出于讨论的目的，我们将任何不感兴趣的数据指定为“噪声”。正如你从图6.3中所看到的，我们从任何给定的数据源中接收到的不仅包括相关数据，还有噪声。当我在演奏爵士乐时，我的耳朵可以听到来自很多不同源头的声音。如果正在一个音乐大厅演奏，室内周围环境中的噪声可能很少，这是因为观众都在安静地聆听演奏。如果正在一个俱乐部演奏，那里可能会有很多的噪声，这是因为有许多人同时在谈话，而且没有任何谈话与我作为乐手的工作相关。借用一个电子工程的名词，当噪声的数量呈现很高比例时，信号与噪声的比率就很低（经常被简写为SNR，或者S/N）。这就使得识别和获取我们真正感兴趣的数据变得更加困难。滤除噪声，增加信噪比是非常重要的。这是聆听至关重要的部分，且这个概念并不排除在听觉环境之外。不必要的噪声可以存在于任何媒介中。当你收到垃圾邮件或广告时，你不得不处理收件箱中的噪声。因为社交网络的发达，我们现在比以前更紧密地联系在一起。人们经常从新的服务、朋友、企业，或者是服务团体那里收到更新的材料，例如Facebook和Twitter。虽然这些服务更多的是

想保持联系，与私人的及公共的事务保持现在的关系，但是，它们经常具有很低的信噪比。享受这些服务的人们经常努力地去过滤掉这些噪声。

将信号从噪声中分离常常是一种挑战，但这很可能是观察的最重要部分。