噪声: 不期望接收到的信号(相对于期望接收到的信号) 白噪声: 功率谱密度为常数的随机信号或随机过程,功率谱密度在整个频域内均匀分布的噪声。此信号在各个频段上的功率是一样的。相对的,其它不具有这一性质的噪声信号(功率谱密度不均匀)被称为有色噪声。(频谱是一个常数) 高斯噪声: 是一种服从高斯分布的随机噪声。 高斯白噪声: 幅度统计规律服从高斯分布而功率谱为常数的噪声。仿真时经常采用高斯白噪声,这是因为实际系统(包括雷达和通信系统等大多数电子系统)中的主要噪声是热噪声,而热噪声是典型的高斯白噪声,高斯噪声下的理想系统都是线性系统 白噪声不必服从高斯分布,高斯分布的噪声不一定是白噪声
加性噪声: 一般指热噪声、散弹噪声等。它们与信号的关系是相加,不管有没有信号,噪声都存在。一般通信中把加性随机性看成是系统的背景噪声。 乘性噪声: 一般由信道不理想引起的。它们与信号的关系是相乘,信号在,噪声在;信号不在,噪声也就消失。乘性随机性看成是系统的时变性或者非线性造成的。乘性噪声普遍存在于现实世界的图像应用当中。
高斯白噪声和高斯有色噪声的区别:高斯有色噪声其分布是高斯的,但是它的频谱在整个频域内不是一个常数,或者说,对高斯信号采样的时候不是随机采样的,而是按照某种规律来采样的。理想的噪声时具有无限带宽,因而其能量是无限大,但是在现实世界是不可能存在的。一般的,只要一个噪声过程所具有的频谱宽度远远大于它所作用的带宽,并且在该带宽中其频谱密度基本上可以作为常数来考虑,就可以当做白噪声处理。一般将噪声当做白噪声,是因为一般生活中的噪声由热噪声产生,其为高斯白噪声。 时域特性与频域特性共同决定了噪声的特性。时域特性与频域特性相互独立,也即是说,时域特性由概率分布(高斯还是均匀分布还是其他分布)决定的,频域特性(白与不白)则由频带宽度决定的。
功率谱是功率谱密度的简称。 从统计角度出发:当这个随机变量(噪声),服从均值为0,方差为σ2的正态分布(即二阶中心矩),即为标准正态分布。 当均值为0时,二阶中心距等于二阶原点矩。而二阶原点矩就是一个信号的功率。 功率谱是功率的傅里叶变换。高斯白噪声的功率是σ2,变换前后分别是,时域的δ脉冲信号(脉冲的强度是σ2)和在频域的一条直线(即功率谱是常数)
噪声强度=噪声功率 根据定义,SNR,(Signal Noise Ratio),信噪比就是信号的强度除以噪声的强度(或者信号功率与噪声功率之比),10LOG(Ps/Pn),所以,首先来讲讲信号的强度。其实信号的强度指的就是信号的能量,在连续的情形就是对x平方后求积分,而在离散的情形自然是求和代替积分了。在matlab中也是这样实现的,只不过多了一个规范化步骤罢了: signPower = sum(abs(sign(: )).^2)/length(sign(: )) 这就是信号的强度,这里sign(: )为信号。 dB:SNR=10*log10(signPower./noisePower) 比值:signPower./noisePower一点说明,对高斯白噪声,其方差和功率(单位为W)是一样的。因此,对方差,要做的只是将w变换成dbw,即dbw=10log(w)。
Matlab产生高斯白噪声的两个函数
y = wgn(m,n,p);%%产生一个m行n列的高斯白噪声的矩阵,p以dBW为单位制定信号的强度 ,等同于sqrt(10^(p/10))*randn(m,n) matlab里面,randn(m,n)生成标准正态分布的伪随机数(均值为0,方差为1),rand(m,n)生成均匀分布的伪随机数,分布在(0~1)之间;
——摘自https://blog.csdn.net/MrShuang123/article/details/102622901 https://blog.csdn.net/Guinan_Li/article/details/78535311 https://blog.csdn.net/chenxingp123/article/details/24238509 来源:https://www./content-4-617501.html |
|