定位python仿真相关

高斯噪声是指它的概率密度函数服从高斯分布的一类噪声。

高斯分布，也称正态分布，又称常态分布，记为N（μ，σ^2），其中μ，σ^2为分布的参数，分别为高斯分布的期望和方差。当有确定值时，p(x)也就确定了，特别当μ=0，σ^2=1时，X的分布为标准正态分布。

NumPy系统是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多（该结构也可以用来表示矩阵（matrix））。

 

numpy.random.randn(row, col)是从标准正态分布中返回一个或多个样本值。 
numpy.random.rand(row, col)的随机样本位于[0, 1)中。 
random.seed(0)作用：使得随机数据可预测，即只要seed的值一样，后续生成的随机数都一样。

画直方图：
 matplotlib.pyplot.hist(  
    x, bins=10, range=None, normed=False,  color=None, label=None) 
x : 这个参数是指定每个bin(箱子)分布的数据,对应x轴
bins : 这个参数指定bin(箱子)的个数,也就是总共有几条条状图
normed : boolean, optional，这个参数指定密度,也就是每个条状图的占比例比,默认为1，y轴值的比例
color : 这个指定条状图的颜色 

 

你可以多次使用figure命令来产生多个图，其中，图片号按顺序增加。

plt.figure(1)  子图只需要创建一次或者序号相同创建

#coding:utf-8

import matplotlib.pyplot as plt
import matplotlib.mlab as mlab
import numpy as np

def histFigure():
    mu, sigma = 0, 1
    sampleNo = 100000
    np.random.seed(0)
    s = np.random.normal(mu, sigma, sampleNo)

    plt.hist(s, bins=100, normed=True, color="green")
    plt.xlabel("x")
    plt.ylabel("y")
    plt.text(-4, 0.30, r'$\mu=0,\ \sigma=1$')#在x轴-4， y轴0.30开始加入说明
    plt.title("title of relationship of x and y")
    plt.show()

def subFigure():
    x = np.arange(-5.0, 5.0, 0.02)
    y1 = np.sin(x)
    plt.figure(1)
    plt.subplot(211)
    plt.axis([-5, 5, -2, 2])#设置x,y坐标范围
    plt.xlim((-3, 3))#另一种设置坐标区间的方法
    plt.plot(x, y1)

    plt.subplot(212)
    #设置x轴范围
    plt.xlim(-2.5, 2.5)
    #设置y轴范围
    plt.ylim(-1, 1)
    plt.plot(x, y1)
    plt.show()

def mulFigure():
    x = np.arange(0, 5, 0.2)
    y1 = x
    y2 = x**2 #平方
    y3 = x**3

    plt.plot(x, y1, 'r.', label="x")
    plt.plot(x, y2, 'bs', label="x^2")
    plt.plot(x, y3, 'g^', label="x^3")

    plt.legend(loc="upper left")
    plt.show()

def scatterFigure():
    x = np.random.uniform(1, 10, size=(1, 10))
    y = np.random.uniform(1, 10, size=(1, 10))
    print x
    print y
    plt.scatter(x, y, color = 'blue')
    plt.plot(x, y, color = 'green')
    plt.show()
scatterFigure()