最近看之前做的一些信号仿真,有好多知识点忘了。还是把它们整理记录下来比较好,有助于以后回头再看。
复高斯白噪声的产生
z
=
a
+
b
i
z=a+bi
z=a+bi
其中,
i
i
i表示虚数单位,
a
a
a和
b
b
b表示方差相同零均值高斯分布随机变量,有:
a
∼
N
(
0
,
σ
2
)
a\sim\mathcal{N}(0,\sigma^2)
a∼N(0,σ2)
b
∼
N
(
0
,
σ
2
)
b\sim\mathcal{N}(0,\sigma^2)
b∼N(0,σ2)
此时该噪声功率为
σ
z
2
=
2
σ
2
\sigma^2_z=2\sigma^2
σz2=2σ2
比如一个噪声功率
σ
z
2
=
0.18
\sigma^2_z=0.18
σz2=0.18的复高斯白噪声,
σ
=
0.3
\sigma=0.3
σ=0.3,matlab产生代码如下:
N=10000;%样本数量
power=0.18;%噪声功率
sigma=sqrt(power/2);%标准差
z = sigma.*(randn(N,1)+1i*randn(N,1));%产生复高斯白噪声
画个直方图看一下z的实部,虚部也类似:
长得挺像正态分布的,样本求标准差为0.3004,与预设值差不多。
复高斯白噪声的包络
复高斯白噪声的包络(模值)服从瑞利分布,参考百度百科,其概率密度函数如下:
f
(
x
)
=
x
σ
2
exp
(
−
x
2
2
σ
2
)
,
x
>
0
f(x)=\frac{x}{\sigma^2}\exp(-\frac{x^2}{2\sigma^2}), \quad x>0
f(x)=σ2xexp(−2σ2x2),x>0
均值(数学期望):
E
(
X
)
=
σ
π
2
≈
1.253
σ
E(X)=\sigma\sqrt{\frac{\pi}{2}}\approx1.253\sigma
E(X)=σ2π≈1.253σ
方差:
D
(
X
)
=
4
−
π
2
σ
2
≈
0.429
σ
2
D(X)=\frac{4-\pi}{2}\sigma^2\approx0.429\sigma^2
D(X)=24−πσ2≈0.429σ2
对
z
z
z取模画个直方图看下:
样本均值0.3760(0.3759),样本方差0.0390(0.0386),括号内为按上述公式计算出来的均值方差,和预期很接近,说明样本服从瑞利分布。
复高斯白噪声的包络平方
复高斯白噪声的包络平方能够代表噪声的功率,服从指数分布,参考百度百科,概率密度函数如下:
f
(
x
)
=
{
λ
e
−
λ
x
x
>
0
0
x
≤
0
f(x)=\left\{\begin{aligned} \lambda &e^{-\lambda x} \quad &x>0\\ &0\quad &x\leq0 \end{aligned} \right.
f(x)={λe−λx0x>0x≤0
累计分布函数:
F
(
x
)
=
{
1
−
e
−
λ
x
x
>
0
0
x
≤
0
F(x)=\left\{\begin{aligned} 1-&e^{-\lambda x} \quad &x>0\\ &0\quad &x\leq0 \end{aligned} \right.
F(x)={1−e−λx0x>0x≤0
均值(数学期望):
E
(
X
)
=
1
λ
E(X)=\frac{1}{\lambda}
E(X)=λ1
方差:
D
(
X
)
=
1
λ
2
D(X)=\frac{1}{\lambda^2}
D(X)=λ21
特别注意,此处指数分布参数
λ
=
1
2
σ
2
\lambda=\frac{1}{2\sigma^2}
λ=2σ21,直方图如下所示:
样本均值0.1804(0.18),样本方差0.0328(0.0324)。
附代码:
N=100000;%样本数量
power=0.18;
sigma=sqrt(power/2);%标准差
z = sigma.*(randn(N,1)+1i*randn(N,1));%产生复高斯白噪声
histogram(real(z))
grid on
std(real(z))^2%样本方差
absz=abs(z);%取包络
mean(absz)%样本均值
std(absz)^2%样本方差
figure(2)
histogram(absz)
grid on
expz=absz.^2;%包络平方
mean(expz)%样本均值
std(expz)^2%样本方差
figure(3)
histogram(expz)
grid on
↓ \downarrow ↓一键三连 ↓ \downarrow ↓