011 / СЛУЧАЙНОСТЬ
Шум, который помогает
Обычно шум мешает. Но если сигнал слишком слаб, чтобы перешагнуть порог, немного шума помогает его заметить. Слишком много шума снова всё прячет. Покрутите шум сами: на фото и на шариках в двух ямках.
Теория экспериментаПочему шум помогает заметить слабый сигнал, где у этой помощи оптимум и что мы проверили самиПростое объяснение, формулы и устройство модели
Простыми словами
Представьте датчик, который отвечает только «да» или «нет»: сигнал выше порога или ниже. Если сигнал слабый и всё время ниже порога, датчик молчит, и о сигнале ничего не узнать.
Добавим шум. Он случайно подбрасывает сигнал вверх и вниз, и иногда сумма перешагивает порог. Где сигнал сильнее, там до порога ближе и срабатываний больше. Поэтому по частоте срабатываний сигнал снова можно прочитать. На фото так проступают светлые места: лоб, седые волосы, белый воротник.
Если шума слишком много, срабатывает почти всё подряд, и разница между светлым и тёмным тонет. Получается горка: без шума плохо, при сильном шуме плохо, а посередине есть лучшее значение. Это и называют стохастическим резонансом.
С двумя ямками то же самое, только порогом служит горка между ними. Ямки медленно качаются, но слабо: сам наклон не может перекатить шарик. Шум даёт шарикам случайные толчки, и перелезть проще в ту сторону, которая сейчас ниже. Лучше всего выходит, когда шарик в среднем ждёт переход примерно половину качания: тогда переходы попадают в такт.
Важно: шум не усиливает сам сигнал. Он помогает системе с порогом его заметить. В обычном линейном приборе без порога шум всегда только мешает.
Попробуйте сами
- Во вкладке «Фото в шуме» начните без шума и медленно тяните ползунок вправо. Картинка проступит, а потом снова утонет в зерне.
- Откройте «Ещё опыты» и нажмите «Как видит глаз». Мелькание усредняется, и при лучшем шуме картинка становится почти чистой.
- Поднимите яркость сигнала выше 100 %. Светлые места станут видны без шума, а на графике пропадёт горка: шум теперь только портит.
- Загрузите своё фото. Оптимум у разных картинок немного разный.
- Нажмите на светлое место картинки, потом на тёмное. В окне «Один пиксель» видно, как шум перебрасывает пиксель через порог и почему светлое место горит чаще.
- Там же включите «Датчик без порога». Кривая видимости теперь только падает: без порога шум ничем не помогает.
- Во вкладке «Две ямки» нажмите «Мало», потом «Лучший», потом «Много» и смотрите на счётчик шариков в нижней ямке.
- Поднимите наклон выше 0,54. Горка исчезает, шарики перекатываются сами, и шум уже не нужен.
Физика и формулы
Две ямки. Частица в вязкой среде, где инерцией можно пренебречь (передемпфированный предел уравнения Ланжевена):
Минимумы , высота горки . Слагаемое наклоняет потенциал. Пока , у потенциала остаются две ямки, и без шума переходов нет. задаёт силу шума, при тепловом шуме .
Без наклона шарик перепрыгивает горку редко и случайно. Частота таких прыжков даётся формулой Крамерса:
Резонанс появляется, когда среднее время ожидания прыжка сравнимо с половиной периода качания:
Это прикидка, а не точное положение максимума. Разные меры отклика достигают максимума при разном шуме. Например, отношение сигнал/шум в двухуровневой теории Мак-Намары и Визенфельда
максимально при и не зависит от частоты, а синхронность переходов с качанием от частоты зависит.
Порог. Пиксель яркостью горит, если , где нормальный шум. Вероятность вспышки:
При все пиксели ниже порога гаснут, при большом вероятность стремится к 1/2 для всех. Связь выхода с исходной картинкой максимальна при промежуточном шуме.
Как устроена модель
Две ямки: , период , шаг , метод Эйлера–Маруямы, 200 шариков. Шарик меняет ямку, только когда пересекает : это убирает ложные переходы от дрожания у вершины горки. Счётчик показывает долю шариков в нижней ямке за последние два качания, без переходов она равна 50 %.
Генератор шума тот же, что в Python-версии, по которой сделан ролик: 32-битный хэш и преобразование Бокса–Мюллера. Тесты сайта проверяют, что шум совпадает с Python бит в бит, а траектории совпадают до . Python-версию мы проверили отдельно: распределение Больцмана без наклона, точная формула среднего времени перехода, сходимость по шагу.
Фото: порог , яркость сигнала задаёт ползунок. «Насколько видно» считается как корреляция исходной картинки с выходом датчика, сглаженным окном 5×5 пикселей (и усреднённым по 8 кадрам, если включён режим «Как видит глаз»). Кривая считается по формуле, тесты сверяют её с прямым моделированием. Это грубая модель зрения, а не точная модель глаза.
Портрет Альберта Эйнштейна снят Фердинандом Шмутцером в 1921 году и находится в общественном достоянии. Мы обрезали его и перевели в оттенки серого.
Источники и дальнейшее чтение
- R. Benzi, A. Sutera, A. Vulpiani. The mechanism of stochastic resonance. J. Phys. A 14, L453 (1981). doi ↗
- B. McNamara, K. Wiesenfeld. Theory of stochastic resonance. Phys. Rev. A 39, 4854 (1989). doi ↗
- K. Wiesenfeld, F. Moss. Stochastic resonance and the benefits of noise: from ice ages to crayfish and SQUIDs. Nature 373, 33 (1995). doi ↗
- L. Gammaitoni, P. Hänggi, P. Jung, F. Marchesoni. Stochastic resonance. Rev. Mod. Phys. 70, 223 (1998). doi ↗
- J. K. Douglass, L. Wilkens, E. Pantazelou, F. Moss. Noise enhancement of information transfer in crayfish mechanoreceptors by stochastic resonance. Nature 365, 337 (1993). doi ↗
- D. F. Russell, L. A. Wilkens, F. Moss. Use of behavioural stochastic resonance by paddle fish for feeding. Nature 402, 291 (1999). doi ↗
- E. Simonotto et al. Visual perception of stochastic resonance. Phys. Rev. Lett. 78, 1186 (1997). doi ↗
- A. A. Priplata et al. Vibrating insoles and balance control in elderly people. Lancet 362, 1123 (2003). doi ↗