Python向信号中添加不同强度dB的噪音

SNR(Signal Noise Ratio)信噪比

$SNR=\frac{P_{signal}}{P_{noise}}$
为有用信号功率(Power of Signal)(Power of Signal)与噪声功率(Power of Noise)的比。

它的单位一般使用分贝(dB)，其值为十倍对数信号与噪声功率比：
$\mathrm{S}\mathrm{N}\mathrm{R}(\mathrm{d}\mathrm{B})=10{\log }_{10}\left(\frac{P_{\mathrm{s}\mathrm{i}\mathrm{g}\mathrm{n}\mathrm{a}\mathrm{l}}}{P_{\mathrm{n}\mathrm{o}\mathrm{i}\mathrm{s}\mathrm{e}}}\right)$

或者$SNR=10{\log }_{10}\frac{{\sum }_{n=0}^{N-1}{x}^2(n)}{{\sum }_{n=0}^{N-1}[s(n)-x(n){]}^2}$，其中x是干净信号，s是带噪信号

上面提到的信号功率其实就是信号的能量或强度，在连续的情况下就是对信号x平方后求积分，而在离散情况下就是使用对信号x平方后求和:

P_signal=np.sum(np.abs(x)**2)

在这里讨论给定原始干净信号(x)和噪音信号(d)的情况下，任务是向信号中添加合适强度(SNR)的噪音信号。
流程如下：

原始噪音(d)的信号强度：P_d
所需要的噪音强度：P_noise=P_signal / 10**(SNR / 10)
所需要产生的噪音：noise=np.sqrt(P_noise / P_d) * d
产生的噪音强度为(SNR)的含噪信号：NoiseSignal = x + noise

1 def Add_noise(x, d, SNR):
2     P_signal=np.sum(abs(x)**2)
3     P_d=np.sum(abs(d)**2)
4     P_noise=P_signal/10**(SNR/10)
5     noise=np.sqrt(P_noise/P_d)*d
6     return noise_signal=x+noise

注：1.产生噪音那使用开根号是因为开根号后的数乘上所有的噪音信号，这样在计算噪音强度的时候可以直接提出来。2.因为原本的噪音本身是有强度的所以需要除一下，而添加高斯白噪音的时候就不需要添加，是因为高斯白噪声本身的强度和其方差是一样的，是1

高斯白噪声均值为0方差为1，使用randn函数可以验证以下（sum(np.random.randn(10000, 1)**2)/10000）,这里验证的信号长度不能太小了，所以在上面的流程中产生的噪音就直接是np.sqrt(P_noise ) * d，并且在matlab中的wgn函数中P_signal=np.sum(np.abs(x)**2) / len(x)，他多了一个规范化步骤。下面是用python实现了以下matlab中的生成高斯白噪声的函数wgn：

1 def wgn(x, snr):
2	  P_signal = np.sum(abs(x)**2)/len(x)
3 　　P_noise = P_signal/10**(snr/10.0)
4 　　return np.random.randn(len(x)) * np.sqrt(P_noise)

注：在参考文档1中有个关于matlab中的wgn的小湾，可以注意一下

参考文档

1: matlab中噪声功率、噪声方差关系
2: 《Matlab在语音信号分析与合成中的应用》