MATLAB中产生高斯白噪声，涉及到awgn和wgn函数 MATLAB中产生高斯白噪声非常方便，可以直接应用两个函数，一个是WGN，另一个是AWGN。WGN用于产生高斯白噪声，AWGN则用于在某一信号中加入高斯白噪声。 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。 注释 1. 分贝(decibel,dB)：分贝（dB）是表示相对功率或幅度电平的标准单位，换句话说，就是我们用来表示两个能量之间的差别的一种表示单位，它不是一个绝对单位。例如，电子系统中将电压、电流、功率等物理量的强弱通称为电平，电平的单位通常就以分贝表示，即事先取一个电压或电流作为参考值（0dB），用待表示的量与参考值之比取对数，再乘以20作为电平的分贝数（功率的电平值改乘10）。 2. 分贝瓦(dBW, dB Watt)：指以1W的输出功率为基准时，用分贝来测量的功率放大器的功率值。 3. dBm (dB-milliWatt)：即与1milliWatt（毫瓦）作比较得出的数字。 0 dBm = 1 mW 10 dBm = 10 mW 20 dBm = 100 mW 也可直接用randn函数产生高斯分布序列，例如： 程序代码 y=randn(1,2500); y=y/std(y);
白噪声、高斯色噪声、高斯白噪声 白噪声，就是说功率谱为一常数；也就是说，其协方差函数在delay=0时不为0，在delay不等于0时值为零；换句话说，样本点互不相关。（条件：零均值。）所以，“白”与“不白”是和分布没有关系的。 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”。 那么，是否有“非白的高斯”噪声呢？答案是肯定的，这就是”高斯色噪声“。这种噪声其分布是高斯的，但是它的频谱不是一个常数，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。 仿真时经常采用高斯白噪声是因为实际系统（包括雷达和通信系统等大多数电子系统）中的主要噪声来源是热噪声，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。
相关讨论： 1、白噪声是指功率谱在整个频域内为常数的噪声，其付氏反变换是单位冲击函数的n倍（n取决于功率谱的大小），说明噪声自相关函数在t=0时不为零，其他时刻都为0，自相关性最强。高斯噪声是一种随机噪声，其幅度的统计规律服从高斯分布。高斯白噪声是幅度统计规律服从高斯分布而功率谱为常数的噪声如果在系统通带内功率谱为常数，成为带限白噪声“高斯”与“白”没有直接关系，有时人们还会提出高斯型噪声，这指的是噪声功率谱呈高斯分布函数的形状而已。 2、有一个问题我想提出来： 连续白噪声和离散白噪声序列的关系是什么？它们之间不应该是简单的采样关系。因为连续白噪声的功率谱在整个频率轴上为常数，按照随机信号采样定理，对这样的信号采样，采样后的序列的功率谱必然发生混叠，而且混叠过后的功率谱是什么？应该是在整个频率轴上都为无穷大。这显然不满足离散白噪声序列的定义。 那离散白噪声序列跟连续白噪声有何关系？我觉得是对带限的连续白噪声进行采样后得到的，这个带限的连续白噪声信号的带宽刚好满足Nyquist抽样定理。这样采样过后的信号的功率谱就能满足定义了。 答：连续白噪声是离散白噪声在采样间隔趋近于零的极限。对带限的连续白噪声按照Nyquist采样定理进行采样就得到信息不损失的白噪声序列，当连续白噪声的带宽趋近于无穷大时，采样率也趋近于无穷大（采样间隔趋近于零），此时不会发生频谱混叠。用极限的概念理解二者的关系就很清楚了。需要说明的是，任何实际系统都是工作于一定频带范围内的，带宽为无穷大的信号仅仅存在于理论分析中，在实际系统中找不到。 3、对随机信号而言也有采样定理，这个采样定理是针对功率谱而言的。具体的证明可以参看陆大金老师的随机过程教材。（清华的博士入学考试指定的参考教材） 4、对于不限带的白噪声，已经分析的比较清楚了。 而对于限带白噪声，我认为既然考虑采样定理，那么连续的限带白噪声可以利用采样函数作为正交基的系数来表示，这些系数就是对应的噪声采样值，这个过程
高斯噪声是一种随机噪声，在任选瞬时中任取n个，其值按n个变数的高斯概率定律分布。注： 1,高斯噪声完全由其时变平均值和两瞬时的协方差函数来确定，若噪声为平稳的，则平均值与时间无关，而协方差函数则变成仅和所考虑的两瞬时之差有关的相关函数，它在意义上等效于功率谱密度。 2,高斯噪声可以是大量独立的脉冲所产生的，从而在任何有限时间间隔内，这些脉冲中的每一个脉冲值与所有脉冲值的总和相比都可忽略不计。 3,实际上热噪声、散弹噪声及量子噪声都是高斯噪声。 白噪声是一种功率频谱密度为常数的随机信号或随机过程。换句话说，此信号在各个频段上的功率是一样的，由于白光是由各种频率（颜色）的单色光混合而成，因而此信号的这种具有平坦功率谱的性质被称作是“白色的”，此信号也因此被称作白噪声。相对的，其他不具有这一性质的噪声信号被称为有色噪声（功率谱密度随频率变化）。 理想的白噪声具有无限带宽，因而其能量是无限大，这在现实世界是不可能存在的。实际上，我们常常将有限带宽的平整讯号视为白噪音，因为这让我们在数学分析上更加方便。然而，白噪声在数学处理上比较方便，因此它是系统分析的有力工具。一般，只要一个噪声过程所具有的频谱宽度远远大于它所作用系统的带宽，并且在该带宽中其频谱密度基本上可以作为常数来考虑，就可以把它作为白噪声来处理。例如，热噪声和散弹噪声在很宽的频率范围内具有均匀的功率谱密度，通常可以认为它们是白噪声。 白噪声的功率谱密度是一个常数。这是因为：白噪声的时域信号中任意两个不同时刻是不相关的，因此，白噪声的自相关函数为冲击函数，因此，白噪声的功率谱密度为常数。（自相关函数和功率谱密度是傅立叶变换对）。 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”。 “非白的高斯”噪声——高斯色噪声。这种噪声其分布是高斯的，但是它的频谱不是一个常数，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。 仿真时经常采用高斯白噪声是因为实际系统（包括雷达和通信系统等大多数电子系统）中的主要噪声来源是热噪声，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。 高斯白噪声：如果一个噪声，它的幅度分布服从高斯分布，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。 所谓高斯白噪声中的高斯是指概率分布是正态函数，而白噪声是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。这是考查一个信号的两个不同方面的问题。
Vol.10No.11 Nov.2009 第10卷第11期 2008年11月 https://www.doczj.com/doc/6817278087.html, 2008.11用FPGA 产生高斯白噪声序列的 一种快速方法* 管宇，徐雷，徐建中 (南京航空航天大学信息科学与技术学院，南京 210016)摘要：介绍了用FPGA 快速产生高斯白噪声序列的方法、原理和实现步骤。根据均匀分布和高斯分布之间的映射关系，提出了适合在FPGA 中实现的折线逼近方法(以折线逼近映射关系曲线)，从而实现了高斯白噪声序列的快速实时生成。 关键字：均匀分布；高斯白噪声；折线逼近法；FPGA 设计参考５５
Electronic Component & Device Applications 姨×exp (-y 2 /2)其中：-∞＜y ＜+∞。对f (y )在[-4，4]间进行每隔0.02的等间隔采样，共可采401个值z i (i =1:401），其中z i =f (y i )，sum (z )=z 1+z 2+…+z 401。要建立服从均匀分布的随机变量X 和服从高斯分布的随机变量Y 之间的映射关系，可以z i (i =1:401)及sum (z )为中间量关联X 和Y 。其映射计算式为： X [p i :(p i +q i -1)]=y i ，i =1,2,3, (401) (3) 其中：p i =p i-1+q i-1，i =2,3,…401，p 1=1； X [p i :(p i +q i -1)]=y i 表示X 的取值在p i 到p i +q i -1范围内都映射为y i ；round 表示四舍五入；q i 表示X 所有取值中映射为y i 的个数。根据映射计算式得到均匀分布和高斯分布之间的映射关系图如图2所示。 2.2折线逼近法 如果直接应用上述映射关系进行均匀分布向高斯分布的转换，则需开辟(218-1)个物理空间来建立查找表，这几乎不可能实现。但由图2可见，其关系曲线在很大区间上表现出线性关系，所以，可以以斜率不同的直线段分段逼近关系曲线。在一定精度要求下，该方法简单易行，占用硬件资源少，适合在FPGA 中实现，从而实现由服从均匀分布向服从高斯分布的快速转换。图3是关系曲线(实线)和15段折线逼近法(虚线)的拟合图，由图可见，其实线和虚线拟合得很好，从而证明了折线逼近法能较好的反映映射关系。 利用m 序列的周期特性可降低高斯白噪声任意两个不同时刻的采样信号的相关性。在线性反馈移位寄存器中每隔r 个同步时钟(其中r =2i ，i 为整数）输出一个状态值作为均匀分布的随机数输入可实现均匀分布向高斯分布的转化 。为了选择 图118级线性反馈移位寄存器
湖南人文科技学院 课程设计报告 课程名称：DSP课程设计 设计题目：噪声发生器的设计与实现 系别：通信与控制工程系 专业：电子信息工程 班级：2005级电信本1班 学生姓名: 何广邓言斌 学号: 05409101 05409122 起止日期:2008年12月16日~ 2008年12月27日指导教师:候海良陈继中 教研室主任：何广
摘要 本作品使用DSP产生噪声信号，噪声信号的种类很多，其分布特性有正态分布、均匀分布，其类型有色噪声和白噪声等。本例要求生产均匀分布在（-1，+1）之间的随机白噪声，噪声发生器配合谱仪使用，适合各种工程应用，尤其使用于测试电视功能，其能直接观察天线和有线电视装置及其组件的幅频特性。因为噪声的频谱是权波段的，噪声发生器可用于测试同轴电缆、宽频带放大器、分路放大器、衰减补偿器、可调衰减器、分路带阻滤波器、分配器、天线插座等的幅频特性。 关键词：DSP；噪声发生器
目录 设计要求 (1) 1 方案设计与比较论证 (1) 1.1方案一 (1) 1.2 方案二 (2) 1.3 方案选择 (2) 2单元模块设计 (3) 2.1硬件设计 (3) 2.2 软件设计 (5) 3系统测试及性能分析 (8) 3.1硬件测试 (8) 3.2软件测试 (8) 3.3 性能分析 (8) 4操作说明 (8) 心得体会与总结 (9) 致谢 (10) 参考文献 (11) 附录 (12) A.设计原理图 (12) B.程序清单 (13)
设计要求 本设计要求使用C语言产生噪声信号，要求噪声均匀分布在（-1，+1）之间。1方案设计与比较论证 1.1方案一 随机噪声的产生和周期信号的产生不通，周期信号只要产生一个周期内的数据，然后循环输出，就可以实现；而随机噪声没有周期性。因为DSP中存储的数据总是有限的，所以随机噪声不能使用查表法产生，只能使用计算方法产生。随机噪声的计算方法比较复杂，可以采用种子（Seed）数据和系统时钟来实现，也可以采用大数运算取其结果来实现，DSP中只需要条用rand函数即可实现，方案如图1所示。 图1 方案一流程图
时间序列和白噪声 1.什么是白噪声答:白噪声是指功率谱密度在整个频域内均匀分布的噪声。白噪声或白杂讯是一种功率频谱密度为常数的随机信号或随机过程。换句话说此信号在各个频段上的功率是一样的由于白光是由各种频率颜色的单色光混合而成因而此信号的这种具有平坦功率谱的性质被称作是白色的此信号也因此被称作白噪声。相对的其他不具有这一性质的噪声信号被称为有色噪声。理想的白噪声具有无限带宽因而其能量是无限大这在现实世界是不可能存在的。实际上我们常常将有限带宽的平整讯号视为白噪音因为这让我们在数学分析上更加方便。然而白噪声在数学处理上比较方便因此它是系统分析的有力工具。一般只要一个噪声过程所具有的频谱宽度远远大于它所作用系统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把它作为白噪声来处理。例如热噪声和散弹噪声在很宽的频率范围内具有均匀的功率谱密度通常可以认为它们是白噪声。高斯白噪声的概念--.白指功率谱恒定高斯指幅度取各种值时的概率px是高斯函数高斯噪声--n维分布都服从高斯分布的噪声高斯分布--也称正态分布又称常态分布。对于随机变量X记为Nμσ2分别为高斯分布的期望和方差。当有确定值时p x也就确定了特别当μ0σ21时X的分布为标准正态分布。2.matlab中白噪声和有色噪声怎么表示答:假设V和W是2个n维噪声序列其中V表示白噪声W表示有色噪声在MA TLAB中表示方法为: Vrandnmn Wfilterb1V b为滤波器系数。3.什么叫单边功率谱和双边功率谱他们如何计算答:单边功率谱密度N0主要用在复数信号中双边功率谱密度N0/2主要用在实信号中。单边功率谱适于基带分析在基带中是0中频。如果信号通过了调制将原中频搬移到了高频段原来的负频部分就成了正频利用双边功率谱进行分析。4.Matlab常用工具箱有哪些答:MATLAB包括拥有数百个内部函数的主包和三十几种工具包。工具包又可以分为功能性工具包和学科工具包。功能工具包用来扩充MATLAB的符号计算可视化建模仿真文字处理及实时控制等功能。学科工具包是专业性比较强的工具包控制工具包信号处理工具包通信工具包等都属于此类。开放性使MA TLAB广受用户欢迎。除内部函数外所有MA TLAB主包文件和各种工具包都是可读可修改的文件用户通过对源程序的修改或加入自己编写程序构造新的专用工具包。MatlabMainToolbox--matlab主工具箱ControlSystemToolbox--控制系统工具箱CommunicationToolbox--通讯工具箱FinancialToolbox--财政金融工具箱SystemIdentificationToolbox--系统辨识工具箱FuzzyLogicToolbox--模糊逻辑工具箱Higher-OrderSpectralAnalysisToolbox--高阶谱分析工具箱ImageProcessingToolbox--图象处理工具箱LMIControlToolbox--线性矩阵不等式工具箱ModelpredictiveControlToolbox--模型预测控制工具箱μ-AnalysisandSynthesisToolbox--μ分析工具箱NeuralNetworkToolbox--神经网络工具箱OptimizationToolbox--优化工具箱PartialDifferentialToolbox--偏微分方程工具箱RobustControlToolbox--鲁棒控制工具箱SignalProcessingToolbox--信号处理工具箱SplineToolbox--样条工具箱StatisticsToolbox--统计工具箱SymbolicMathToolbox--符号数学工具箱SimulinkToolbox--动态仿真工具箱WaveleToolbox--小波工具箱5什么是加性噪声答: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。而乘性噪声一般由信道不理想引起它们与信号的关系是相乘信号在它在信号不在他也就不在。一般通信中把加性随机性看成是系统的背景噪声而乘性随机性看成系统的时变性如衰落或者多普勒或者非线性所造成的。信道中加性噪声的来源一般可以分为三方面:1人为噪声:人为噪声来源于无关的其它信号源例如:外台信号、开关接触噪声、工业的点火辐射等2自然噪声:自然噪声是指自然界存在的各种电磁波源例如:闪电、雷击、大气中的电暴和各种宇宙噪声等3内部噪声:内部噪声是系统设备本身产生的各种噪声例如:电阻中自由电子的热运动和半导体中载流子的起伏变化等。某些类型的噪声是确知的。虽然消除这些噪声不一定很容易但至少在原理上可消除或基本消除。另一些噪声则往往不能准确预测其波形。这种不能预测的噪声统称为随机噪声。我们关心的只是随机噪声。随机噪声的分类常见的随机噪声可
白噪声的测试MATLAB程序 学术篇 2009-11-13 22:18:03 阅读232 评论0 字号：大中小订阅 clear; clc; %生成各种分布的随机数 x1=unifrnd(-1,1,1,1024);%生成长度为1024的均匀分布 x2=normrnd(0,1,1,1024);%生成长度为1024的正态分布 x3=exprnd(1,1,1024);%生成长度为1024的指数分布均值为零 x4=raylrnd(1,1,1024);%生成长度为1024的瑞利分布 x5=chi2rnd(1,1,1024);%生成长度为1024的kaifang分布%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %求各种分布的均值 m1=mean(x1),m2=mean(x2),m3=mean(x3),m4=mean(x4),m5=mean(x5) %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %求各种分布的方差 v1=var(x1),v2=var(x2),v3=var(x3),v4=var(x4),v5=var(x5) %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %求各种分布的自相关函数 figure(1);title('自相关函数图'); cor1=xcorr(x1);cor2=xcorr(x2);cor3=xcorr(x3);cor4=xcorr(x4);cor5=xcorr(x5); subplot(3,2,1),plot(1:2047,cor1);title('均匀分布自相关函数图'); subplot(3,2,2),plot(1:2047,cor2);title('正态分布'); subplot(3,2,3),plot(1:2047,cor3);title('指数分布'); subplot(3,2,4),plot(1:2047,cor4);title('瑞利分布'); subplot(3,2,5),plot(1:2047,cor5);title('K方分布'); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %求各种分布的概率密度函数 y1=unifpdf(x1,-1,1); y2=normpdf(x2,0,1); y3=exppdf(x3,1); y4=raylpdf(x4,1); y5=chi2pdf(x5,1); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %各种分布的频数直方图 figure(2); subplot(3,2,1),hist(x1);title('均匀分布频数直方图'); subplot(3,2,2),hist(x2,[-4:0.1:4]);title('正态分布'); subplot(3,2,3),hist(x3,[0:.1:20]);title('指数分布'); subplot(3,2,4),hist(x4,[0:0.1:4]);title('瑞利分布'); subplot(3,2,5),hist(x5,[0:0.1:10]);title('K方分布'); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %各种分布的概率密度估计 figure(3);
通信系统建模与仿真 实验一、高斯白噪声的matlab 实现 要求： 样本点：100 1000 标准差：0.2 2 10 均值： 0 0.2 白噪声 如果噪声的功率谱密度在所有的频率上均为一常数，即 ) /(),(,)(0Hz W f n f P n +∞<<-∞= 式中：0n 为常数，责成该噪声为白噪声，用)(t n 表示。 高斯白噪声的matlab 实现
1．样本点为1000、均值为0、标准差为0.2时，高斯白噪声分布为下图所示： 程序如下所示： % White background nois clear all f = 1:1:1000; for i = 1:length(f) K = (0.2) * randn(1,1) - 0; P(i) = 10.^(K - 3.95*(10^-5)*f(i)); A(i) = sqrt(2*P(i)); end xifft = ifft(A); realx = real(xifft); ti = [1:length(xifft)-1]/1000; realx2(1:length(xifft)-1) = realx(2:length(xifft)); plot(ti,realx2) 2．样本点为1000、均值为0、标准差为2时，高斯白噪声分布为下图所示：
程序如下所示： % White background nois clear all f = 1:1:1000; for i = 1:length(f) K = (2) * randn(1,1) - 0; P(i) = 10.^(K - 3.95*(10^-5)*f(i)); A(i) = sqrt(2*P(i)); end xifft = ifft(A); realx = real(xifft); ti = [1:length(xifft)-1]/1000; realx2(1:length(xifft)-1) = realx(2:length(xifft)); plot(ti,realx2) 3．样本点为1000、均值为0、标准差为10时，高斯白噪声分布为下图所示：
本科学生综合性实验报告 姓名＿石艳红＿学院物理与电子信息学院专业电子信息科学与技术班级15级电子班实验课程名称＿现代通信原理实验与仿真 指导教师及职称＿何文学＿副教授＿＿ 开课时间2016 至＿2017 学年＿下学期 云南师范大学教务处编印
一、实验设计方案 实验目的要求 1. 认识Matlab/Simulink 的基本功能。 2. 了解Simulink 的基本图符库，并能做出简单的高斯白噪声仿真。 实验仪器，用具 1. 安装MATLAB 的电脑一台 实验原理： 1. 白噪声 白噪声，是指功率谱密度在整个频域内均匀分布的噪声，即其功率谱密度为 ()02n p N ω= (1) 式中，0N 为常数，∞<<∞-ω。由于1和)(t δ为一对傅里叶变换对，所以白噪声的自 相关函数为 ()()02n N R τδτ= (2) 由式(1)、式(2)可知，白噪声的自相关函数仅在0τ=时才不为零,而对于其他任意的τ，白噪声的自相关函数都为零，即在任意两个不同时刻上的随机变量都是不相关的。 2. 随机信号通过线性时不变系统的响应 对于一个线性时不变系统(如滤波器)，该系统是由它的冲激响应()h t 或等效地由它的频率响应()H f 表征，这里的()h t 和()H f 是一对傅里叶变换对。如果令()x t 为系统的输人信号，()y t 是输出信号。系统的输出可以表示成如下形式： ()()()y t h x t d τττ∞ -∞=-? (3) 如果)(t x 是平稳随机过程)(t X 的样本函数，那么)(t y 就是随机过程)(t Y 的样本函数。可以求出输出的自相关函数是 ()()()()yy xx h h d d R R ταβταβαβ∞∞-∞-∞=+-?? (4) 由于我们知道自相关函数和功率谱密度函数是一对傅里叶变换对，所以可以得到输出过程的功率密度谱，即为相关函数的傅里叶变换： ()()()()22j f yy yy xx f d f H f e R πτττ∞--∞==ΦΦ? (5) 由此可以看出，输出信号的功率谱密度就是输入信号的功率谱密度乘以系统的频率响应的模的平方。当输入随机过程是白噪声时，输出随机过程的自相关特性和功率密度谱将完全
第二章的白噪声产生程序 例2.2 用乘同余法产生(见光盘FLch2bzsheg2.m) ①编程如下： A=6; x0=1; M=255; f=2; N=100；%初始化； x0=1; M=255; for k=1: N %乘同余法递推100次； x2=A*x0; %分别用x2和x0表示x i+1和x i-1； x1=mod (x2,M); %取x2存储器的数除以M的余数放x1（x i）中； v1=x1/256; %将x1存储器中的数除以256得到小于1的随机数放v1中； ）减去0.5再乘以存储器f中的系数，存放在v(:,k)=(v1-0.5 )*f; %将v1中的数（ i 矩阵存储器v的第k列中，v(:,k)表示行不变、列随递推循环 次数变化； x0=x1; % x i-1= x i； v0=v1; end %递推100次结束； v2=v %该语句后无‘；’，实现矩阵存储器v中随机数放在v2中，且 可直接显示在MATLAB的window中； k1=k; %grapher %以下是绘图程序； k=1:k1; plot(k,v,k,v,'r'); xlabel('k'), ylabel('v');tktle(' (-1,+1)均匀分布的白噪声') ②程序运行结果如图2.6所示。 图2.6 采用MA TLAB产生的(-1,+1)均匀分布的白噪声序列 ③产生的(-1，1)均匀分布的白噪声序列 在程序运行结束后，产生的(-1，1)均匀分布的白噪声序列，直接从MATLAB的window 界面中copy出来如下（v2中每行存6个随机数）：
v2 = -0.9531 -0.7188 0.6875 -0.8359 -0.0156 0.9219 0.5703 0.4531 -0.2500 -0.4844 0.1016 -0.3672 0.8047 -0.1328 0.2188 0.3359 -0.9531 -0.7188 0.6875 -0.8359 -0.0156 0.9219 0.5703 0.4531 -0.2500 -0.4844 0.1016 -0.3672 0.8047 -0.1328 0.2188 0.3359 -0.9531 -0.7188 0.6875 -0.8359 -0.0156 0.9219 0.5703 0.4531 -0.2500 -0.4844 0.1016 -0.3672 0.8047 -0.1328 0.2188 0.3359 -0.9531 -0.7188 0.6875 -0.8359 -0.0156 0.9219 0.5703 0.4531 -0.2500 -0.4844 0.1016 -0.3672 0.8047 -0.1328 0.2188 0.3359 -0.9531 -0.7188 0.6875 -0.8359 -0.0156 0.9219 0.5703 0.4531 -0.2500 -0.4844 0.1016 -0.3672 0.8047 -0.1328 0.2188 0.3359 -0.9531 -0.7188 0.6875 -0.8359 -0.0156 0.9219 0.5703 0.4531 -0.2500 -0.4844 0.1016 -0.3672 0.8047 -0.1328 0.2188 0.3359 -0.9531 -0.7188 0.6875 -0.8359 *另外，书中图2.3白噪声的产生如下： 显然，只要在例2.2程序的初始化部分中给N=300，f=6，运行程序就可以得到如图2.3所示的（-3，3）的白噪声过程. ①编程如下： A=6; x0=1; M=255; f=6; N=300；%初始化； x0=1; M=255; for k=1: N %乘同余法递推100次； x2=A*x0; %分别用x2和x0表示x i+1和x i-1； x1=mod (x2,M); %取x2存储器的数除以M的余数放x1（x i）中； v1=x1/256; %将x1存储器中的数除以256得到小于1的随机数放v1中； ）减去0.5再乘以存储器f中的系数，存放在v(:,k)=(v1-0.5 )*f; %将v1中的数（ i 矩阵存储器v的第k列中，v(:,k)表示行不变、列随递推循环 次数变化； x0=x1; % x i-1= x i； v0=v1; end %递推100次结束； v2=v %该语句后无‘；’，实现矩阵存储器v中随机数放在v2中，且 可直接显示在MATLAB的window中； k1=k; %grapher %以下是绘图程序； k=1:k1; plot(k,v,k,v,'r'); xlabel('k'), ylabel('v');tktle(' (-1,+1)均匀分布的白噪声')
MATLAB中产生高斯白噪声的两个函数 MATLAB中产生高斯白噪声非常方便，可以直接应用两个函数，一个是WGN，另一个是AWGN。WGN用于产生高斯白噪声，AWGN则用于在某一信号中加入高斯白噪声。 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。 注释 1. 分贝(decibel, dB)：分贝（dB）是表示相对功率或幅度电平的标准单位，换句话说，就是我们用来表示两个能量之间的差别的一种表示单位，它不是一个绝对单位。例如，电子系统中将电压、电流、功率等物理量的强弱通称为电平，电
现代通信原理作业一 姓名：张英伟学号：8036 班级：13级理工部3班 利用matlab完成： ●产生正弦波信号、均匀白噪声以及高斯白噪声并分别将两种噪声叠加到正弦 波信号上，绘出波形。 ●分别求取均匀白噪声序列和高斯白噪声序列的自相关及功率谱密度，绘出波 形。 一、白噪声区别及产生方法 1、定义： 均匀白噪声：噪声的幅度分布服从均匀分布，功率谱密度在整个频域内均匀分布的噪声。 高斯白噪声：噪声的幅度分布服从正态分布，功率谱密度在整个频域内均匀分布的噪声。 2、matlab仿真函数： rand函数默认产生是区间在[0,1]的随机数，这里需要利用公式： z2=a+(b-(a))*rand(m,n)............（公式1） randn函数默认产生均值是0、方差是1的随机序列，所以可以用其来产生均值为0、方差为1的正态分布白噪声，即N(0，12)。利用公式： z1=a+b*randn(1,n).................（公式2） 可以产生均值为a，方差为b2 高斯白噪声，即N(a，b2)。 二、自相关函数与功率谱密度之间的关系 1、功率谱密度：每单位频率波携带的功率，这被称为信号的功率谱密度。 2、自相关函数：描述随机信号X(t)在任意两个不同时刻t1，t2的取值之间的相关程度。 3、维纳-辛钦定理： 由于平均值不为零的信号不是平方可积的，所以在这种情况下就没有傅里叶变换。幸运的是维纳-辛钦定理提供了一个简单的替换方法，如果信号可以看作是平稳随机过程，那么功率谱密度就是信号自相关函数的傅里叶变换。 4、平稳随机过程：是在固定时间和位置的概率分布与所有时间和位置的概率分布相同的随机过程。（就是指得仅一个随机过程，中途没有变成另外一个统计特性的随机过程）
高斯白噪声的产生方案 一 高斯白噪声的简介 高斯白噪声通常定义为一个均值为零，功率谱密度为非零常数的平稳随机过程，且其噪声取值的概率分布服从高斯分布。产生高斯噪声的过程可分为生成均匀分布随机信号和对均匀分布随机信号高斯化。高斯噪声生成的原理图如下： 高斯白噪声产生原理 如果一个噪声，它的幅度分布服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。而高斯白噪声中的高斯是指概率分布是正态分布。热噪声和散粒噪声都是高斯白噪声。 而高斯白噪声序列在科学研究和工程领域有着非常广泛的应用。例如，在电气工程领域中，有关信号定理算法的研究均涉及到高斯白噪声序列的应用；而在通用的计算机系统中均配置了用以产生均匀分布于高斯分布序列的软件，例如在BASIC ，FORTRAN ，C ，VB 以及VC++等程序设计语言软件包、以及功能强大的MATLAB 软件包中均配置了用以产生均匀分布与高斯分布随即序列的内建函数。事实上，应用这些软件产生的随机数序列，其随机性和分布特性与所调用的函数名的含义相差甚远。 在下文将对高斯白噪声产生的两种典型方法进行介绍。 二 基于算法Marsaglia-Bray 白噪声的生成 传统的广泛配置与计算机产生有限长高斯随机序列的方法，不能保证所得序列的N （0,1）分布序列的方法。 在随机序列产生方法与软件实现的研究中，独立同分布的均匀分布U （0,1）随机数的产生及其软件实现是最基本的研究内容。因为高斯分布与其连续分布的随机序列一般可由U （0,1）随机序列经相应的变换而获得。 欲在计算机上获得具有良好独立同分布的U （0,1）标准随机序列并非一件易事，U （0,1）随机数序列产生的书序方法及其软件的研究已有较长的历史，至产生均匀分 布随机信号 均匀分布随机信号的高斯化 均匀随机高斯白噪声输出
一、概念 英文名称：white Gaussian noise; WGN 定义：均匀分布于给定频带上的高斯噪声； 所谓高斯白噪声中的高斯是指概率分布是正态函数，而白噪声是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。 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) 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) 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) y = wgn(m,n,p,imp,state) %重置RANDN的状态。 2. AWGN：在某一信号中加入高斯白噪声 y = awgn(x,SNR) 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。 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);
目录 1 引言 (3) 1.1研究课题的意义 (3) 1.2 噪声产生器的研究现状 (4) 1.3 选题的研究内容 (4) 1.4 MATLAB 仿真软件介绍 (5) 2 基本原理 (6) 2.1 高斯白噪声和带限白噪声 (6) 2.2 m序列 (7) 3 系统设计 (9) 3.1 模型建立及主要模块设计 (9) 3.2 主要模块设计 (10) 3.3仿真结果及分析 (15) 3.4不同噪声产生器波形比较 (17) 4 遇到问题及解决办法 (18) 5 结束语 (20) 参考文献 (21)
噪声产生器的MATLAB实现及性能分析——噪声带宽为1.5MHz 摘要在分析通信系统的抗噪声性能时,常用高斯白噪声作为通信信道中的噪声模型，由它给出具有所要求的统计特性，并且可以随意控制其强度，以便得到不同信噪比条件下的系统性能。因为在通信系统中常见的热噪声近似为白噪声，且热噪声的取值恰好服从高斯分布。实际信道或滤波器的带宽存在一定限制，白噪声通过后，其结果为带限噪声，若其谱密度在通带范围内仍具有白色特性，则称其为带限白噪声。本课程设计的目的主要是仿真噪声产生器。利用Matlab中Simulink模块的m序列模拟高斯白噪声，调制频率搬移到10MHz后，送入一带宽为1.5MHz的带通滤波器，得到带宽为1.5MHz的带限白噪声，示波器上观察该噪声波形，并观察其频谱，与同组同学比较各种不同带宽噪声的波形和性能。 通过仿真结果表明，通过Simulink中m序列产生的伪随机序列有很好的噪声特性。关键词噪声产生器；带限白噪声；matlab/Simulink；m序列
1 引言 噪声并不如我们平日所认为的那样是无用的有害的，比如白噪声并非“噪音”, 这是一个良好的信号频率，就像听到一个温柔的声音,类似风吹过通过树木、瀑布、广播或静态海洋草地。白噪声可构成整个光谱频率,人类的耳朵可以听到。生活中到处充满了声音和噪声干扰,如轿车鸣喇叭、狗叫声、邻居吵架、警报器报警声等。 带限白噪声是一种通频带噪声信号，是一种在现实通信系统中普遍存在的噪声信号。为了对通信系统的性能进行准确的测试和分析，技术人员需要一种能够在实验室条件下模拟真实通信环境的装置。噪声发生器正是应此而生，而噪声发生器在国外早有商品问世，本文拟介绍用matlab的m序列模拟带限白噪声发生器。 1.1研究课题的意义 随着社会的不断进步,科技的不断发展,人们对通信的需求日益增强,对通信质量的要求也越来越高。人们理想的目标是任何时候、任何地方、与任何人都能传输任何信息。 信息在信道中传输的特性是研究任何通信系统首先要遇到的问题，传输特性如何直接关系到通信系统的设计与规划，因此，我们事先需建立通信系统仿真模型研究系统首先要解决的问题。通信系统仿真模型可以通过改变系统信道参数来模拟多种典型通信环境。这样就可以随时进行多次重复试验，进而了解一种通信设备或通信手段的优缺点。利用通信系统模拟器测试通信设备，可以缩短开发周期，降低开发费用，有利于新体制、新技术的产生。 在信道中噪声是永远存在的，它不会随着信号的消失而消失。在通信系统模拟仿真时，通常人为地加入噪声，以检测系统的性能。所以设计一个噪声产生器对于通信系统的研究十分重要。在不同信道条件下的性能，或在同一信道条件下，比较不同通信设备或通信手段的优缺点测量通信系统的性能时，常常要使用噪声产生器，由它给出具有所要求的统计特性和频率特性的噪声。使用噪声二极管这类噪声源做成的噪声产生器,在测量数字通信系统的性能时不很适用。因为它在一段观察时间内产生的噪声的统计特性，不一定和同样长的另一段观察时间内的统计特性相同。在一段较长的观察时间中，它的统计特性可能是服从高斯分布的，但在较短的一段观察时间中，其统计特性一般是 不知道的。结果测量到的误码率常常很难重复得到。m序列产生的高斯白噪声则能克服
M序列是工程中常用的输入信号，它的性质类似于白噪声，而白噪声是理论上最好的输入信号，可见M序列的价值。下面介绍M序列的matlab产生方法。 idinput函数 产生系统辨识常用的典型信号。 格式 u = idinput(N,type,band,levels) [u,freqs] = idinput(N,'sine',band,levels,sinedata) N 产生的序列的长度，如果N=[N nu]，则nu为输入的通道数，如果N=[P nu M]，则nu 指定通道数，P为周期，M*P为信号长度。默认情况下，nu=1，M=1，即一个通道，一个周期。 Type 指定产生信号的类型，可选类型如下 Band 指定信号的频率成分。对于’rgs’、’rbs’、’sine’，band = [wlow, whigh]指定通带的范围，如果是白噪声信号，则band=[0, 1]，这也是默认值。指定非默认值时，相当于有色噪声。 对于’prbs’，band=[0, B]，B表示信号在一个间隔1/B（时钟周期）内为恒值，默认为[0, 1]。 Levels 指定输入的水平。Levels=[minu, maxu]，在type=’rbs’、’prbs’、’sine’时，表示信号u的值总是在minu和maxu之间。对于type=’rgs’，minu指定信号的均值减标准差，maxu指定信号的均值加标准差，对于0均值、标准差为1的高斯白噪声信号，则levels=[-1, 1]，这也是默认值。 说明 对于PRBS信号，如果M>1，则序列的长度和PRBS周期会做调整，使PRBS的周期为对应一定阶数的最大值（即2^n-1，n为阶数）；如果M=1，PRBS的周期是大于N的相应阶数的值。在多输入的情形时，信号被最大平移，即P/nu为此信号能被估计的模型阶次的上界。 上面的意思可如下理解：对于M=1时， ms = idinput(12, 'prbs', [0 1], [0 1]); figure stairs(ms) title('M序列') ylim([-0.5 1.5])