浅谈阵列信号处理中的高斯白噪声,功率谱,生成高斯白噪声

高斯白噪声

高斯白噪声需要从“高斯噪声”和“白噪声”分别去理解

  • 高斯噪声:是一种随机噪声,其时域内信号幅度(实数域是绝对值,复数域是模)的统计规律服从高斯分布
  • 白噪声是指该信号的功率谱在整个频域内为常数的噪声,其傅里叶反变换是单位冲击函数,其自相关函数也是冲击函数(说明这种信号只与自己相关,与它的时延信号就不相关)
    综上:(1)高斯白噪声和其他白噪声的区别:当随机的从高斯分布中获取采样值时,采样点所组成的随机过程就是高斯白噪声;同理,当随机的从均匀分布中获取采样值时,采样点所组成的随机过程就是均匀白噪声
    (2)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。
    (3)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

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 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)。

加性高斯白噪声

定义:在通信领域中指的是一种各频谱分量服从均匀分布(即白噪声),且幅度服从高斯分布的噪声信号。因其可加性、幅度服从高斯分布且为白噪声的一种而得名
这边的可加性是指:信号和噪声可以相加,和高斯白噪声定义一致,强调在通信领域以及可加性两个概念

Matlab产生高斯白噪声的两个函数

  • WGN:产生高斯白噪声
  • AWGN:在某一信号中加入高斯白噪声

    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
    y = awgn(x,SNR);%%在信号x中加入高斯白噪声。信噪比SNR以dB为单位。x的强度假定为0dBW。如果x是复数,就加入复噪声

    注:无论是wgn还是awgn函数,实质都是由randn函数产生的噪声,即,wgn函数中调用了randn函数,而awgn函数中调用了wgn函数。wgn(m,n,p) 应该是等同于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;

实例:生成高斯白噪声 均值0 方差为0.0965
产生方法有两种:
N=1000;
x=sqrt(0.0965)*randn(N,1);
% 验证:
Px=(x.’*x)/N

N=1000;
y=wgn(N,1,10*log10(0.0965));
% 验证:
Py=(y.’*y)/N

以上参考了相关博客并以自己的理解进行行文和整合:
http://blog.csdn.net/ZSZ_shsf/article/details/46914853
http://blog.csdn.net/gllnupt/article/details/41149671
http://blog.csdn.net/ustcyy91/article/details/53402518

你可能感兴趣的:(浅谈阵列信号处理中的高斯白噪声,功率谱,生成高斯白噪声)