在MATLAB中产生高斯白噪声非常方便。可以直接应用两个功能，一个是WGN，另一个是AWGN。 WGN用于产生高斯白噪声，而AWGN用于在某个信号中添加高斯白噪声。
WGN：产生高斯白噪声
y = wgn（m，n，p）在m行和n列中产生高斯白噪声的矩阵，p指定DBW单位的输出噪声的强度。
y = wgn（m，n，p，imp）指定欧姆（ohm）单位的负载阻抗。
y = wgn（m，n，p，imp，state）重置兰德的状态。
一些标志性参数也可以在数值变量之后附加：
y = wgn（…，powertype）指定p的单位。 PowerType可以是“ DBW”，“ DBM”或“线性”。线性功率以瓦特为单位。
y = wgn（…，outputType）指定输出类型。 OutputType可以是“真实”或“复杂”。
AWGN：将高斯白噪声添加到某个信号
y = awgn（x，snr）向信号x添加高斯白噪声。信噪比SNR在DB中。假定X的强度为0dBW。如果x是一个复杂的数字，则添加复杂的噪声。
y = awgn（x，snr，sigpower）如果sigpower是数值值，则表示DBW中的信号强度；如果“测量” sigpower，则该功能将在添加噪声之前确定信号强度。
y = awgn（x，snr，sigpower，state）重置兰德的状态。
y = awgn（…，powerType）指定SNR和SIGPOPTOR的单位。 PowerType可以是“ DB”或“线性”。如果PowerType为“ DB”kaiyun.ccm，则SNR在DB中，而Sigpower在DBW中。如果PowerType为“线性”，则将SNR测量为比率，而Sigpower在瓦特中。
评论
分贝（DB）：分贝（DB）是代表相对功率或振幅水平的标准单元。换句话说，这是我们用来表示两个能量之间差异的表示单位。这不是绝对单位。 。例如，在电子系统中，电压，电流和功率等物理量的强度通常称为水平。级别的单位通常以分贝表示，即作为参考值（0db）提前采用电压或电流，并且要表达的金额首先用作要表示的数量。与参考值的比率被视为对数，并将20乘以级别的分贝数（功率的级别值更改为10）。
DBW（DBW，DB瓦）：指引用1W的输出功率时在分贝中测量的功率放大器的功率值。
DBM（DB-Milliwatt）：通过将其与1毫米（毫米）进行比较而获得的数字。
0 dbm = 1 MW
10 dbm = 10 mW
20 dbm = 100 mW
您也可以直接使用randn函数来生成高斯分布序列，例如：
程序代码
y = randn（1,2500）;
y = y/std（y）;
y = y均值（y）;
a = 0.0128;
B = SQRT（0.9596）;
y = a+b*y;
然后，我们得到n的高斯分布序列（0.0128，0.9596）
生成随机数的指定方差和平均值
假设一个随机变量x是MU的平均值，方差为VAR^2。如果您想生成具有相同分布的随机变量y，但要使新变量遵循
机器变量的参数已更改，平均值为MU_1，方差为VAR_1^2。您可以使用以下公式进行转换：
y = var_1/var*（x-mu）+mu_1，其中x是一个随机变量，其余是常数（原始分布参数）。
专门用于正态分布，如果要生成具有平均u和o^2方差的随机数矩阵，则可以使用
y = o*randn（m，n）+u得到。
对于均匀分布，如果要在间隔[a，b]中生成一个均匀分布的随机数矩阵，则可以使用
y = rand（m，n）*（ba）+a获取。
％============================================= ===========================
以上信息基本上以完整的方式描述了原始问题，但是有几点可以解释：
首先，纠正错误，我认为在程序中“生成N（0.0128，0.9596）的高斯分布式序列”，应该将其更改为以下代码：
程序代码
y = randn（1,2500）;
y = y均值（y）;
y = y/std（y）;
a = 0.0128;
B = SQRT（0.9596）;
y = a+b*y;
以上信息的最后一部分意味着Zhyuer版本的结论：
％zhyuer ============％
RAND在[0，1]上产生一个随机序列，分布均匀
兰德（Randn）产生一个具有平均0和方差1的高斯随机序列开yun体育app官网网页登录入口，即白噪声序列；
％============================================= ====================================
也就是说，您可以直接使用上述两个函数将噪声添加到原始信号（例如，y = x+rand（长度（x），1）或y = x+randn（长度（x），1，1 ））
3。实际上，无论是WGN还是AWGN函数云开·全站体育app登录，它本质上都是由Randn函数产生的噪声。也就是说，在WGN函数中调用了randn函数，并且在AWGN函数中调用WGN函数。让我解释以下内容：“在已知信号中添加特定信号噪声比（SNR）的高斯白噪声”，但是如果您读过AWGN的实现代码，则无需阅读它，哈哈。从上面，我们可以看到可以使用AWGN功能实现此任务。特定命令是：awgn（x，snr，“测量”，“线性”）。该命令的功能是将信噪比（比率）添加到原始信号F（x）SNR的噪声，在添加之前估算信号F的强度。这里涉及三个问题：如何在AWGN函数中计算SNR？信号的强度是多少？ AWGN功能如何特别添加噪声？实际上，前两个问题是相关的，因为根据定义，SNR是信号的强度除以噪声的强度，所以让我们首先谈论信号的强度。实际上，信号的强度是指信号的能量。在连续的情况下，积分是在f（x）平方之后计算的，而在离散的情况下，总和自然被积分代替。 MATLAB也实现了这一点，但还有一个附加的标准化步骤：
sigpower = sum（abs（sig（）。^2）/长度（sig（））
这是信号的强度。在这一点是，没有对数步骤）。
最后，让我们谈谈AWGN功能如何添加噪音。实际上，它也很简单。在找到F的强度结合了指定的信号噪声比之后，您可以找到需要添加NoisePower = SigPower/SNR的噪声强度。由于我们使用高斯白噪声，即randn函数，因此randn的结果是强度为1的随机序列（try sum（randn（1000，1）。^2）/1000，请注意，信号的长度不能太小）。因此，要添加的噪声信号显然是：sqrt（noisepower）*randn（n，1），其中n是信号长度。
