Rauschmodellen

Rauschmodellen bezeichnen Wahrscheinlichkeitsmodelle, die das zufällige Rauschen in Messungen, Signalen oder physikalischen Systemen beschreiben. Sie dienen der Quantifizierung von Unsicherheit, der Filterung von Signalen und der Optimierung von Schätz- oder Kommunikationsverfahren.

Zu den häufigsten Typen gehören weißes Rauschen, farbiges Rauschen, Gaußsches Rauschen sowie nicht-Gauß-Verteilungen. Weißes Rauschen hat im Zeitbereich unkorrelierte Werte und im Frequenzspektrum eine konstante Leistungsdichte. Farbige Rauschprozesse besitzen Kopplungen zwischen Messzeitpunkten und zeigen ein frequenzabhängiges Spektrum (z. B. 1/f-Rauschen oder braunes Rauschen).

Mathematisch lässt sich Rauschen als stochastischer Prozess N_t beschreiben. In einfachen Modellen wird y_t = s_t + n_t verwendet, wobei s_t das Signal und n_t das Rauschen ist. Wichtige Merkmale sind Mittelwert, Varianz sowie Autokorrelation bzw. Spektralstruktur. IID-Noise liegt vor, wenn n_t unabhängig identisch verteilt ist; bei Abhängigkeiten handelt es sich um farbiges Rauschen oder ARMA-/GARCH-Typen.

Typische Modelle finden Anwendung in der Kommunikation (additives weißes Rauschen AWGN), Mess- und Prüftechnik (Thermisches Rauschen, Sensorrauschen), Photonik (Shot- oder Poisson-Rauschen) sowie in der Audio- und Musiktechnik (Quantisierungsrauschen).

Rauschmodelle dienen zudem der Schätzung und Filterung. Filter wie der Kalman-Filter setzen bestimmte Rauschverteilungen und -prozesse voraus, um Zustandsgrößen zu schätzen. In der Praxis werden Modelle oft durch Daten angepasst und auf Plausibilität geprüft; AWGN ist ein häufig vereinfachtes Beispiel.

Limitierungen ergeben sich aus Nicht-Stationarität, Nicht-Gauß-Verteilungen mit schweren Tails oder impulsivem Rauschen sowie zeitlich variierenden Statistiken. Modellprüfungen, Residuenanalyse und Spektraltests helfen, die Geeignetheit zu beurteilen.