小小知识点(十二)——高斯白噪声

高斯白噪声,幅度服从高斯分布,功率谱密度服从均匀分布。

(1)白噪声,如同白光一样,是所有颜色的光叠加而成,不同颜色的光本质区别是的它们的频率各不相同(如红色光波长长而频率低,相应的,紫色光波长短而频率高)。

白噪声在功率谱上(若以频率为横轴,信号幅度的平方为功率)趋近为常值,即噪声频率丰富,在整个频谱上都有成分,即从低频到高频,低频指的是信号不变或缓慢变化,高频指的是信号突变。

任意时刻出现的噪声幅值都是随机的,即不相关的(这句话实际上说的就是功率谱密度服从均匀分布的意思,不同的是,前者从时域角度描述,而后者是从频域角度描述)

注释:功率谱密度(Power Spectral Density,PSD)的概念,它从频域角度出发,定义了信号的功率是如何随频率分布的,即以频率为横轴,功率为纵轴

(2)高斯分布从概率密度角度来说,高斯白噪声的幅度分布服从高斯分布。

注释:概率密度定义了信号出现的频率是如何随着其幅值变化的,即以信号幅值为横轴,以出现的频率为纵轴。

MATLAB举例说明  

clc
clear all
sigma=sqrt(1/(10.^(0/10))); % 发送功率为1,平均信噪比SNR=0dB时的高斯白噪声标准差
n=sigma*(randn(1,10000)+1j*randn(1,10000)); %复高斯白噪声的实部和虚部是满足独立同分布的高斯随机变量
noise=imag(n(1,:)); %复高斯白噪声的虚部,均值为0,方差为sigma^2
noise=real(n(1,:)); %复高斯白噪声实部,均值为0,方差为sigma^2
y1=fft(noise,1000); %频率采样点个数为1000
p1=y1.*conj(y1);    %噪声功率计算
%作图
figure
ff=0:99;
subplot(2,1,1)
stem(ff,p1(1:100)); %功率谱密度服从均匀分布
subplot(2,1,2)
hist(noise,50)  %幅度服从高斯分布

 小小知识点(十二)——高斯白噪声

 

上一篇:CodeForces - 922D Robot Vacuum Cleaner (贪心)


下一篇:太嚣张了!他竟用Python绕过了“验证码”