噪聲整形是一種通常用于數字音頻、圖像和視頻處理的技術，通常與抖動相結合，作為數字信號的量化或比特深度減少過程的一部分。其目的是增加結果信號的表觀信噪比。它通過改變由抖動和量化引入的誤差的頻譜形狀來實現；這樣，噪聲功率在被認為不理想的頻段處于較低水平，在被認為更理想的頻段處于相應的較高水平。圖像處理中常用的噪聲整形算法被稱為"FloydSteinberg抖動"；音頻處理中使用的許多噪聲整形算法是基于"xxx聽閾"模型。

噪聲整形的工作原理是將量化誤差放在一個反饋環路中。任何反饋環路的功能都是一個過濾器，所以通過為誤差本身創建一個反饋環路，誤差可以按要求進行過濾。例如，考慮反饋系統。y[n]=x[n]+e[n-1]。{displaystyle}y[n]=x[n]+e[n-1],}其中y[n]是輸出。其中y[n]是要被量化的輸出樣本值，x[n]是輸入樣本值，n是樣本數，e[n]是在樣本n引入的量化誤差。在這個模型中，當任何樣本的比特深度減少時，量化值和原始值之間的量化誤差被測量和存儲。這個誤差值會在下一個樣本的量化之前被重新加入。其效果是，量化誤差被一個2個樣本的盒式濾波器（也稱為簡單移動平均濾波器）低通過濾。因此，與之前相比，量化誤差在高頻率時功率較低，在低頻率時功率較大。請注意，我們可以通過修改被反饋的前一個樣本的誤差比例b來調整濾波器的截止頻率。更一般地說，任何FIR濾波器或IIR濾波器都可以用來創建一個更復雜的頻率響應曲線。這種濾波器可以用加權最小二乘法來設計。在數字音頻的情況下，通常使用的加權函數是一除以聽力曲線的xxx閾值，即噪聲整形也應該總是涉及到過程本身的適當數量的抖動，以防止對信號本身的可確定和相關的錯誤。如果不使用抖動，那么噪聲整形的有效功能只是失真整形--將失真能量推向不同的頻段，但它仍然是失真。如果抖動被添加到這個過程中，如那么量化誤差就真的變成了噪聲，而這個過程確實產生了噪聲整形。在數字音頻中，750赫茲的正弦音以48千赫采樣，量化為4比特，沒有抖動，沒有噪聲整形。這個過程引入了周期為64個樣本的周期性舍入誤差，在頻域中被視為諧波，相對于參考音來說，達到了-40dB。同樣的純音，有三角抖動但沒有噪聲整形。請注意，整體的噪聲功率增加了，但沒有頻率達到高于-60dB。同樣的純音，有三角形抖動和噪聲整形。請注意，在耳朵最敏感的4kHz附近，噪音最低（-80dB）。

音頻中的噪聲整形最常見的是作為一個比特減少方案。最基本的抖動形式是平坦的白噪聲。然而，耳朵在低電平時對某些頻率的敏感度低于其他頻率（見等響度輪廓）。通過使用噪聲整形，可以有效地分散量化誤差，使其更多地集中在聽不到的頻率上，而更少地集中在能聽到的頻率上。其結果是，在耳朵最關鍵的地方，量化誤差可以xxx減少，而在耳朵不那么敏感的地方，噪音則更大。與直接抖動相比，這可以讓人感覺到噪音減少4比特。雖然16位音頻通常被認為有96dB的動態范圍（見量化失真計算），但實際上使用噪聲整形的抖動可以增加到120dB。

自1989年左右，1位delta-sigma調制器被用于模數轉換器。這涉及到以非常高的速率對音頻進行采樣（例如每秒282.24萬次采樣），但只使用一個比特。由于只使用了1位，這個轉換器只有6.02dB的動態范圍。