在信號處理中，信號與噪聲是一對永遠的對手。如果沒有噪聲的話，信號處理則要簡單得多。可以說，正是因為現實環境中不可避免地存在噪聲，才推動人們去不斷地開發新的信號處理方法。信號處理發展的歷史，在某種程度上可以看做是信號與噪聲相互斗爭的歷史。信號處理的主要目標之一即是如何區分信號與噪聲，或者說如何增強信號而抑制噪聲。
經典數字信號處理最基本的假設之一即是噪聲為高斯白噪聲。對白噪聲，常有一些不夠正確的理解，比如常將白噪聲等同於高斯噪聲即是典型的一例。那么，從哪些角度出發，可以更好地理解噪聲和白噪聲呢？
在對信號的理解中，人們很自然地從時域和頻域兩個角度來分析。對於噪聲，也同樣可以從時域和頻域兩個角度來看。從時域看，白噪聲看起來雜亂無章，但這些雜亂無章的值會服從某種分布，比如高斯噪聲，即表明在時域上，不同時刻的值服從高斯分布。也就是說，時域的取值取決於概率分布。從頻域來看，白噪聲是指功率譜密度在整個頻域內均勻分布的噪聲。這也就是說，從理論上講，其頻帶無限寬，因此就表現為相鄰兩個時刻的值是完全不相關的，因為帶寬無窮，即表明時域可以瞬間突變。由此可以看出，時域特性與頻域特性共同決定了噪聲的特性。而且，時域特性與頻域特性相互獨立，也即是說，時域特性由概率分布決定的，頻域特性則由頻帶寬度決定的。一個噪聲“白”與“不白”，取決於相關特性，也即是頻帶寬度。一個白噪聲，在時域可能服從均勻分布。而服從高斯分布的噪聲，如果其頻域帶寬較小，則就成了通常的高斯色噪聲。
這樣，從時域與頻域的角度來看，噪聲又可以看做是一種“病態”的信號。從這個角度又將噪聲與信號這一對孿生對手統一起來了。事實上，信號與噪聲之間相互依存，也相互轉化。相同的一組序列，在不同的場合，有可能當作信號，也可能當作噪聲。比如兩個人聊天，如果是在錄制訪談類節目時的兩個嘉賓聊天，聊天的聲音就是信號；如果是在開會時，演講者正在宣讀論文或者發表什么高見，底下的兩個聽眾的聊天聲音往往被當作噪聲。因此，信號與噪聲，往往取決於哪些是我們所需要的，需要的則視為信號，不需要的則視為噪聲。從更信號處理的角度講，偽隨機信號通常是根據某個確定的算法計算得到的，但它常常被視為噪聲，而在有些應用場合，比如通信中，又可用作加密信號。