在matlab中进行仿真时,经常需要对真实数据添加随机数噪声。本文内容参考内容见文末,对其进行适当总结并不定期再补充。
rand
- rand(m,n):产生均值为0.5、幅度在0~1之间的 m × n m\times n m×n均匀分布伪随机数矩阵。
- rand(m,n,‘double’):生成指定double精度的均值为0.5、幅度在0~1之间的 m × n m\times n m×n伪随机数矩阵,可选single。
randn
- randn(m,n):生成标准正态分布的伪随机数(均值为0,方差为1),语法与rand一致。
- 若要生成均值p, 方差q的正态分布随机数序列x:
x = p +sqrt(q)*randn(m,n)
randi
- randi 生成均匀分布的伪随机整数
- randi(iMax)在开区间(0,iMax)生成均匀分布的伪随机整数
- randi(iMax,m,n)在开区间(0,iMax)生成mXn型随机矩阵
- randi([iMin,iMax],m,n)在开区间(iMin,iMax)生成mXn型随机矩阵
设定种子1
matlab的rand、randn、randi函数生的是伪随机数,即由种子递推出来的,相同的种子,生成相同的随机数。
如果需要多次运行生成相同的随机数,用
rand(‘state’,S)设定种子,S种子,最简单的设为0就好
例:
设定种子2
第二种设定种子的方法靠程序的逻辑控制,matlab代码如下
clc
clear
%% 仿真数据准备
% 判断是否存在仿真数据?导入:生成
strDataName = 'myData.mat';
if exist(strDataName,'file')==2
load(strDataName);
end
if exist(strDataName,'file')==0
A = rand(5,5);
save(strDataName)
end
%% 算法实现
% :) @*%#!$*%#......
normrnd
- R = normrnd(MU,SIGMA,M,N):产生均值为MU,方差为SIGMA,大小为 M × N M\times N M×N的正太分布的随机数矩阵
randperm
- randperm(n) : 产生1到n的均匀分布的随机整数序列
注:可以用于打乱序列
随机数对称矩阵
仿真时偶尔需要用到对称的随机矩阵,生成方法如下:
- 对于任何方阵X,X+XT是对称矩阵
例:
A = rand(3)
C=(A'+A)/2.0; % 除以2.0是为了保持随机数的统计特性不变
输出得到:
A =
0.9797 0.8757 0.0118
0.2714 0.7373 0.8939
0.2523 0.1365 0.1991
本文参考:
【1】https://blog.csdn.net/linhd1102/article/details/51193793
【2】https://wenku.baidu.com/view/6500290d4a7302768e9939f2.html