以MATLAB中的AWGN功能为例：
无论是MATLAB中的WGN还是AWGN函数，它基本上都是由Randn函数生成的噪声。也就是说：在WGN函数中调用RANDN函数，并且在AWGN函数中调用WGN函数。
根据AWGN的实现代码，您可以知道已知信号（snr）的“高斯白噪声”，也就是说，：awgn（x，snr，'sealured'，'lineare'），命令是对原始信号X添加信号到命名比（比率）噪声，并且在添加之前估计信号X的强度。
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，信号的强度由信号的强度分开，而信号的强度（或信号功率与噪声功率的比率），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，它是在X正方形之后寻求点，并且自然会汇总离散情况以替代点。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，这里的sig（:)是一个信号。
此时，不需要说SNR的具体实现（注意：由于使用比率而不是DBkaiyun全站网页版登录，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X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。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，显然要添加的噪声信号是：
SQRT（NoisePower）*Randn（n，1）
n是信号长度。
也可以自然地找到所需的白噪声的差异！
更新程序如下：
函数snr = snr（i，in）
％计算信号噪声比功能
％i：原始信号，原始信号
％in：噪声信号（即原始信号 +噪声信号），带噪声的信号
％snr = 10*log10（sigma2（i2）/sigma2（i2-i1））
[行，颜色，nChannel] = size（i）;
snr = 0;
如果nchannel == 1％灰色图像
ps = sum（（i-mean（平均（i）））。^2）;％信号功率
pn = sum（sum（（i-in）。^2））;％噪声功率
snr = 10*log10（ps/pn）;
elseif nchannel == 3％颜色图像
对于i = 1：3
ps = sum（sum（i（i（i（::，i）-Mean）（我（i（:: ::，i））））。^2）;％信号功率
pn = sum（sum（i（i（i（::kaiyun.ccm，i）-in：，：，：云开·全站体育app登录，i））。^2）;％噪声功率
snr = snr+10*log10（ps/pn）;
结尾
snr = snr/3;
结尾
************************************************************************************************************************************************************ ********************************************************************* **********************************************
一个例子：
x = sqrt（2）*sin（0：pi/100000000：6*pi）; ％生成正弦信号
y = awgn（x，10，“测量”）; ％将噪声添加到10dB的噪声到10dB，添加预定信号的功率（强度）
sigpower = sum（abs（x）。^2）/长度（x）％查找信号功率
noisepower = sum（abs（yx）。^2）/长度（yx）％查找噪声功率
snr = 10*log10（sigpower/noisepower）％信号 - 命名比率是由信号 - 到命名比定义的，并且单元为db
************************************************************************************************************************************************************ ********************************************************************* **********************************************************************************************
关于WGN
WGN（M，N，P）用功率P DBW生成M*N的高斯白噪声矩阵。其中，P是DBW的输出强度。
如果要产生的平均值为0和0.0965，则无法直接产生高斯白噪声（n，1，0.0965），但以下内容应如下：
1。N= 1000;
x = sqrt（0.0965）*randn（n，1）;
px =（x。'*x）/n％验证，此处PX的基础与上述noisepower的定律一致= sum（abs（yx）。^2）/length（yx）。
2。n = 1000;
y = wgn（n，1,10*log10（0.0965））;
py =（y。'*y）/n％验证
它表明GAOS白噪声的差异和功率（单位为W）。因此，对手很差，所有要做的就是将W转换为DBW，即dbw = 10log（w）。
************************************************************************************************************************************************************ ********************************************************************* **********************************************************************************************
信号比率，英语名称为SNR或S/N（信号噪声比），它是指系统中信号和噪声的比例。信号是指通过设备从设备外部处理的电子信号。噪声是指设备后生成的原始信号中不存在的不可抗拒的附加信号（或信息），并且信号不会遵循原始信号的更改。
信号 - 命名比的计量单元为db，其计算方法为10log（ps/pn）。其中，PS和PN代表了信号和噪声的有效力量。 ，VS和VN分别代表信号和噪声电压的“有效值”。信号到命名比越高，越好。
