📻 Rauschfarben — Weiß, Rosa & Braun
Weißes Rauschen hat bei jeder Frequenz gleiche Leistung, rosa Rauschen fällt mit 1/f ab (gleiche Energie pro Oktave), braunes Rauschen fällt mit 1/f² ab — dieselbe Zufälligkeit, unterschiedlich gefiltert.
So funktioniert es
Die "Farbe" eines Zufallssignals wird vollständig durch seine spektrale Leistungsdichte S(f) definiert — wie seine mittlere Leistung über die Frequenz verteilt ist. Weißes Rauschen hat eine flache PSD (gleiche Leistung pro Hertz), was trivial zu erzeugen ist: bei jedem Takt einen neuen unabhängigen Zufallswert ziehen. Rosa und braunes Rauschen benötigen einen Formungsprozess, denn einfaches Filtern von weißem Rauschen mit einem beliebigen Tiefpassfilter reproduziert nicht die präzise 1/f- oder 1/f²-Potenzgesetz-Steigung, die sie definiert.
Rosa Rauschen wird hier mit dem Voss-McCartney-Algorithmus erzeugt: eine kleine Bank unabhängiger Zufallsgeneratoren ("Zeilen") wird mit oktavabständigen Raten aktualisiert — Zeile 0 bei jedem Sample, Zeile 1 alle 2 Samples, Zeile 2 alle 4 und so weiter — und summiert, was effizient implementiert wird, indem die durch die Anzahl der nachfolgenden Null-Bits eines hochzählenden Zählers angezeigte Zeile aufgefrischt wird. Braunes Rauschen wird als laufende Summe (diskretes Integral) von weißem Rauschen erzeugt, begrenzt, um beschränkt zu bleiben — derselbe Prozess wie ein eindimensionaler Random Walk, weshalb es auch Brownsches Rauschen genannt wird. Das Canvas berechnet regelmäßig eine näherungsweise spektrale Leistungsdichte aus dem jüngsten Sample-Puffer mittels einer direkten diskreten Fourier-Transformation, ausgewertet an log-verteilten Frequenzen (ein Periodogramm), sodass Sie die flachen, -3-dB/Oktave- und -6-dB/Oktave-Trends direkt sehen können, statt sie nur zu hören.
Rosa: S(f) ∝ f⁻¹ (Voss-McCartney: oktavabständige Generatoren summiert)
Braun: S(f) ∝ f⁻² (laufende Summe / Random Walk von weißem Rauschen)
Blau: S(f) ∝ f⁺¹ (erste Differenz von weißem Rauschen, optional)
Häufig gestellte Fragen
Was ist die spektrale Leistungsdichte (PSD) und warum definiert sie die "Farbe" eines Rauschens?
Die spektrale Leistungsdichte beschreibt, wie die mittlere Leistung eines Zufallssignals über die Frequenz verteilt ist, S(f). Rauschfarben sind einfach Namen für charakteristische PSD-Formen: flaches S(f) ist Weiß, S(f) ∝ 1/f ist Rosa, und S(f) ∝ 1/f² ist Braun. Zwei Signale mit derselben PSD-Form klingen als dieselbe "Farbe", auch wenn sich die genauen Zufallswerte bei jeder Erzeugung unterscheiden.
Warum wird weißes Rauschen "weiß" genannt?
Der Name ist eine Analogie zu weißem Licht, das über alle sichtbaren Wellenlängen etwa gleiche Intensität enthält. Weißes Rauschen hat ebenso gleiche Leistung pro Hertz bei jeder hörbaren Frequenz — seine spektrale Leistungsdichte ist flach, S(f) ∝ f⁰. Es wird hier einfach erzeugt, indem bei jedem Takt ein neuer unabhängiger Zufallswert gezogen wird, ohne Korrelation zwischen den Werten.
Warum klingt rosa Rauschen "dumpfer" oder wärmer als weißes Rauschen, obwohl es mehr Energie im niederfrequenten Bereich pro Hertz hat?
Das menschliche Gehör gruppiert Frequenzen in Oktavbänder, und jede Oktave umfasst eine Verdopplung der Frequenz, sodass höhere Oktaven weit mehr einzelne Hertz enthalten als tiefere. Weißes Rauschen hat gleiche Energie pro Hertz, sodass gleich breite Oktaven bei hohen Frequenzen viel mehr Gesamtenergie sammeln als niedrige — es klingt zischend und hell. Rosa Rauschen hat stattdessen gleiche Energie pro Oktave, was der Art entspricht, wie wir Tonhöhe wahrnehmen, wodurch diese Hochfrequenzbetonung entfällt und es wärmer und dumpfer klingt, obwohl es echte Energie bei jedem Hertz trägt.
Wie erzeugt der Voss-McCartney-Algorithmus tatsächlich rosa Rauschen?
Die Voss-McCartney-Methode hält eine kleine Bank unabhängiger Zufalls-"Zeilen" vor, die jeweils mit unterschiedlicher Rate aktualisiert werden: Zeile 0 ändert sich bei jedem Sample, Zeile 1 alle 2 Samples, Zeile 2 alle 4 Samples und so weiter in Oktavschritten. Die Summe aller Zeilen erzeugt ein Signal, dessen Spektrum nahe an 1/f abfällt, weil langsamere Zeilen mehr niederfrequenten Inhalt beisteuern und schnellere Zeilen mehr hochfrequenten Inhalt in oktavausgeglichenen Anteilen. Eine günstige Methode, um zu wählen, welche Zeile bei jedem Schritt aufgefrischt wird, ist das Zählen der nachfolgenden Null-Bits eines hochzählenden Zählers, was Zeile 0 zur Hälfte der Zeit, Zeile 1 zu einem Viertel der Zeit und so weiter aktualisiert.
Warum helfen Weißrauschgeräte beim Einschlafen oder beim Maskieren von Geräuschen?
Das flache Breitbandspektrum von weißem Rauschen deckt praktisch alle hörbaren Frequenzen gleichzeitig ab, sodass es sehr effektiv die auditive Maskierungsschwelle über den gesamten Hörbereich anhebt — leisere, variablere Geräusche wie eine zufallende Tür oder Verkehrslärm werden unter einem konstanten, unveränderlichen Rauschen begraben. Da es keine ausgeprägte Tonhöhe oder Rhythmus hat, gewöhnt sich das Gehirn auch schnell daran, statt es fortwährend als neuartiges, aufmerksamkeitserregendes Geräusch zu markieren.
Warum taucht rosa Rauschen (1/f-Rauschen) so häufig in der Natur und in biologischen Systemen auf?
1/f-Spektren sind in physikalischen und biologischen Zeitreihen extrem häufig: Herzschlagintervall-Variabilität, neuronale Feuerraten, Flussströme und sogar Musik zeigen annähernd rosa Spektren. Dies scheint immer dann aufzutreten, wenn ein System viele wechselwirkende Prozesse über einen weiten Bereich von Zeitskalen hat, von denen jeder ungefähr gleich viel pro Oktave statt pro Hertz beiträgt — kein einzelner Mechanismus erklärt dies vollständig, aber die Allgegenwart mehrskaliger, schwach gekoppelter Prozesse in der Natur ist die führende Erklärung.
Wie klingt braunes (Brownsches) Rauschen und warum?
Braunes Rauschen klingt wie ein tiefes, grollendes Dröhnen — wie ein Wasserfall oder starker Regen aus der Ferne — weil seine Leistung mit steigender Frequenz steil abfällt (1/f²), sodass fast seine gesamte Energie im unteren Bereich des Spektrums liegt und nur sehr wenig die Höhen erreicht. Es ist nach der Brownschen Bewegung benannt, nicht nach der Farbe Braun; der Name ist ein Wortspiel mit Robert Brown, dem Botaniker, der das zufällige Zittern von Pollenkörnern im Wasser beschrieb.
Wie lautet der mathematische Zusammenhang zwischen braunem Rauschen und einem Random Walk?
Braunes Rauschen ist buchstäblich die laufende Summe (diskretes Integral) von weißem Rauschen, was genau der Definition eines eindimensionalen Random Walk oder diskreter Brownscher Bewegung entspricht: Bei jedem Schritt wird ein neues, unabhängiges Zufallsinkrement zur aktuellen Position addiert. Integration in der Zeit entspricht der Division durch die Frequenz im Spektralbereich, sodass die einmalige Integration von weißem Rauschen (flaches Spektrum) ein 1/f²-Spektrum erzeugt — der zusätzliche Faktor f gegenüber dem einfachen 1/f des rosa Rauschens ergibt sich aus diesem doppelten Integrationseffekt.
Was ist blaues Rauschen und wie unterscheidet es sich von den anderen Farben?
Blaues Rauschen hat eine mit der Frequenz steigende Leistung, S(f) ∝ f, das Spiegelbild von rosa Rauschen. Es wird hier durch Differenzbildung aufeinanderfolgender Weißrausch-Samples erzeugt, dem diskreten Äquivalent der Differentiation, was hohe Frequenzen verstärkt, während niedrige unterdrückt werden. Es klingt dünn, zischend und scharf und wird in Bereichen wie Dithering und Stippling eingesetzt, wo gleichmäßig verteilte Hochfrequenzenergie ohne niederfrequente Klumpenbildung wünschenswert ist.
Über diese Simulation
Dieser Simulator erzeugt drei echte Rauschfarben Sample für Sample und lässt Sie den Unterschied sowohl hören als auch sehen: weißes Rauschen aus unabhängigen Zufallssamples, rosa Rauschen mit dem klassischen Voss-McCartney-Algorithmus (oktavabständige Zufallsgeneratoren, zusammen summiert) und braunes Rauschen aus einer begrenzten laufenden Summe — einem diskreten Random Walk — von weißem Rauschen. Eine live scrollende Wellenform und ein Log-Log-Diagramm der spektralen Leistungsdichte, berechnet mit einer direkten diskreten Fourier-Transformation über den jüngsten Sample-Puffer, zeigen die flachen, -3-dB/Oktave- und -6-dB/Oktave-Steigungen direkt, während Web Audio die tatsächlichen Samples des gewählten Algorithmus in Echtzeit über Ihre Lautsprecher abspielt.
🔬 Was gezeigt wird
Eine scrollende Zeitbereichs-Wellenform der aktuell gewählten Rauschfarbe, gepaart mit einem näherungsweisen Diagramm der spektralen Leistungsdichte, berechnet über ein direktes DFT-Periodogramm über einen Hann-gefensterten Puffer, sodass die charakteristischen flachen / -3-dB/Oktave / -6-dB/Oktave Potenzgesetz-Steigungen auf einer logarithmischen Frequenzachse sichtbar sind, nicht nur hörbar.
🎮 Bedienung
Wählen Sie einen Rauschtyp aus dem Dropdown, drücken Sie Abspielen, um ihn live über Web Audio zu hören, und ziehen Sie den Gain-Regler, um die Lautstärke anzupassen. Das Canvas animiert unabhängig von der Wiedergabe weiter — P pausiert die Visualisierung, R setzt den Sample-Puffer und das PSD-Diagramm zurück.
💡 Wussten Sie schon?
Rosa Rauschen trägt mehr rohe Energie pro Hertz bei niedrigen Frequenzen als weißes Rauschen irgendwo hat, klingt aber trotzdem "dumpfer" — weil das menschliche Gehör (und die meisten Spektralanzeigen) Frequenzen natürlicherweise nach Oktave gruppiert, und rosa Rauschen dadurch definiert ist, dass es gleiche Energie pro Oktave statt pro Hertz hat.
Häufig gestellte Fragen
Warum ruft der Wechsel von noiseType zu "pink" makeVossPink() auf, statt einfach weißes Rauschen durch einen Filter laufen zu lassen?
makeVossPink() baut eine Closure mit zwölf unabhängigen Zufallszeilen plus einer laufenden Summe auf, und jeder Aufruf des zurückgegebenen Generators frischt genau eine Zeile auf (ausgewählt über trailingZeroBits(counter)), bevor die aktualisierte, durch die Zeilenzahl geteilte Summe zurückgegeben wird. Ein einzelner Tiefpassfilter kann eine 1/f-Steigung nur über ein schmales Band annähern, während das Stapeln oktavabständiger Generatoren die korrekte Potenzgesetz-Steigung über den gesamten hörbaren Bereich reproduziert, weshalb der Algorithmus statt einfacher Filterung verwendet wird.
Was steuert trailingZeroBits(counter) tatsächlich im Rosa-Rausch-Generator?
trailingZeroBits(counter) zählt, wie viele niedrigwertige Bits des hochzählenden Zählers null sind, und diese Zahl (modulo der Zeilenanzahl) wählt aus, welche Zeile bei diesem Aufruf einen neuen Zufallswert erhält. Da Zählungen von 0 nachfolgenden Nullen bei der Hälfte aller Ganzzahlen auftreten, Zählungen von 1 bei einem Viertel, Zählungen von 2 bei einem Achtel und so weiter, wird Zeile 0 bei jedem Sample aufgefrischt, Zeile 1 bei jedem zweiten Sample, Zeile 2 bei jedem vierten Sample — genau die oktavabständigen Aktualisierungsraten, die die Voss-McCartney-Methode erfordert.
Warum wird die laufende Summe des Braunrausch-Generators auf [-1, 1] begrenzt, statt frei zu akkumulieren?
Die Braunrausch-Closure addiert bei jedem Aufruf ein kleines skaliertes Weißrausch-Inkrement zu brownState, was ein echter unbegrenzter Random Walk ist und andernfalls beliebig weit von null wegdriften würde (eine bekannte Eigenschaft der Brownschen Bewegung). Das Zurückklammern von brownState auf [-1, 1] bei jedem Schritt hält die Wellenform und die Web-Audio-Ausgabe in einem sicheren, hörbaren Amplitudenbereich, ohne die 1/f²-Form seines Spektrums zu verändern.
Wie verwandelt computePSD() einen Sample-Puffer in das Log-Log-Diagramm auf dem Canvas?
computePSD() wendet ein Hann-Fenster auf den letzten 1024-Sample-visBuffer an und wertet dann eine direkte diskrete Fourier-Transformation aus — eine einfache Summe von Kosinus- und Sinustermen — an einem festen Satz log-verteilter Frequenzbins statt jede mögliche Frequenz zu berechnen, was den Rechenaufwand pro Frame handhabbar hält und dennoch den flachen, -3-dB/Oktave- oder -6-dB/Oktave-Trend für den gewählten Rauschtyp nachzeichnet.
Warum ändert das Bewegen des Gain-Schiebereglers gainNode.gain.value, aber nicht die Form des PSD-Diagramms?
Der Gain-Schieberegler aktualisiert nur gainNode.gain.value, einen Multiplikator, der nach der Erzeugung der Rauschsamples angewendet wird, sodass er die Lautstärke gleichmäßig über alle Frequenzen ändert, ohne die zugrunde liegende Sample-Sequenz zu verändern, die visBuffer und computePSD() analysieren. Die Skalierung jedes Samples um dieselbe Konstante verschiebt die gesamte PSD-Kurve um eine feste Anzahl von Dezibel nach oben oder unten, lässt aber ihre charakteristische Steigung — flach, -3 oder -6 dB pro Oktave — vollständig unverändert.
Weißes Rauschen hat bei jeder Frequenz gleiche Leistung, rosa Rauschen fällt mit 1/f ab (gleiche Energie pro Oktave), braunes Rauschen fällt mit 1/f² ab — dieselbe Zufälligkeit, unterschiedlich gefiltert.
2D · HTML5 Canvas 2D · Ziel 60 FPS · läuft vollständig clientseitig, keine Installation nötig