




下載本文檔
版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、精選優(yōu)質(zhì)文檔-傾情為你奉上在matlab中無(wú)論是wgn還是awgn函數(shù),實(shí)質(zhì)都是由randn函數(shù)產(chǎn)生的噪聲。即:wgn函數(shù)中調(diào)用了randn函數(shù),而awgn函數(shù)中調(diào)用了wgn函數(shù)。根據(jù)awgn的實(shí)現(xiàn)代碼可以知道”向已知信號(hào)添加某個(gè)信噪比(SNR)的高斯白噪聲“,即:awgn(x,snr,measured,'linear),命令的作用是對(duì)原信號(hào)x添加信噪比(比值)為SNR的噪聲,在添加之前先估計(jì)信號(hào)x的強(qiáng)度。這里涉及三個(gè)問(wèn)題:在awgn這個(gè)函數(shù)中,SNR是如何計(jì)算的?什么是信號(hào)的強(qiáng)度?awgn函數(shù)具體是如何添加噪聲的?1.1 awgn添加白噪聲原理SNR就是信號(hào)的強(qiáng)度除以噪聲的強(qiáng)度(或者
2、信號(hào)功率與噪聲功率之比),所以,首先來(lái)講講信號(hào)的強(qiáng)度。其實(shí)信號(hào)的強(qiáng)度指的就是信號(hào)的能量,在連續(xù)的情形就是對(duì)x平方后求積分,而在離散的情形自然是求和代替積分了。那么如何添加確定值的信噪比噪聲呢?那么根據(jù)信噪比公式來(lái)推導(dǎo):SNR=10log(signalPower/noisePower)信噪比確定,即SNR是已知的。由于無(wú)噪聲信號(hào)signal是已知的,所以它的信號(hào)功率是已知的。signalPower=sum(signal.2)/length(signal)所以可以求得noisePowernoisePower=signalPower/(10(SNR/10)然后根據(jù)已知的signal構(gòu)造相應(yīng)的噪聲no
3、ise先生成一個(gè)與signal相同長(zhǎng)度的隨機(jī)信號(hào)。noise0=randn(size(signal);noise1=noise0-mean(noise0);%減去均值將noise1的按比例進(jìn)行變換noisenoise1=sqrt(noisePower)std(noise0)根據(jù)方差和標(biāo)準(zhǔn)差公式,可以知道std(noise0)就是noise0的標(biāo)準(zhǔn)差,這個(gè)很好求取。noisePower是noise的噪聲強(qiáng)度,根據(jù)上面知道,noise是有noise1按比例變換來(lái)的。由于noise1是由noise0減去均值獲得。因此,noise1的功率就是noise0的方差。即噪聲強(qiáng)度對(duì)應(yīng)的是方差,屬于同一個(gè)概念。
4、事實(shí)上,一個(gè)數(shù)組減去均值后,其方差和標(biāo)準(zhǔn)差與該數(shù)組減去2個(gè)均值或者多個(gè)常數(shù)的方差和標(biāo)準(zhǔn)差相同。即std(noise0-mean(noise0)=std(noise0-2*mean(noise0)所以噪聲強(qiáng)度noisePower對(duì)應(yīng)的是noise未減去均值后的方差,因此noise1未減去均值的原始噪聲為noise0.所以noise=sqrt(noisePower)std(noise0)noise1其中std(noise0)=std(noise1).1.2 例子驗(yàn)證awgn生成信號(hào)和噪聲%-construct simulation signalfs=5000;f=10;k=1024;n=1:k;X
5、=5*sin(2*pi*f/fs*n);% 原始信號(hào)% y1=y0+2*(rand(1,k)-0.5); % 噪聲信號(hào)%-denoiseY = awgn(X,10,'measured'); %加入信噪比為10db的噪聲,加入前預(yù)估信號(hào)的功率(強(qiáng)度)sigPower = sum(abs(X).2)/length(X) %求出信號(hào)功率noisePower=sum(abs(Y-X).2)/length(Y-X) %求出噪聲功率SNR=10*log10(sigPower/noisePower) %由信噪比定義求出信噪比,單位為dbsigPower = 12.2256noisePower
6、 = 1.2742SNR = 9.8204 【大小跟10db差不多】自定義的噪聲函數(shù)function Y,NOISE = noisegen(X,SNR) % 把白噪聲疊加到信號(hào)上去: % noisegen add white Gaussian noise to a signal. % Y, NOISE = NOISEGEN(X,SNR) adds white Gaussian NOISE to X. The SNR is in dB. NOISE0=randn(size(X); NOISE=NOISE0-mean(NOISE0);%減去均值后,其噪聲功率相當(dāng)于原來(lái)的方差 sigPower =
7、1/length(X)*sum(X.*X); %求出信號(hào)功率noise_variance = sigPower / ( 10(SNR/10) ); NOISE=sqrt(noise_variance)/std(NOISE0)*NOISE; Y=X+NOISE; noisePower=1/length(NOISE)*sum(NOISE.*NOISE); %求出噪聲功率SNR=10*log10(sigPower/noisePower) %由信噪比定義求出信噪比,單位為dbfigureplot(Y,'m');hold onplot(X,'k')% title('Sinusoidal Signal Mixed with Noise')% xlabel('Data point n')% y
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 安全知識(shí)法試題及答案
- 2025年電動(dòng)汽車(chē)電池?zé)峁芾硐到y(tǒng)熱管理效率優(yōu)化與創(chuàng)新研究報(bào)告
- 安全技能比武試題及答案
- 安全工作教育試題及答案
- 物業(yè)品質(zhì)培訓(xùn)課件目錄
- 魔鏡檢測(cè)皮膚培訓(xùn)課件
- 重疾保險(xiǎn)培訓(xùn)課件
- 《編制說(shuō)明蒙農(nóng)1號(hào)蒙古冰草提純復(fù)壯技術(shù)規(guī)程》
- 中班家園共育課件
- 冬季生產(chǎn)安全培訓(xùn)
- 小紅書(shū)種草營(yíng)銷(xiāo)師模擬題及答案(單選+多選+判斷)
- 2023-2024學(xué)年滬科版(2019)高中信息技術(shù)必修二第三單元項(xiàng)目五《規(guī)劃并連接數(shù)字家庭系統(tǒng)的網(wǎng)絡(luò)-組建小型信息系統(tǒng)網(wǎng)絡(luò)(一)》說(shuō)課稿
- 石油行業(yè)設(shè)備管理規(guī)范
- RPA財(cái)務(wù)機(jī)器人開(kāi)發(fā)與應(yīng)用 課件 6.2 RPA銀企對(duì)賬機(jī)器人
- 2024年研究生考試考研植物生理學(xué)與生物化學(xué)(414)試題與參考答案
- 天津市南開(kāi)區(qū)2023-2024學(xué)年六年級(jí)下學(xué)期期末數(shù)學(xué)試題
- 公司招聘保安合同模板
- 2023-2024學(xué)年廣東省深圳市福田區(qū)七年級(jí)(下)期末數(shù)學(xué)答案
- 老年患者術(shù)后譫妄護(hù)理
- 2023年貴州遵義四中自主招生考試語(yǔ)文試卷真題(精校打印版)
- MAM6090空壓 機(jī)微電腦控制器說(shuō)明書(shū)
評(píng)論
0/150
提交評(píng)論