一维信号添加高斯白噪声程序（python）

• 白噪声：频率分布全频域，序列间互不相关。
• 高斯噪声：概率密度分布符合高斯分布。
• 高斯白噪声：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

即使是一维的高斯白噪声，其幅度也不会服从高斯分布，而应该服从瑞利分布。二维不相关的复高斯白噪声包络服从指数分布（x2分布的自由度为2的特例）。n个不相关的复高斯白噪声序列叠加后的复信号包络服从自由度为2n的x2分布。

?必须区分高斯噪声和白噪声两个不同的概念?。

高斯噪声是指噪声的概率密度函数服从高斯分布，白噪声是指噪声的任意两个采样样本之间不相关，两者描述的角度不同。

白噪声不必服从高斯分布，高斯分布的噪声不一定是白噪声。

当然，实际系统中的热噪声是我们一般所说的白噪声的主要来源，它是服从高斯分布的，但一般具有有限的带宽，即常说的窄带白噪声，严格意义上它不是白噪声。
python 程序
参考:https://blog.csdn.net/buziran/article/details/88916209
程序下载

import numpy as np
import matplotlib.pyplot as plt
# In[]
# 定义高斯分布函数，模仿matlab wgn 函数
# x :原始信号
# snr 信噪比
# outtype : 是否为复数，如果是输入“complex”
def wgn(x,snr,outtype):
snr=10**(snr/10);
xsum=0;
for i ,d in enumerate(x):
xsum=xsum+abs(d)**2;
xpower=xsum/len(x)
npower=xpower / snr;
l=len(x);
if(outtype=='complex'):
a=np.random.randn(l)*np.sqrt(npower/2)+1j*np.random.randn(l)*np.sqrt(npower/2)
else:
a=np.random.randn(l)*np.sqrt(npower)
a=np.array(a)
a=a.reshape([l,1]);
return a

最后

以上就是忧虑季节为你收集整理的一维信号添加高斯白噪声程序（python）的全部内容，希望文章能够帮你解决一维信号添加高斯白噪声程序（python）所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。