当您有传感器时，即使记录的信号没有变化，您收到的值也会发生变化。这是噪音的一个例子。

当你有一个世界模型时，它会通过简化不太重要的事情来从真实的关系中抽象出来。考虑到简化，您将误差​​建模为噪声（例如在卡尔曼滤波器中）。

但噪声源可以是任何东西。例如，在图像分类问题中，数据压缩会扭曲图像。图像可以有不同的分辨率；低分辨率信号比高分辨率数字更难分类。锯齿效果也会扭曲图像。

什么是加性噪声？

假设你的系统方程是

在哪里$z \in \mathbb{R}^{n_m}$是观察，$x \in \mathbb{R}^{n_x}$是你感兴趣的状态并且$H \in \mathbb{R}^{n_m \cdot n_x}$是一个变换矩阵。然后噪音可能会以任何方式与您的系统相互作用。但大多数情况下，噪声是加法的，这意味着你的模型是合乎逻辑和实际的

在哪里$r$从任何分布的随机变量中采样。

什么是（加性）高斯噪声？

见正态分布