Zwykle szum
zniekształca sygnał. Rezonans stochastyczny pokazuje, że w niektórych nieliniowych systemach szum może wzmocnić i poprawić sygnał, zamiast go osłabić i pogorszyć. Rezonans stochastyczny zaobserwowano w wielu układach fizycznych, ostatnio również w układzie nerwowym, zarówno na poziomie analizy sygnałów jak i poziomie skojarzeniowym, jest to więc zjawisko korzystne dla organizmów żywych.
Sygnały zwykle mierzy się za pomocą czujników, analizuje się przy pomocy komputera i zapisuje na urządzeniach elektronicznych.
Mózg możemy również traktować jako wyrafinowane urządzenie pomiarowe wychwytujące słabe sygnały i wydobywające ukryte w nich informacje.
Spróbujmy to Aplet Java pozwalał bawić się w dodawanie szumu zarówno statycznego jak i zmiennego w czasie (niestety w nowszych przeglądarkach nie działa). Dodaje on szum do czarno-białego zdjęcia a następnie filtruje sygnał za pomocą funkcji progowej symulując słabą widoczność. Czasami bo coś lepiej zobaczyć musimy zmrużyć oczy, redukując pobudzenie siatkówki.
![]() ![]() ![]() |
Trudno jest się dopatrzeć kogo przedstawiają te zaszumione obrazki. Zmiana intensywności statycznego szumu nie bardzo pomaga.
Co się stanie, jeśli szum statyczny zastąpimy dynamicznym, tak jak się to dzieje w rzeczywistości? Co kilkanaście lub kilkadziesiąt milisekund pojawiać się będzie nowy obrazek, do którego dodano szum, czyli czarno-białe piksele w przypadkowych miejscach. Chociaż każda ze statycznych klatek trudna jest do analizy to na zmieniającym się obrazie można dostrzec wiele szczegółów.
![]() |
Zbyt dużo szumu spowoduje oczywiście zamazanie się całego obrazu, ale brak dodatkowego, zmieniającego się w czasie szumu również nie pozwala dostrzec szczegółów. Istnieje pewien optymalny poziom szumu przy którym udaje się z obrazka wydobyć najwięcej informacji.
Zaadoptowane ze strony Visual Stochastic Resonance, UMSL Center for Neurodynamics.