非高斯列维噪声早由法国数学家保罗·列维（Paul Lévy）在20世纪20年代提出。与高斯噪声不同，非高斯列维噪声的概率密度函数在尾部呈现出更快的衰减，这意味着更大的振幅事件发生的概率更小，同时也可能存在极端的尾部事件。

非高斯列维噪声在金融市场的研究中具有重要意义。传统的金融模型通常假设价格变动服从几何布朗运动，即满足正态分布。然而，真实的金融市场呈现出明显的非高斯特性，如股票价格的大幅波动和极端事件的发生。非高斯列维噪声的引入可以更准确地模拟这些现象，从而提高风险管理和金融衍生品定价的精度。

除金融领域外，非高斯列维噪声在信号处理、图像处理、网络建模等领域也有广泛应用。例如，在信号处理中，非高斯列维噪声可以更好地描述一些真实世界中的信号，如雷达回波、语音信号和地震记录。在图像处理中，非高斯列维噪声可以更好地抑制图像中的椒盐噪声和高斯噪声，提高图像的质量和清晰度。在网络建模中，非高斯列维噪声可以更准确地描述网络的时变特性，为网络资源分配和性能优化提供更好的依据。