SNR:信噪比,信号与噪声的比率 P:平均能量 信号功率和噪声功率有着相同的带宽 如果信号是一个常量s,或者随机变量S,那么对于随机噪声N的SNR为
E:期望
如果噪声的期望为0,显然
显然,
因为信号动态范围很大,所以,经常用对数分贝缩放,
因此,
unction [res] = add_noise(data,snr_db)
%ADD_NOISE 此处显示有关此函数的摘要
% 此处显示详细说明
% snr input actually is snr_db
% input:data,snr_dB
%snr_db=10log10(snr)
%snr=10^(snr_dn/10)
snr=power(10,snr_db/10);
% snr=p_s/p_n
% D(s)=E(s^2)-E(s)^2
p_s=var(data)+mean(data)^2;
p_n=p_s/snr;
sigma=sqrt(p_n);
noise=normrnd(0,sigma,100,1);
% x=(1:100)';
% plot(x,data,'r.');
% hold on;
% plot(x,data+noise);
% legend('原始数据','15dB噪声');
res=data+noise;
end
关于add_noise这个函数,输入的参数是数据,已经需要增加的噪声的分贝,输出的是加了噪声的数据。
本文分享自 Python与MySQL 微信公众号,前往查看
如有侵权,请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体同步曝光计划 ,欢迎热爱写作的你一起参与!