输出信噪比计算

function snr_vec = fftdisto(x, C, varargin)

% FFTDISTO compute distortion of sinusoidal signal

% SNR_VEC = FFTDISTO(X,C,N)

% input:

% x signal vector

% C number of full sinusoids in X

% N length of signal to consider (must be a power of 2)

% only N last samples in x are used in fft

% output vector:

% 1 pwr signal power [dB] (amplitude 1 --> 0dB)

% 2 sndr signal-to-noise+distortion ratio (DC omitted) [dB]

% 3 snr only uncorrelated noise (harmonics + DC omitted) [dB]

% 4 sdr signal-to-distortion (only harmonics, noise+DC omitted) [dB] % 5 tdh total harmonic distortion [%]

% NOTE: make N > 6 * C -->

% considers only approx. first N/2C harmonics,

% rest are treated as noise

if nargin > 3

fprintf('nargin = %d\n', nargin)

error('Too many arguments.');

end

N = length(x);

if nargin == 3

if varargin{1} > N

error('N exceeds length(x)');

end

lenx = N;

N = varargin{1};

if lenx > N

x(1:(lenx-N)) = [];

end

end

N2 = 0.5 * N;

if log2(N2) ~= round(log2(N2))

error('N must be power of 2');

end

if C > N2

error('C > N/2 (signal frequency > sampling frequency');

end

if N < 6*C

% warning('computing less than 3 harmonics!');

end

a = abs(fft(x))/N2; % amplitude vector

p = a .* a; % power vector

dc = 1; % index of DC component

sig = C+1; % index of signal

harm = (2*C+1):C:N2; % indices of harmonics

noise= 1:N2; noise([ dc sig harm ]) = [];

% indices of noise

sp = p(sig) + 1e-100; % signal power

dp = sum(p(harm)) + 1e-100; % distortion power

np = sum(p(noise)) + 1e-100; % noise power (not including distortion)

snr_vec = zeros(1,5);

snr_vec(1) = dB10(sp);

snr_vec(2) = dB10(sp/(np+dp));

snr_vec(3) = dB10(sp/np);

snr_vec(4) = dB10(sp/dp);

snr_vec(5) = 100*sqrt(dp/sp);

matlab中的信噪比

(2011-03-22 19:52:49)

分类：学习

标签：

信噪比

杂谈

以高斯噪声为例：若有用信号s(n)的最大幅度am，要求得到的信噪比为p，则p=10log10[(am^2)/b^2]，用这个公式反推出高斯噪声的方差b^2，若s(n)单通道实信号，则Matlab程序就是x=s+b*randn(size(s))；若s(n)是正交双通道信号，则Matlab程序就是

x=s+b/sqrt(2)*randn(size(s))。

如果s(n)是一个N行、2列的复信号，前后两列各表示实部和虚部，则b/sqrt(2)*randn(size(s))产生的也是N×2的高斯分布噪声，实部和虚部的方差均为

b/sqrt(2)。实部和虚部分别产生也可以，但不能用

b*randn(size(s))。第一，如果这样产生噪声，那么最终信号的信噪比应该用

p=10log10[(am^2)/(2*b^2)]；第二，不能用size(s)，应该用size(c)，c为s(n)的实（虚）部列矢量的长度。

Matlab中计算信噪比方式：

%===========================Happy===== ==============================%

function snr=SNR(I,In)

% 计算信号噪声比函数

% by Qulei

% I :original signal

% In:noisy signal(ie. Original signal + noise signal)

% snr=10*log10(sigma2(I2)/sigma2(I2-I1))

[row,col,nchannel]=size(I);

snr=0;

if nchannel==1%gray image

Ps=sum(sum((I-mean(mean(I))).^2));%signal power

Pn=sum(sum((I-In).^2));%noise power

snr=10*log10(Ps/Pn);

elseif nchannel==3%color image

for i=1:3

Ps=sum(sum((I(:,:,i)-mean(mean(I(:,:,i)))).^2));%signal power

Pn=sum(sum((I(:,:,i)-In(:,:,i)).^2));%noise power

snr=snr+10*log10(Ps/Pn);

end

snr=snr/3;

end

%==================================== ===============================%

转：

符号的平均功率每比特信号能量/符号周期

SNR信噪比= ------------------------- =

----------------------------------------- =

噪声的平均功率噪声单边功率普密度*符号带宽

Eb/T 在限带情况下T*B=1 Eb

= ---------- ================== ---------

N0*B N0

实际系统中噪声的单边功率普密度N0受温度和常数K决定的，在一定条件下为固定值；信噪比与信号能量的强弱成正比。在仿真中，为了简化模型，通常采用固定输入信号幅度，改变N0来起到SNR的变化。其中的Eb是在相干接收条件下解调后信号能量，而系统接收的信噪比通常是加在接收输入端，也就是解调前。为了令Eb在解调前后的能量统一，在发送端必须采用能量的归一化。

归一化方法：

_ x(n)

x(n) =-------------------------- n属于(1,N) N为1bit内采样点数sqrt(Sum(x(n)^2))

MATLAB仿真中信噪比的添加方法：

1. 发端首先进行能量归一化

2. 在收端根据同样的采样率计算1bit长度的能量即Eb

3. SNR=10log(ebno)=> ebno=Eb/N0 => N0=Eb/ebno

4. N0=2(sigma)^2 => sigma=sqrt(N0/2)

5. noise=sigma*randn(1,0) 添加高斯白噪声

=================================转载

===================================== =

说起“向已知信号添加噪声”，有一个帖子不得不提，那是由happy教授介绍的两个常用函数，我这里引用一下：

%=============================happy=== ==============================% MATLAB中产生高斯白噪声非常方便，可以直接应用两个函数，一个是WGN，另一个是AWGN。WGN用于产生高斯白噪声，AWGN则用于在某一信号中加入高斯白噪声。

1. WGN：产生高斯白噪声

y = wgn(m,n,p) 产生一个m行n列的高斯白噪声的矩阵，p以dBW 为单位指定输出噪声的强度。

y = wgn(m,n,p,imp) 以欧姆(Ohm)为单位指定负载阻抗。

y = wgn(m,n,p,imp,state) 重置RANDN的状态。

在数值变量后还可附加一些标志性参数：

y = wgn(…,POWERTYPE) 指定p的单位。POWERTYPE可以是'dBW', 'dBm'或'linear'。线性强度(linear power)以瓦特(Watt)为单位。

y = wgn(…,OUTPUTTYPE) 指定输出类型。OUTPUTTYPE可以是'real'或'complex'。

2. AWGN：在某一信号中加入高斯白噪声

y = awgn(x,SNR) 在信号x中加入高斯白噪声。信噪比SNR以dB 为单位。x的强度假定为0dBW。如果x是复数，就加入复噪声。

y = awgn(x,SNR,SIGPOWER) 如果SIGPOWER是数值，则其代表以dBW为单位的信号强度；如果SIGPOWER为'measured'，则函数将在加入噪声之前测定信号强度。

y = awgn(x,SNR,SIGPOWER,STATE) 重置RANDN的状态。

y = awgn(…,POWERTYPE) 指定SNR和SIGPOWER的单位。POWERTYPE可以是'dB'或'linear'。如果POWERTYPE是'dB'，那么SNR以dB为单位，而SIGPOWER以dBW为单位。如果POWERTYPE 是'linear'，那么SNR作为比值来度量，而SIGPOWER以瓦特为单位。

注释

1. 分贝(decibel, dB)：分贝（dB）是表示相对功率或幅度电平的标准单位，换句话说，就是我们用来表示两个能量之间的差别的一种表示单位，它不是一个绝对单位。例如，电子系统中将电压、电流、功率等物理量的强弱通称为电平，电平的单位通常就以分贝表示，即事先取一个电压或电流作为参考值（0dB），用待表示的量与参考值之比取对数，再乘以20作为电平的分贝数（功率的电平值改乘10）。

2. 分贝瓦(dBW, dB Watt)：指以1W的输出功率为基准时，用分贝来测量的功率放大器的功率值。

3. dBm (dB-milliWatt)：即与1milliWatt（毫瓦）作比较得出的数字。

0 dBm = 1 mW

10 dBm = 10 mW

20 dBm = 100 mW

也可直接用randn函数产生高斯分布序列，例如：

y=randn(1,2500);

y=y/std(y);

y=y-mean(y);

a=0.0128;

b=sqrt(0.9596);

y=a+b*y;

就得到了N ( 0.0128, 0.9596 ) 的高斯分布序列

产生指定方差和均值的随机数

设某个随机变量x均值为mu，方差为var^2，若要产生同样分布的随机变量y，但使新的随

机变量参数改变，均值为mu_1，方差为var_1^2，可以用如下公式

进行变换：

y=var_1/var*(x-mu)+mu_1，其中x为随机变量，其余为常数（原分布参数）。

具体到正态分布，若要产生均值为u，方差为o^2的M*N的随机数矩阵，可以用

y=o*randn(M,N)+u得到。

对于均匀分布，若要产生[a,b]区间的均匀分布的M*N的随机数矩阵，则可以用

y=rand(M,N)*(b-a)+a得到。

%==================================== ===============================%

上述资料基本上完整地描述了原始问题，不过有几点内容附带说明一下：

1. 首先更正一个错误，我认为在“生成N ( 0.0128, 0.9596 ) 的高斯分布序列”的程序中，应该改为以下的代码：

%===================eight============== =======================%

y=randn(1,2500);

y=y-mean(y);

y=y/std(y);

a=0.0128;

b=sqrt(0.9596);

y=a+b*y;

%==================================== ======================%

2. 上面资料最后部分隐含了一个出自zhyuer 版友的结论：

%==========================zhyuer====== =============================%

1) rand产生的是[0，1]上的均匀分布的随机序列

2) randn产生均值为0，方差为1的高斯随机序列，也就是白噪声序列；

%==================================== ===============================%

也就是说，可以直接使用上面两个函数对原始信号添加噪声（例如

y=x+rand(length(x),1)或者y=x+randn(length(x),1)）

3. 事实上，无论是wgn还是awgn函数，实质都是由randn函数产生的噪声。即，wgn函数中调用了randn函数，而awgn函数中调用了wgn函数。下面就我熟悉的“向已知信号添加某个信噪比（SNR）的高斯白噪声”来说明一下，不过如果大家阅读过awgn的实现代码就不用看下去了，呵呵。从上述可知，这个任务可以使用awgn函数实现，

具体命令是：awgn(x,snr,’measured’,'linear’)，命令的作用是对原信号f(x)添加信噪比（比值）为SNR的噪声，在添加之前先估计信号f的强度。这里涉及三个问题：在awgn这个函数中，SNR是如何计算的？什么是信号的强度？awgn函数具体是如何添加噪声的？事实上，前两个问题是相关的，因为根据定义，SNR就是信号的强度除以噪声的强度，所以，首先来讲讲信号的强度。其实信号的强度指的就是信号的能量，在连续的情形就是对f(x)平方后求积分，而在离散的情形自然是求和代替积分了。在matlab中也是这样实现的，只不过多了一个规范化步骤罢了：

sigPower = sum(abs(sig(:)).^2)/length(sig(:))

这就是信号的强度。至此，SNR的具体实现也不用多说了（注：由于采用的是比值而非db，所以与下面“计算信噪比”所使用的方式不同，即没有求对数步骤）。

最后说说awgn函数具体是如何添加噪声的。事实上也很简单，在求出f的强度后，结合指定的信噪比，就可以求出需要添加的噪声的强度noisePower=sigPower/SNR。由于使用的是高斯白噪声即randn函数，而randn的结果是一个强度为1的随机序列（自己试试

sum(randn(1000,1).^2)/1000就知道了，注意信号的长度不能太小）。于是，所要添加的噪声信号显然就是：

sqrt(noisePower)*randn(n,1)，其中n为信号长度。

4. 上面所说的都是具有分布特性（相关的）随机序列，如果需要添加

不相关的随机序列，则可以使用jimin版友的方法：

%========================jimin========= ==============================%

for i=1:100

x(i)=randn(1);

end

%==================================== ===============================%

即先产生噪声信号，后再与原信号叠加。

最后是另外的一些常见问题，整理如下：

1. Matlab中如何产生值为0，1的随机序列？【转bainhome版友】：round(rand(5))

2. Matlab中如何计算信噪比？下面的代码转自Happy教授：

%===========================Happy===== ==============================%

function snr=SNR(I,In)

% 计算信号噪声比函数

% by Qulei

% I :original signal

% In:noisy signal(ie. Original signal + noise signal)

% snr=10*log10(sigma2(I2)/sigma2(I2-I1))

[row,col,nchannel]=size(I);

snr=0;

if nchannel==1%gray image

Ps=sum(sum((I-mean(mean(I))).^2));%signal power

Pn=sum(sum((I-In).^2));%noise power

snr=10*log10(Ps/Pn);

elseif nchannel==3%color image

for i=1:3

Ps=sum(sum((I(:,:,i)-mean(mean(I(:,:,i)))).^2));%signal power

Pn=sum(sum((I(:,:,i)-In(:,:,i)).^2));%noise power

snr=snr+10*log10(Ps/Pn);

end

snr=snr/3;

end

%====================================

===============================%

3. 随机产生1-n的索引排列：randperm函数

请问八兄

“也就是说，可以直接使用上面两个函数对原始信号添加噪声（例如

y=x+rand(length(x),1)或者y=x+randn(length(x),1)）”

用RANDN函数添加是不是还要考虑原信号啊

RANDN函数只是提供了随机数还需要考虑原信号的数量级和加躁的百分比

那式子应该怎么写呢

我现在用Y＝X+%*RANDN(SIZE(X))*COV(X); X是原信号，为多维矩阵

感觉不对

能不能给讲讲

谢谢

的确需要考虑原信号的幅值问题，你可以先把原信号规范化一下（先减去均值，然后除以标准差），再与randn 生成的随机噪声相加