Designing Sound

void
f i l l b l o c k ( )
{
i n t
random number ;
f l o a t
n o r m a l i s e d r a n d ;
sa mple = 6 3 ;
while
( sample
−−
)
{
random number = r a nd ( ) % 4 2 9 4 9 6 7 2 9 5 ;
n o r m a l i s e d r a n d = ( random number / 2 1 4 7 4 8 3 6 4 8 )
−
1 . 0 ;
b l o c k [ sa mple ] = n o r m a l i s e d r a n d ;
}
}
On each step the sample value is a random number, independent of any
before it. Because of this, noise is nonperiodic by definition. In fact, computers
cannot generate truly random numbers, so
pseudo-random noise
is used. This
is a very long and complex repeating sequence with values that are so hard to
predict they seem random. So, a necessary first step in the above code is for
the
srand()
function to “seed” the generator used by another function
rand()
,

---

7.3 Generating Digital Waveforms
137
 0
 1
 0
 1000
 2000
Freq
u
ency
-1
 0
 1
1024
0
Amplit
u
de
Amplit
u
de
Samples
graph-1
Figure 7.14
White noise.
thus giving it a more unpredictable output. Why is white noise white? One way
of looking at it is to think about the frequencies that are in the mix. Perfect
white noise has an equal mixture of all the frequencies in the human hearing
range. This corresponds well to the effect of combining all the colours in the
human visual range as light to get white light. In theory, noise has the property
that it contains all those frequencies equally at all times. This is impossible in
reality; different blends of frequencies fade in and out. At any moment a spec-
trum snapshot will show different patterns, but on average all frequencies are
equally represented in any short time. Thinking of the graph as a photograph,
the longer we “leave the film exposed for,” by using a longer average, the more
we see the graph fill up until it is a steady line high on the scale, showing that
on average all the frequencies appear equally.
Keypoint
Noise contains a great many fre
q
uencies, theoretically all fre
q
uencies.