497–516. Bibcode :1981RvMP...53..497D. doi :10.1103/RevModPhys.53.497.
• Field, DJ (1987). "Relaciones entre las estadísticas de imágenes naturales y los perfiles de respuesta de las células corticales" (PDF) . Journal of the Optical Society of America A . 4 (12): 2379–2394. Bibcode :1987JOSAA...4.2379F. CiteSeerX  10.1.1.136.1345 . doi :10.1364/JOSAA.4.002379. PMID  3430225.
• Gisiger, T. (2001). "Invariancia de escala en biología: ¿coincidencia o huella de un mecanismo universal?". Biological Reviews . 76 (2): 161–209. CiteSeerX  10.1.1.24.4883 . doi :10.1017/S1464793101005607. PMID  11396846. S2CID  14973015.
• Johnson, JB (1925). "El efecto Schottky en circuitos de baja frecuencia". Physical Review . 26 (1): 71–85. Bibcode :1925PhRv...26...71J. doi :10.1103/PhysRev.26.71.
• Kogan, Shulim (1996). Ruido electrónico y fluctuaciones en sólidos . Cambridge University Press . ISBN 978-0-521-46034-7.
• Press, WH (1978). "Ruidos de parpadeo en astronomía y en otros ámbitos" (PDF) . Comentarios sobre Astrofísica . 7 (4): 103–119. Código Bibliográfico :1978ComAp...7..103P. Archivado (PDF) desde el original el 27 de septiembre de 2007.
• Schottky, W. (1918). "Über spontane Stromschwankungen in verschiedenen Elektrizitätsleitern". Annalen der Physik . 362 (23): 541–567. Código bibliográfico : 1918AnP...362..541S. doi : 10.1002/andp.19183622304.
• Schottky, W. (1922). "Zur Berechnung und Beurteilung des Schroteffektes". Annalen der Physik . 373 (10): 157-176. Código bibliográfico : 1922AnP...373..157S. doi : 10.1002/andp.19223731007.
• Keshner, MS (1982). "1/ ƒ noise". Actas del IEEE . 70 (3): 212–218. doi :10.1109/PROC.1982.12282. S2CID  921772.
• Chorti, A.; Brookes, M. (2007). "Resolución de infinitos espectrales de portadora cercana debido al ruido de fase 1/ f en osciladores". Conferencia internacional IEEE 2007 sobre acústica, habla y procesamiento de señales - ICASSP '07 . Vol. 3. págs. III–1005–III–1008. doi :10.1109/ICASSP.2007.366852. ISBN 978-1-4244-0727-9.S2CID14339595  .​

Enlaces externos

• Ruido coloreado: caja de herramientas de Matlab para generar señales de ruido coloreado de ley de potencia de cualquier dimensión.
• Powernoise: software de Matlab para generar ruido 1/f, o más generalmente, ruido 1/fα
• 1/f ruido en Scholarpedia
• Definición de ruido blanco vs ruido rosa