信噪比公式与相关链接

置顶 lilibiu

已于 2022-05-16 14:22:19 修改

阅读量3.5k

点赞数 7

分类专栏：心电数据库心电信号分析文章标签： matlab 计算机视觉深度学习

于 2021-11-13 19:53:56 首次发布

本文链接：https://blog.csdn.net/HJ33_/article/details/121309024

版权

心电信号分析同时被 2 个专栏收录

4 篇文章 1 订阅

订阅专栏

心电数据库

2 篇文章 4 订阅

订阅专栏

一文理清信噪比及其应用，包含：公式与相关链接

定义

信噪比的计量单位是dB，其计算方法是10lg(Ps/Pn)，其中Ps和Pn分别代表信号和噪声的有效功率，也可以换算成电压幅值的比率关系：20Lg(Vs/Vn)，Vs和Vn分别代表信号和噪声电压的“有效值”。在音频放大器中，我们希望的是该放大器除了放大信号外，不应该添加任何其它额外的东西。因此，信噪比应该越高越好。
狭义来讲是指放大器的输出信号的功率与同时输出的噪声功率的比，常常用分贝数表示，设备的信噪比越高表明它产生的噪声越少。一般来说，信噪比越大，说明混在其中的有价值的信号含量越高，声音回放的音质量越高，否则相反。信噪比一般不应该低于70dB，高保真音箱的信噪比应达到110dB以上。

节选自：信噪比定义–百度百科

公式

在这里插入图片描述这里的公式显示了，如何制作指定信噪比的噪声。

在这里插入图片描述
这里的公式显示了，电压比率与功率比例之间的关系。图片来源：信噪比定义的详细描述

python 写matlab中的加性高斯白噪声AWGN

#####################################
# 制作含有指定SNR的高斯白噪声信号
#####################################
SNR = 10 
def wgn(x, snr):
    snr = 10**(snr/10.0)
    xpower = np.sum(x**2)/len(x)
    npower = xpower / snr
    return np.random.randn(len(x)) * np.sqrt(npower)
#定义10db信噪比的噪声
noise = wgn(signal, SNR)     #噪声长度跟信号长度一致

思考为什么大家都在研究高斯白噪声？

为何深度学习去噪研究采用高斯白噪声？——>知乎大佬回答
其实可以直接总结为：高斯噪音可能算是最好的对真实噪音的模拟。

心电研究常用噪声数据库

做心电研究常用的噪声数据库——>MIT-BIH Noise Stress Test Database

这个数据库的噪声包含三种：
在这里插入图片描述

这个数据库的噪声是怎样加入的呢？（其实不用管，但是如果你好奇，那就研究这篇官方文档——>Namenst - noise stress test for ECG analysis programs ）

经常见到wfdb中，通过nst添加噪声，怎样添加的呢？这里有源码指路——>>nst: Noise stress test
Copyright © 1983-2009 George B. Moody

python合成指定信噪比（NSTDB）

#####################################
# 制作含有指定SNR的NSTDB信号
#####################################
def gen_noise(signal,SNR):
    """
    :param signal: 原始信号
    :param SNR: 添加噪声的信噪比
    :return: 生成的噪声
    """
    noise = Noise_signals[20000:22000, 0] #取第一通道,前2000点。
    noise=noise-np.mean(noise)  #减去噪声均值  
    signal_power=(1/signal.shape[0])*np.sum(np.power(signal,2))
    noise_variance=signal_power/np.power(10,(SNR/10))
    print('噪声系数是：' + str(np.sqrt(noise_variance)/np.std(noise)))
    noise=(np.sqrt(noise_variance)/np.std(noise))*noise
    return noise