下载文档原格式
图像处理之噪声---椒盐，⽩噪声，⾼斯噪声三种不同噪声的区别 ⽩噪声是指功率谱密度在整个频域内均匀分布的噪声。
所有频率具有相同能量的随机噪声称为⽩噪声。
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。
⽽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。
然后介绍⼀下⾼斯噪声：顾名思义，⾼斯噪声就是n维分布都服从⾼斯分布的噪声。
然后说⼀下什么是⾼斯分布。
⾼斯分布，也称正态分布，⼜称常态分布。
对于随机变量X，其概率密度函数如图所⽰。
称其分布为⾼斯分布或正态分布，记为N（µ，σ2），其中为分布的参数，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µ=0，σ2=1时，X的分布为标准正态分布。
最后说⼀下名字很有意思的椒盐噪声：椒盐噪声⼜称脉冲噪声，它随机改变⼀些像素值，是由图像传感器，传输信道，解码处理等产⽣的⿊⽩相间的亮暗点噪声。
椒盐噪声往往由图像切割引起。
这几个概念的区别和联系：（转自：研学论坛）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。
三类噪声标准值
在信号处理中，常见的三类噪声标准值有以下三种：
1. 高斯白噪声（Gaussian white noise）：高斯白噪声是一种常
见的噪声类型，其统计特性为平均值为0，方差为常数，且满
足高斯分布。
它的功率谱密度为常数，且在所有频率上具有相同的能量。
高斯白噪声经常用于模拟实际环境下的噪声，如电子器件的热噪声、大气电波的噪声等。
2. 色噪声（Colored noise）：色噪声是指在不同频率上具有不
同能量分布的噪声。
常见的色噪声包括红色噪声、蓝色噪声和粉色噪声等。
红色噪声在低频部分的能量高于高频部分，蓝色噪声则相反，而粉色噪声在频率上具有-3dB/oct的功率下降特性。
色噪声常用于模拟某些实际系统中存在的噪声，如电路中的1/f噪声。
3. 脉冲噪声（Impulse noise）：脉冲噪声是指在信号中出现的
突发式干扰，通常表现为短暂的高能量脉冲或突变。
脉冲噪声往往来自于信号传输过程中的不完美，如电力线上的突发电压变化、信号传输通道中的插入噪声等。
脉冲噪声的幅值、持续时间以及出现的频率等特性可以根据具体应用进行调整和描述。
值得注意的是，噪声标准值通常是指噪声的统计特性，如均值、方差、功率谱密度等。
这些值的具体大小会因不同的应用和系统而有所变化，无法一概而论。
高斯噪声热噪声高斯噪声与热噪声是我们在日常生活中经常遇到的两种噪声类型。
它们的存在会对信号的传输和接收产生一定的影响，因此对于信号处理和通信系统的设计非常重要。
首先，让我们来了解一下高斯噪声。
高斯噪声也被称为白噪声，是一种具有高斯分布特性的噪声。
在自然界中，许多随机事件都可以用高斯分布来描述，例如，温度、光强和电压等。
高斯噪声具有平均功率为零和平均值为零的特点，其功率谱是常数。
由于高斯噪声的特性，它在通信系统中的影响主要体现在信号的幅度和相位上。
高斯噪声会使得信号的幅度和相位发生随机变化，从而降低了信号的质量和可靠性。
而热噪声是由于电子组成的物质的热运动引起的噪声。
在任何温度下，物质中的电子都会具有随机的热运动。
这种热运动导致了电子的能量和速度的随机变化，进而产生了热噪声。
热噪声的特点是它是一个宽频带噪声，即它在整个频谱范围内都有能量。
因此，热噪声是通信系统中不可避免的一个噪声源。
热噪声对于低信噪比条件下的通信系统影响较大，会限制系统的传输速率和距离。
高斯噪声和热噪声都对通信系统的性能产生了重要的影响。
在无线通信系统中，高斯噪声是由于信号在传输过程中受到多路径传播和衰减等因素的影响产生的。
而热噪声主要是由于无线电设备的电子元件在工作时产生的热噪声引起的。
在有线通信系统中，热噪声主要是由于传输线和电子元件的电阻引起的。
高斯噪声和热噪声的存在使得信号与噪声的比值（信噪比）变得较低，从而降低了系统的性能。
为了降低高斯噪声和热噪声对通信系统的影响，可以采取一些技术手段。
例如，在无线通信系统中，可以使用编码和调制技术来提高信号的抗干扰能力，减小噪声的影响。
在有线通信系统中，可以采用抗噪声设计和滤波技术来降低噪声的功率。
此外，还可以通过提高信号的功率和使用更高灵敏度的接收器来改善系统的性能。
总之，高斯噪声和热噪声是我们在通信系统中经常遇到的两种噪声类型，它们对信号的传输和接收产生了一定的影响。
了解和理解这些噪声的特性，以及采取一些适当的技术手段来降低噪声的影响，对于提高通信系统的性能至关重要。
⾼斯噪声,⾼斯⽩噪声,加性⾼斯⽩噪声. ----头⼤!White Gaussian noise (AWGN)功率谱密度函数在整个频域内是常数，即服从均匀分布。
之所以称它为“⽩”噪声，是因为它类似于光学中包括全部可见光频率在内的⽩光.所谓⽩噪声是指它的功率谱密度函数概率密度函数的⾼斯⽩噪声，是指噪声的概率密度函数满⾜正态分布统计特性，同时它的功率谱密度函数是常数的⼀类噪声。
这⾥值得注意的是，⾼斯型⽩噪声同时涉及到噪声的两个不同⽅⾯，即概率密度函数的功率谱密度函数均匀性，⼆者缺⼀不可。
正态分布性和功率谱密度函数均匀性正态分布性Additive white Gaussian noise (AWGN)/加性⾼斯⽩噪声加性⾼斯⽩噪声（AWGN）从统计上⽽⾔是随机⽆线噪声，其特点是其通信信道上的信号分布在很宽的频带范围内。
⾄于叫“⾼斯”，是因为所以有的噪声都被看作了⼀种随机过程，⽽⾼斯噪声服从⾼斯分布，“⽩”是因为其功率Additive white Gaussian noise (AWGN)is a channel model in which the only impairment（损害）to communication is a linear addition of wideband or white noisewith a constant（定常数）spectral density (expressed as watts per hertz<⽡特/赫兹>of bandwidth) and a Gaussian distribution of amplitude. The model does not account for fading, frequency selectivity, interference, nonlinearity or dispersion. However, it produces simple and tractable(可驯服的)mathematical models which areuseful for gaining insight into the underlying behavior of a system before these other phenomena are considered.Wideband Gaussian noise comes from many natural sources, such as the thermal vibrations(热⼒学震动)of atoms in conductors (referred to as thermal noise or Johnson-Nyquist noise), shot noise, black body radiation from the earth and other warm objects, and from celestial(天体)sources such as the Sun.The AWGN channel is a good model for many satellite and deep space communication links. It is not a good model for most terrestrial links because of multipath,terrain blocking, interference, etc. However, for terrestrial path modeling, AWGN is commonly used to simulate background noise of the channel under study, inaddition to multipath, terrain blocking, interference, ground clutter and self interference that modern radio systems encounter in terrestrial operation.。
高斯白噪声就是人们通常称之为“白噪音”或“白色噪音”。
它和纯粹噪声不同，即使将两者放在一起对比也很容易分辨，但其性质却与纯粹噪声完全相反。
高斯证明了即使是最微弱的信号，只要能够以足够快的速度进行复制，那么总会得到同样强度的信号。
“小心过于安静的世界”——物理学家费曼为高斯提出这一假说做了个有趣的实验：他用电子计时器在白色背景上测量所谓的无限长时间的稳定单色光脉冲，发现当光波频率低于某一特征值时，计时器读取的脉冲宽度几乎保持恒定；而当光波频率超过该特征值后，则随着光波频率增加，脉冲变窄。
由此可见，当光波频率较低时，脉冲幅度越宽，因此，当光波频率接近0时，所观察到的脉冲宽度应该趋向于零。
著名数学家哈代认为宇宙中没有一种简单有效的工具来描述空间结构，直觉告诉他，如果存在一种类似钟表指针的东西，它的运动规律必然符合高斯定律。
他曾经想象，如果把地球看作一个巨型天体，并且知道太阳系各星体绕转轴旋转的角速度，那么根据牛顿第二定律，整个宇宙便处于一种平衡状态，从任何方位看去都呈圆形。
高斯听到这里，忍俊不禁，笑问道：“你怎么知道？”哈代回答：“因为我每次坐飞机时，总感到自己正沿着一条螺线前进！”高斯闻言，深思片刻，又摇头苦笑道：“我倒宁愿相信，你真的坐在螺丝钉上呢……”哈代听罢，连忙解释道：“您别误会，我绝非开玩笑，我确实喜欢螺丝钉，因为它虽然笨拙，但永远不会停止转动。
”高斯的故事引起我极大兴趣，继续追问下去。
原来，高斯生活的年代，科技水平还十分落后，许多人甚至连手表、闹钟等基本仪器都没见过，更谈不上操纵它们了。
高斯父亲给儿子买了块怀表，希望借助它让孩子养成良好习惯，准点吃饭睡觉。
谁料，高斯戴上新表后竟再也舍不得摘下来，害怕耽搁了宝贵的时间。
久而久之，他渐渐爱上了这种奇妙的“指针”，干脆把它叫做“指南针”。
高斯在一篇文章中写道：“在我童年记忆中，这件事情留下了深刻印象。
指南针‘嘀嗒’声响起，显示小巧玲珑的玻璃珠被压紧在摆轮和齿轮边缘，但是令人惊讶的是它走得无比精确，走过半英寸之外依旧毫厘不差。
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。
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。
短波信道存在多径时延、多普勒频移和扩散、高斯白噪声干扰等复杂现象。
为了测试短波通信设备的性能，通常需要进行大量的外场实验。
相比之下，信道模拟器能够在实验室环境下进行类似的性能测试，而且测试费用少、可重复性强，可以缩短设备的研制周期。
所以自行研制信道模拟器十分必要。
信道模拟器可选用比较有代表性的Watterson 信道模型( 即高斯散射增益抽头延迟线模型) ，其中一个重要环节就是快速产生高斯白噪声序列，便于在添加多普勒扩展和高斯白噪声影响时使用。
传统的高斯白噪声发生器是在微处理器和DSP 软件系统上实现的，其仿真速度比硬件仿真器慢的多。
因此，选取FPGA 硬件平台设计高斯白噪声发生器可以实现全数字化处理，同时测试费用少、可重复性强、实时性好、速度快，能较好地满足实验需求。
本文提出了一种基于FPGA 的高斯白噪声序列的快速产生方案。
该方案根据均匀分布和高斯分布之间的映射关系，采用适合在FPGA 中实现的折线逼近法。
该方法实现简单，快速且占用的硬件资源少，而且采用VHDL 语言编写，可移植性强，并可灵活地嵌入调制解调器中使用。
1 均匀分布随机数发生 1.1 m 序列发生器伪随机噪声具有类似随机噪声的一些统计特性，且便于重复产生和处理，因此获得了广泛的应用。
m 序列就是一种常用的伪随机序列，该序列又被称作最长线性反馈移存序列。
m 序列是由线性反馈移位寄存器产生的周期最长的一种序列。
如果选用n 级线性反馈移位寄存器，则m 序列的周期为(2n-1) 。
对于m 序列来说，将n 级线性反馈移位寄存器状态看成无符号整数，则状态的取值范围为 1 ～(2n-1) ，并且在m 序列的一个周期内，移位寄存器的每种状态都会出现且只出现一次，但要注意线性反馈移位寄存器的初始状态设定为非零值，并且在给定任意非零初始状态时，m 序列的周期都不变。
噪声常用计算定律整汇总噪声计算定律是指使用数学公式和计算方法来预测和估计噪声的特征和级别。
这些定律的应用领域非常广泛，包括电子设备、通信系统、机械结构、航空航天等等。
下面是一些常用的噪声计算定律的整理：1.总噪声计算定律：总噪声计算定律是指多个噪声源贡献的噪声总和可以通过求平方和的方式进行计算。
对于N个独立噪声源，总噪声为：Nt=√(N1^2+N2^2+...+Nn^2)2.热噪声计算定律：热噪声是由于温度导致的电子器件内部粒子运动引起的噪声。
热噪声的功率谱密度与电阻值和温度有关。
根据热噪声计算定律，热噪声的功率谱密度可用公式Nt=4kTR计算，其中k为玻尔兹曼常数，T为温度，R为电阻值。
3.白噪声计算定律：白噪声是具有平均功率谱密度的噪声，其功率谱密度在所有频率上都是均匀的。
按白噪声计算定律，白噪声的功率谱密度为常数值，可用公式Nt=K计算，其中K为功率谱密度常数。
4.加性噪声计算定律：加性噪声是指在信号传输过程中添加到信号中的噪声。
按加性噪声计算定律，噪声的总功率等于各个噪声源功率的总和。
5.比例噪声计算定律：比例噪声是指在一些设备或系统中，噪声与信号的幅度成比例关系。
按比例噪声计算定律，信噪比的增益因子为正比例噪声比。
6.系统噪声计算定律：系统噪声是指在整个系统中存在的噪声。
按系统噪声计算定律，系统噪声可以通过各个部分的噪声贡献之和来计算。
7.噪声带宽计算定律：噪声带宽是指信号传输中的频带范围，通常用于描述噪声的频谱特性。
噪声带宽可以通过频率计算定律来计算，即频率的上界减去频率的下界。
8.高斯噪声计算定律：高斯噪声是一种概率分布为高斯分布的随机噪声。
按高斯噪声计算定律，高斯噪声的功率谱密度可以用公式Nt = K * exp(-f^2 / 2σ^2)计算，其中K为功率谱密度常数，f为频率，σ为噪声标准差。
9.相位噪声计算定律：相位噪声是指随机噪声引起的相位变化。
按相位噪声计算定律，相位噪声可以用单边功率谱密度来计算。
高斯白噪声和带限白噪声1．白噪声（1）白噪声的定义如果噪声的功率谱密度在所有频率上均为一常数，即或式中，n0为正常数，则称该噪声为白噪声，用n(t)表示。
（2）白噪声的自相关函数白噪声的自相关函数为（3-1-3）由式（3-1-3）可知，对于所有的都有，表明白噪声仅在时才相关，在任意两个时刻的随机变量不相关。
（3）白噪声的平均功率由于白噪声的带宽无限，其平均功率为无穷大，即（4）高斯白噪声①高斯白噪声的定义高斯白噪声是取值的概率分布服从高斯分布的白噪声。
②高斯白噪声的性质高斯白噪声在任意两个不同时刻上的随机变量之间，不仅是互不相关的，而且还是统计独立的。
2．低通白噪声（1）低通白噪声的定义低通白噪声是通过理想矩形的低通滤波器或理想低通信道输出的白噪声，用n(t)表示。
（2）低通白噪声的功率谱密度假设理想低通滤波器具有模为1、截止频率为｜f｜≤f H的传输特性，则低通白噪声对应的功率谱密度为（3）低通白噪声的自相关函数①自相关函数表达式②自相关函数的性质由图3-2（b）可以看出，只有在上得到的随机变量才不相关。
（4）低通白噪声的功率谱密度和自相关函数的图形表示图3-2 低通白噪声的功率谱密度和自相关函数3．带通白噪声（1）带通白噪声的定义带通白噪声是指通过理想矩形的带通滤波器或理想带通信道输出的白噪声，用n(t)表示。
（2）带通白噪声的功率谱密度假设理想带通滤波器的传输特性为则输出噪声的功率谱密度为（3）带通白噪声的自相关函数（4）带通白噪声的功率谱密度和自相关函数的图形表示图3-3 带通白噪声的功率谱密度和自相关函数（5）带通白噪声的平均功率其中，B是指理想矩形的带通滤波器的带宽。
