MATLAB非常方便地产生高斯白噪声。它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，AWGN用于在信号中添加高斯白噪声。
1.WGN：高斯白噪声
y = wgn（m，n，p）生成一个Micrine的Gauz -White噪声矩阵。 P使用DBW指定单元中输出噪声的强度。
Y = WGN（M，N，P，IMP）指定OM（OHM）单位中的负载阻抗。
y = wgn（m，n，p，imp，state）重置兰德的状态。
在数值变量之后，可以添加一些标志性参数：
y = wgn（…，powrtype）指定P. powrtype的单元可以是'dbw'，'dbm'或'linearear'。线性功率基于瓦特。
y = wgn（…，outputType）指定输出类型。 OutputType可以是“真实”或“完成”。
2.awgn：将高斯白噪声添加到信号
y = awgn（x，snr）在信号x中添加高斯白噪声。信号 - to -noise比率SNR基于db。假定X的强度为0DBW。如果x是复数，请添加重复噪声。
y = awgn（x，snr，sigpower）如果大小为值，则表示DBW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sigpower的单位。 powrtype可以是“ db”或“线性”。如果Powrtype为“ db”，则SNR在db中，而Sigpower在DBW中。如果powrtype为“线性”，则将SNR用作比率，而SIGPOPTOR将WATT用作单位。
注解
1。分贝（DB）：约会（DB）是代表相对功率或振幅水平的标准单元。绝对单位。例如，在电子系统中，电压，电流开yun体育app官网网页登录入口，功率和其他物理量的强度通常称为水平。在与参考值相同的值中，将20乘以级别的分贝数（功率级别更改为10）。
2。动态DBW（DBW瓦）：指用分贝测量功率放大器测量的功率放大器时，当输出功率为1W时。
3。DBM（DB-Milliwatt）：与1毫米（毫米）相比的数字。
0 dbm = 1 MW
10 dbm = 10 mW
20 dbm = 100 mW
您也可以使用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;
获取n（0.0128，0.9596）的高斯分布序列
指定方差和平均值的随机数
令随机变量x的平均值为mu，正方形差为var^2。如果您想产生一个随机变量以产生相同的分布，但要制作新的分布
机器变量参数会更改，平均值为MU_1，正方形差为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）。
特定于正态分布，如果M*n的平均值（平均值为u^2），则可以使用
y = o*randn（m，n）+u获得了。
对于均匀分布，如果要在[A，B]间隔的均匀分布中生成M*n的随机数矩阵，则可以使用
y = rand（m，n）*（ba）+a get。
％================================================= ==％
以上信息基本上完全描述了原始问题云开·全站体育app登录，但是指令附带了一些内容：
1。首先，纠正一个错误。我认为kaiyun.ccm，在“生成n（0.0128，0.9596）”的“高斯分布式序列”中，应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;
2。以上信息的最后一部分包含Zhyuer版本的朋友的结论：
％=============================================== ==========％
1）RAND是一个随机序列，在[0，1]上均匀分布
2）RANDN的平均值为0，而高斯随机序列的方差为1，即白噪声序列；
％================================================= ==========％
换句话说，您可以使用以上两个函数将噪声添加到原始信号（例如，y = x+rand（length（x），1）或y = x+randn（长度（x），1）
3。实际上，无论是WGN还是AWGN函数，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。让我解释一下“在已知信号中添加一定信号 - 命名比（SNR）的高斯白噪声”，但是如果您阅读AWGN的实现代码，则不需要查看它，哈哈。从上面可以看出，可以使用AWGN功能实现此任务。特定命令是：awgn（x，snr，'scoudud'，'linear'），该命令的作用是将信号 - 到 - 命名比（比率）添加到原始信号f（x）作为噪声在添加信号f的强度之前，估算了SNR。这里三个问题：如何在AWGN函数中计算SNR？信号的强度是什么？ AWGN功能如何添加噪声？实际上，前两个问题是相关的，因为根据定义，SNR的强度是信号划分的强度除以噪声的强度。因此，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，是在f（x）之后寻求积分，而离散情况自然要求替换积分。在MATLAB中是相同的，但是只有一个标准化的步骤：
sigpower = sum（abs（sig（：））。^2）/length（sig（:)）
这是信号的强度。此时，不需要说SNR的具体实现（注意：由于使用比率而不是DB，因此它与下面的“信号 - to -noise比率计算”中使用的方法不同，也就是，没有配对步骤）。
最后，谈论AWGN功能如何添加噪音。实际上，它也很简单。在找到F的强度并结合了指定的信号 - 到命名比之后，您可以找到需要添加的噪声的强度。 NoisePower =标志/snr。因为高斯白噪声是randn函数，而randn的结果是一个随机序列，强度为1（try sum（randn（1000，1）。^2）/1000，只需知道信号的长度即可。小的）。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。
