噪声统计学是研究和分析噪声特性及其在随机过程中的行为的统计学分支。它主要关注噪声信号的数学建模、统计特性以及对随机过程的影响。

以下是一些噪声统计学的基本概念和方法：

噪声模型：噪声可以通过各种数学模型进行建模，如高斯白噪声、马尔科夫噪声、随机行走等。不同的噪声模型适用于不同的应用领域，并具有不同的统计特性。

线谱密度：线谱密度描述了信号在频域上的能量分布情况。通过傅里叶变换或功率谱密度估计方法，可以计算噪声信号的线谱密度，从而分析其频率特性。

自相关函数：自相关函数用于测量信号的相关性和重复性。对于稳定的噪声信号，其自相关函数与时间延迟相关。自相关函数可用于噪声信号的预测和滤波。