訊號雜訊比(signal-to-noise ratio)
一個微弱的聲音想穿過一個擁擠、吵雜的房間傳到你這裡:你能否聽清楚字句,取決的不是這聲音的絕對音量,而是它相對於背景喧囂如何。訊號雜訊比正好抓住這個比較——你想要的東西之大小,對上想把它埋沒的隨機起伏之大小。決定一次測量能否被偵測到的,是它、而非原始的訊號強度。
訊號雜訊比是訊號振幅(或功率)對雜訊振幅(或功率)之比;作為功率比,常以分貝表示,SNR_dB = 10 log10(P_signal / P_noise)。在一個計數實驗中,若雜訊是背景 B 的統計起伏 sqrt(B),則 S 個計數的訊號具有顯著度 S / sqrt(B)。因為訊號隨事件數 N 增長、雜訊卻只按 sqrt(N) 增長,這個顯著度會隨你跑得愈久而按 sqrt(N) 改善。當你平均 M 條重複的軌跡時也出現同樣的平方根增益:同調(coherent)的訊號線性相加,而隨機雜訊以平方相加,所以 SNR 上升 sqrt(M) 倍。
你在每一次測量中都會遇到它:鎖相放大器把一個微小的調變訊號從雜訊之海中拖出來、LIGO 把一段遠埋在儀器雜訊底線之下的重力波啁啾提取出來、粒子偵測器中一個共振峰從平滑的背景之上升起。誠實的警告是:靠平均提升 SNR 只對隨機、零均值的雜訊有效。它對系統性的偏移毫無作用,也對同調(相關)雜訊失效,因為後者不像獨立雜訊那樣被平均掉,所以單憑高 SNR 並不保證結果準確。
要把一條譜線看得清楚兩倍,也就是在雜訊為統計性時把訊號雜訊比加倍,你必須蒐集四倍的計數,因為 SNR 只按積分時間的平方根增長。
SNR 正比於積分時間的平方根:清晰度加倍,資料量要變四倍。
平均只對隨機、不相關、零均值的雜訊改善訊號雜訊比,而且只針對那種雜訊;系統偏差能挺過任何次數的平均,所以高 SNR 本身並不是測量準確的證明。