白噪声的分析及其matlab实现

高斯白噪声涉及概念：

1、功率谱：以频率为横轴，信号幅度的平方为功率，定义了信号的功率是如何随频率分布的，即以频率为横轴，功率为纵轴。

（1）功率谱和频谱的区别如下：

功率谱：信号先自相关再作FFT。

频 谱：信号直接作FFT。

(a)一个信号的频谱,只是这个信号从时域表示转变为频域表示,只是同一种信号的不同的表示方式而已, 而功率谱是从能量的观点对信号进行的研究,其实频谱和功率谱的关系归根揭底还是信号、功率和能量等之间的关系。

(b) 频谱是个很不严格的东西，常常指信号的Fourier变换，是一个时间平均（time average）概念；功率谱的概念是针对功率有限信号的(能量有限信号可用能量谱分析)，所表现的是单位频带内信号功率随频率的变换情况。保留频谱的幅度信息，但是丢掉了相位信息，所以频谱不同的信号其功率谱是可能相同的。

(c)功率谱是随机过程的统计平均概念，平稳随机过程的功率谱是一个确定函数；而频谱是随机过程样本的Fourier变换，对于一个随机过程而言，频谱也是一个“随机过程”。（随机的频域序列）。
(d)功率概念和幅度概念的差别。此外，只能对宽平稳的各态历经的二阶矩过程谈功率谱，其存在性取决于二阶局是否存在并且二阶矩的Fourier变换收敛；而频谱的存在性仅仅取决于该随机过程的该样本的Fourier变换是否收敛。（具体什么意思还不懂）

（2）功率谱和频谱的联系如下：

（a）功率谱可以从两方面来定义，一个是自相关函数的傅立叶变换，另一个是时域信号傅氏变换模平方然后除以时间长度。第一种定义就是常说的维纳辛钦定理，而第二种其实从能量谱密度来的。根据parseval定理，信号傅氏变换模平方被定义为能量谱，能量谱密度在时间上平均就得到了功率谱。

（b）在频域分析信号分两种：
（1）对确定性信号进行傅里叶变换，分析频谱信息。
（2）随机信号的傅里叶信号不存在，转向研究它的功率谱。随机信号的功 率谱和自相关函数是傅里叶变换对（即维纳辛钦定理）。

（3）功率谱密度（PowerSpectral Density，PSD）：在物理学中，信号通常是波的形式表示，例如电磁波、随机振动或者声波。当波的功率频谱密度乘以一个适当的系数后将得到每单位频率波携带的功率，这被称为信号的功率谱密度（power spectral density, PSD）。

4、傅里叶变换中，时域有限，频域无限；频域有限，时域无限。功率谱密度服从均匀分布的说法是在频域内，频域无限的信号变换到时域上，对应于冲击函数的整数倍，即说明在时间轴的某点上，噪声孤立，与其它点的噪声无关，也就是说，该点噪声幅值可以任意，不受前后点噪声幅值影响。简而言之，任意时刻出现的噪声幅值都是随机的。

5、相关：相关就是某一时刻的噪声点不孤立，和其它时刻的噪声幅值有关。其实相关的情况有很多种，比如此时刻的噪声幅值比上一时刻的大，而下一时刻的噪声幅值比此时刻的还大，即信号的幅值在时间轴上按从小到大的顺序排列。除此之外，幅值从大到小，或幅值一大一小等都叫做“相关”，而非“随机”的。

6、高斯分布：又名正态分布（normal distribution）。正态分布的概率密度函数曲线的形状由两个参数决定：平均值和方差。简单来说，平均值决定曲线对称中线，方差决定曲线的胖瘦，即贴近中线的程度。概率密度定义了信号出现的频率是如何随着其幅值变化的，即以信号幅值为横轴，以出现的频率为纵轴。因此，从概率密度角度来说，高斯白噪声的幅度分布服从高斯分布

三、再来看白噪声的定义：

1、白噪声在功率谱上趋近为常值，即噪声频率丰富，在整个频谱上都有成分，即从低频到高频，低频指的是信号不变或缓慢变化，高频指的是信号突变。

2、高斯白噪声，幅度分布服从高斯分布，功率谱密度服从均匀分布。它的意义就很明确了，上半句是从空域(幅值)角度描述“高斯噪声”，而下半句是从频域角度描述“白噪声”。

白噪声的matlab实现

一、概念
定义：均匀分布于给定频带上的高斯噪声。
“高斯”：指幅值为纵轴，频率为横轴的概率分布是正态函数。

白噪声：指它的二阶矩不相关，一阶矩为常数，是指先后信号在时间上的相关性。这是考察一个信号的两个不同方面的问题。（一阶矩就是随机变量的期望,二阶矩就是随机变量平方的期望）
高斯白噪声：如果一个噪声，它的幅度服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。（热噪声和散粒噪声是高斯白噪声）

二、matlab举例
Matlab有两个函数可以产生高斯白噪声，wgn( )和awgn( )。

1. WGN：产生高斯白噪声
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为单位指定输出噪声的强度。
y = wgn(m,n,p,imp) %以欧姆(Ohm)为单位指定负载阻抗。
y = wgn(m,n,p,imp,state) %重置RANDN的状态。

在数值变量后还可附加一些标志性参数：
y = wgn(…,POWERTYPE) 指定p的单位。POWERTYPE可以是'dBW', 'dBm'或'linear'。线性强度(linear power)以瓦特(Watt)为单位。
y = wgn(…,OUTPUTTYPE) 指定输出类型。OUTPUTTYPE可以是'real'或'complex'

2. AWGN：在某一信号中加入高斯白噪声
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。

y = awgn(x,SNR,SIGPOWER) 如果SIGPOWER是数值，则其代表以dBW为单位的信号强度；如果SIGPOWER为'measured'，则函数将在加入噪声之前测定信号强度。
y = awgn(x,SNR,SIGPOWER,STATE) 重置RANDN的状态。
y = awgn(…,POWERTYPE) 指定SNR和SIGPOWER的单位。POWERTYPE可以是'dB'或'linear'。如果POWERTYPE是'dB'，那么SNR以dB为单位，而SIGPOWER以dBW为单位。如果POWERTYPE是'linear'，那么SNR作为比值来度量，而SIGPOWER以瓦特为单位

clear,clc;
N=0:1000;
fs=1024;
t=N./fs;
y=3*sin(2*pi*t);
x=wgn(1,1001,2);
i=y+x;
% i=awgn(y,2);
subplot(3,1,1),plot(x);
subplot(3,1,2),plot(y);
subplot(3,1,3),plot(i);

转载声明