（3）MATLAB生成高斯随机变量及其概率密度函数估计

---

前言

通信中广泛使用的加性高斯白噪声信道，实际上就是对输入信号增加高斯随机噪声，而所谓的高斯随机噪声即取值大小服从高斯分布的随机变量。本文使用MATLAB中的randn函数，生成特定的高斯随机变量，并根据所生成的随机变量计算出其概率密度函数估计值，最终，使用高斯分布的概率密度函数理论值，验证了所计算的概率密度函数估计值的正确性。

---

一、高斯分布的概率密度函数

高斯分布，也即正态分布。均值为μ、标准差为σ以及方差为σ^2的高斯分布的概率密度函数是：

二、仿真代码

MATLAB仿真代码如下：

clc
close all
% 生成 10,000 个均值为 5、标准差为 2 的正态分布随机数。
% 在 Normalization 设为 'pdf' 的情况下绘制直方图可生成概率密度函数的估计值。
mu = 5;                     % 高斯分布均值
sigma = 2;                  % 高斯分布标准差
N = 10000;                  % 样本数
x = sigma*randn(N,1) + mu;  % 生成高斯随机变量

figure()
histogram(x,'Normalization','pdf')            % 如果不指定 nbins，则 histogram 基于 X 中的值自动计算将使用多少个 bin。

y = -5:0.1:15;
f = exp(-(y-mu).^2./(2*sigma^2))./(sigma*sqrt(2*pi));   % 高斯分布概率密度函数理论值

% 对于均值为5、标准差为2的正态分布，叠加概率密度函数理论值曲线
hold on
plot(y,f,'Color','#D95319','LineWidth',1.5)
title('高斯分布的概率密度')
legend('概率密度函数的估计值','概率密度函数的理论值')

三、仿真结果

MATLAB仿真结果如下：

---

备注

histogram是在MATLAB R2014b版本中引入的， R2014a及以前的版本，需要使用hist，并做适当的修改。后续将给出其他例子说明如何使用hist得到概率密度函数的估计值。