(33)MATLAB信号分析之信号功率、噪声功率、与信噪比

文章目录


前言

本文首先给出了信号功率、噪声功率、与信噪比的概念,以及信噪比线性值和分贝值的换算关系,然后使用MATLAB生成信号,并叠加awgn形成噪声信号,基于该仿真代码计算出信号功率、噪声功率,并说明其与信噪比的关系。


一、信号功率、噪声功率、与信噪比

1.信号功率

信号功率是指信号的平均功率,一般用S表示。若信号由序列A=[A0, A1, A2, ... Ai, ... AN]给出,则信号功率由下式给出:

信号功率的单位是W(瓦特)。

2.噪声功率

噪声功率是指噪声的平均功率,一般用N表示。它是噪声序列平方和的平均值,单位也是W(瓦特)。

3.信噪比

信噪比是指信号功率S与噪声功率N的比值,一般用SNR表示。SNR由下式给出:

显然,SNR是无量纲的。工程中一般使用SNR的dB值,此时便称SNR的单位是分贝(dB)。

4.信噪比线性值与分贝值的换算关系

若用S/N表示SNR的线性值(即由信号功率和噪声功率直接计算得到的比值),用SNR_dB表示SNR的分贝值,则两者之间换算关系如下:

SNR_dB = 10*log10(S/N)

S/N = 10^( SNR_dB/10)

例如,若已知SNR_dB=20dB和信号功率S=0.5W,则可计算出噪声功率N=S/[10^( SNR/10)]=0.005W。

二、MATLAB仿真分析

下面以awgn的使用为例,给出MATLAB仿真中信号功率、噪声功率、与信噪比的应用举例。

1.建立awgn信道通信模型

首先使用MATLAB生成一段余弦信号,并将其送入awgn函数增加噪声,然后用带噪信号和原始信号作差得到噪声序列。代码如下:

c 复制代码
% 指定信号的参数,频率1Hz,采样频率为64Hz,信号持续时间为10秒(640个samples)。
A = 1;                         % 余弦波的振幅
f = 1;                         % 余弦波的振荡频率,简称频率
fs = 64;                       % 数字信号的采样频率(sampling frequency ),简称采样率
Ts = 1/fs;                     % 采样周期,也即采样值的时间间隔
L = 640;                        % 一个采样值称为一个sample,L为sample的个数
t = (0:L-1)*Ts;                % 时间向量
snr = 20;                      % 信噪比,dB值

% 生成余弦波x
x = A * cos(2*pi*f*t);         % 余弦波

% 信号经过awgn信道
y = awgn(x,snr,'measured');    % 信号叠加高斯白噪声 

% 噪声
n = y - x;

% 画出生成余弦波的时域波形
figure()
subplot(311)
plot(t,x,'LineWidth',1.5)
title('余弦信号的时域波形')
grid on
xlabel('t/s')
ylabel('cos(2*pi*f*t)')

subplot(312)
plot(t,y,'LineWidth',1.5)
title('加噪余弦信号的时域波形(SNR=10dB)')
grid on
xlabel('t/s')
ylabel('cos(2*pi*f*t)+noise')

subplot(313)
plot(t,n,'LineWidth',1.5)
title('噪声的时域波形')
grid on
xlabel('t/s')
ylabel('noise')

得到的信号与噪声画图如下:

2.计算信号功率与噪声功率

代码如下:

c 复制代码
% 信号功率
n2 = norm(x, 2);                      % 2-范数
Ps = n2^2 / length(y)                 % 计算信号的平均功率(线性值)

% 噪声功率
n2_n = norm(n, 2);                    % 2-范数
Pn = n2_n^2 / length(n)               % 计算噪声的平均功率(线性值)

计算结果如下:

Ps = 0.5000

Pn = 0.0049

3.结果分析

SNR=20dB意味着信号功率是噪声功率的100倍,仿真中生成的余弦信号其功率为0.5W,所以加入的噪声功率为0.005W。仿真结果符合理论计算。


相关推荐
CoovallyAIHub12 小时前
中科大DSAI Lab团队多篇论文入选ICCV 2025,推动三维视觉与泛化感知技术突破
深度学习·算法·计算机视觉
NAGNIP13 小时前
Serverless 架构下的大模型框架落地实践
算法·架构
moonlifesudo13 小时前
半开区间和开区间的两个二分模版
算法
moonlifesudo14 小时前
300:最长递增子序列
算法
CoovallyAIHub19 小时前
港大&字节重磅发布DanceGRPO:突破视觉生成RLHF瓶颈,多项任务性能提升超180%!
深度学习·算法·计算机视觉
CoovallyAIHub19 小时前
英伟达ViPE重磅发布!解决3D感知难题,SLAM+深度学习完美融合(附带数据集下载地址)
深度学习·算法·计算机视觉
聚客AI2 天前
🙋‍♀️Transformer训练与推理全流程:从输入处理到输出生成
人工智能·算法·llm
大怪v2 天前
前端:人工智能?我也会啊!来个花活,😎😎😎“自动驾驶”整起!
前端·javascript·算法
惯导马工2 天前
【论文导读】ORB-SLAM3:An Accurate Open-Source Library for Visual, Visual-Inertial and
深度学习·算法
骑自行车的码农2 天前
【React用到的一些算法】游标和栈
算法·react.js