matlab中用randn加入高斯白噪声而不使用awgn函数。SNR、EbN0

首先需要明确SNR、EbN0之间的转换，通过EbN0得到SNR。这个可以看我另一篇文章：
链接: link
拿到SNR之后可以开始下一步，
首先明确：
MATLAB中对调制后的数据求模的平方再取平均求得的是信号的功率，公式如下：
平均功率 P = (1/N) * Σ|s(n)|^2 ，
其中 N 是采样点数量，s(n) 是信号的离散时间序列。****
为什么该式得到的是功率而不是能量呢，因为这是一个采样点单位时间的能量求和，所以不用再除以Tb啥的了，反而是能量应该用这个P乘以Tb去获得比特能量Eb。
同时：
**高斯白噪声的能量方差（σ^2）**就是噪声功率。在高斯白噪声模型中，噪声是一个随机过程，其每个样本都服从独立同分布的高斯分布。噪声的方差（即能量的方差）可以表示为： σ^2 = E[(n(t) - μ)^2]，其中 n(t) 是噪声信号，μ 是噪声的均值，E[] 表示期望操作。 对于高斯白噪声，通常假设噪声均值为零（μ = 0）。因此，噪声的方差就是噪声信号的平均功率。
获得了SNR，首先SNR = S/N，（dB到实数的转换这里就略去了）
就可以得到N，那么N = （S/SNR）；
那么在matlab中如果想要加入一个EbN0（dB）这么大的噪声时，

这里默认SNR已经获得了
SNR = 5;#举例
signal = randi([0 1],1,10000);
#这一步之间可以加上编码以及调制等等过程
S = mean(signal.^2); #信号功率
N = S/SNR;#噪声功率
# 如果是实数过程
signal_noise = signal + sqrt(N)*randn(1,length(signal ));#加噪过程
# 如果是复数过程
signal_noise = signal + sqrt(N/2)*randn(1,length(signal ))+ sqrt(-1)*sqrt(N/2)*randn(1,length(signal ));#加噪过程

这样就获得了一个EbN0，或者说为信噪比为SNR的加噪信号，当然直接用awgn得到的效果是一样的，但是有些时候不是有限制不让用comm嘛，主要是要理解这两个之间的关系，才能得心应手。