色噪声原理及matlab代码实现.doc
《色噪声原理及matlab代码实现.doc》由会员分享,可在线阅读,更多相关《色噪声原理及matlab代码实现.doc(7页珍藏版)》请在冰点文库上搜索。
色噪声原理及matlab实现
1、实验目的:
⑴了解随机信号自身的特性,包括均值(数学期望)、均方值、方差、相关函数、概率密度、频谱及功率谱密度等。
(2)了解色噪声的基本概念和分析方法,掌握用matlab、c\c++软件仿真和分析色噪声的方法。
⑶掌握随机信号的分析方法。
2、实验原理:
我们把除了白噪声之外的所有噪声都称为有色噪声。
就像白光一样,除了白光就是有色光。
色噪声中有几个典型:
⑴粉红噪声。
粉红噪音是自然界最常见的噪音,简单说来,粉红噪音的频率分量功率主要分布在中低频段。
从波形角度看,粉红噪音是分形的,在一定的范围内音频数据具有相同或类似的能量。
从功率(能量)的角度来看,粉红噪音的能量从低频向高频不断衰减,曲线为1/f,通常为每8度下降3分贝。
粉红噪声的能量分布在任一同比例带宽中是相等的!
比如常见的三分之一倍程频带宽100Hz的范围89.2__112和1000Hz的892__1120是相等的。
在给定频率范围内(不包含直流成分),随着频率的增加,其功率密度每倍频程下降3dB(密度与频率成反比)。
每倍频的功率相同,但要产生每倍频程3dB的衰减非常困难,因此,没有纹波的粉红噪声在现实中很难找到。
粉红噪声低频能下降到接近0Hz(不包括0Hz)高频端能上到二十几千赫,而且它在等比例带宽内的能量是相等的(误差只不过0.1dB左右)。
粉红噪声的功率普密度图:
⑵红噪声(海洋学概念)。
这是有关海洋环境的一种噪声,由于它是有选择地吸收较高的频率,因此称之为红噪声。
⑶橙色噪声。
该类噪声是准静态噪声,在整个连续频谱范围内,功率谱有限且零功率窄带信号数量也有限。
这些零功率的窄带信号集中于任意相关音符系统的音符频率中心上。
由于消除了所有的合音,这些剩余频谱就称为橙色音符。
⑷蓝噪声。
在有限频率范围内,功率密度随频率的增加每倍频增长3dB(密度正比于频率)。
对于高频信号来说,它属于良性噪声。
⑸紫噪声。
在有限频率范围内,功率密度随频率的增加每倍频增长6dB(密度正比于频率的平方值)。
⑹灰色噪声。
该噪声在给定频率范围内,类似于心理声学上的等响度曲线(如反向的A-加权曲线),因此在所有频率点的噪声电平相同。
⑺棕色噪声。
在不包含直流成分的有限频率范围内,功率密度随频率的增加每倍频下降6dB(密度与频率的平方成反比)。
该噪声实际上是布朗运动产生的噪声,它也称为随机飘移噪声或醉鬼噪声。
⑻黑噪声(静止噪声)包括:
①有源噪声控制系统在消除了一个现有噪声后的输出信号。
②在20kHz以上的有限频率范围内,功率密度为常数的噪声,一定程度上它类似于超声波白噪声。
这种黑噪声就像“黑光”一样,由于频率太高而使人们无法感知,但它对你和你周围的环境仍然有影响。
3、实验内容:
⑴用matlab或c/c++语言编写和仿真程序。
⑵产生粉红色噪声和高斯色噪声:
让高斯白噪声通过低通、带通、高通滤波器中的任意一个就可以产生高斯色噪声。
让高斯白噪声通过每倍频程衰减3dB的衰减滤波器的滤波器就可以产生粉红噪声。
⑶对粉红色噪声和高斯色噪声进行相关分析和谱分析。
计算粉红色噪声、高斯色噪声的均值、均方值、方差、相关函数、概率密度、频谱及功率谱密度、相关函数。
⑷所有结果均用图示法来表示,能读出具体值。
4、实验中产生的各种波形:
白噪声及其各种波
白噪声是随机的,所以它的均值为零,频谱在所有频率上都有分量。
功率谱密度近似均匀分布。
因为它不具有相关性,所以自相关函数趋近于零。
白噪声有波动所以方差不为零。
低通滤波器
试验中采用白噪声通过低通滤波器的方法来产生高斯色噪声,滤波器通带截止频率为30Hz,阻带截止频率为40Hz。
高斯色噪声及其各种波
色噪声的功率谱不是均匀分布的,它的均值不为零,具有一定的波动所以方差也不为零。
它的前后时刻是相关的,所以自相关函数不为零。
倍频程衰减滤波器
倍频程衰减3dB滤波器的设计参考《DSPgenerationofPink(1/f)Noise》
作者RobertBristow-Johnson。
粉红噪声及其各种波
色噪声的功率谱不是均匀分布的,它的均值不为零,具有一定的波动所以方差也不为零。
它的前后时刻是相关的,所以自相关函数不为零。
5、Matlab程序:
试验程序如下:
%产生高斯白噪声
clf;
y=wgn(1,1024,0);
t=0:
1023;
y1=mean(y);%均值01
y2=var(y);%方差
y3=y2+y1.*y1;%均方值
[y4,lag]=xcorr(y,'unbiased');%自相关函数
[f1,y5]=ksdensity(y);%概率密度
f=(0:
length(y)-1)'/length(y)*1024;
Y=fft(y);
y6=abs(Y);%频谱
y7=Y.*conj(Y)/1024;%功率谱密度
figure
(1);
subplot(2,4,1);plot(t,y);
title('高斯白噪声');axis([01024-55]);
subplot(2,4,2);plot(t,y1);
title('高斯白噪声均值');axis([01024-22]);
subplot(2,4,3);plot(t,y2);
title('高斯白噪声方差');axis([01024-22]);
subplot(2,4,4);plot(t,y3);
title('高斯白噪声均方值');axis([01024-22]);
subplot(2,4,5);plot(lag,y4);
title('高斯白噪声自相关函数');axis([-10241024-11]);
subplot(2,4,6);plot(y5,f1);
title('概率密度');
subplot(2,4,7);plot(f,y6);
title('高斯白噪声频谱');axis([01024080]);
subplot(2,4,8);plot(f,y7);
title('高斯白噪声功率谱密度');axis([0102408]);
%低通滤波器
Wp=2*pi*30;Ws=2*pi*40;Rp=0.5;Rs=40;fs=100;W=2*pi*fs;
[N,Wn]=buttord(2*Wp/W,2*Ws/W,Rp,Rs);
[b,a]=butter(N,Wn);
[h,f]=freqz(b,a,1000,fs);
figure
(2);plot(f,abs(h));xlabel('f/Hz');ylabel('|H(jf)|');
axis([010001.2]);gridon;
title('低通滤波器幅频响应');
%生成高斯色噪声
gss=filter(b,a,y);%滤波产生高斯色噪声
gss1=mean(gss);%均值
gss2=var(gss);%方差
gss3=gss2+gss1.*gss1;%均方值
[gss4,lag]=xcorr(gss,'unbiased');%自相关函数
[f1,gss5]=ksdensity(gss);%概率密度
f=(0:
length(gss)-1)/length(gss)*1024;
GSS=fft(gss);
gss6=abs(GSS);%频谱
gss7=GSS.*conj(GSS)/1024;%功率谱密度
figure(3);
subplot(2,4,1);plot(t,gss);
title('高斯色噪声');axis([01024-55]);
subplot(2,4,2);plot(t,gss1);
title('高斯色噪声均值');axis([01024-11]);
subplot(2,4,3);plot(t,gss2);
title('高斯色噪声方差');axis([01024-0.51.5]);
subplot(2,4,4);plot(t,gss3);
title('高斯色噪声均方值');axis([01024-0.51.5]);
subplot(2,4,5);plot(lag,gss4);
title('高斯色噪声自相关函数');axis([-10241024-0.51]);
subplot(2,4,6);plot(gss5,f1);
title('高斯色噪声概率密度');
subplot(2,4,7);plot(f,gss6);
title('高斯色噪声频谱');axis([010240100]);
subplot(2,4,8);plot(f,gss7);
title('高斯色噪声功率谱密度');axis([0102408]);
%倍频程衰减3dB滤波器
%倍频程衰减3dB滤波器的设计参考
%《DSPgenerationofPink(1/f)Noise》
%作者RobertBristow-Johnson
a=[0.984436040.833923340.07568359];
b=[0.995727540.947906490.53567505];
Hz=zpk(a,b,1,1/44100);
Hz2=get(tf(Hz))
num=cell2mat(Hz2.num());
den=cell2mat(Hz2.den
(1));
[HF]=freqs(den,num);
figure(4);semilogx(F,20*log(abs(H)));
xlabel('F/Hz');ylabel('|H(jf)|/dB');gridon;
title('倍频程衰减滤波器幅频响应');
%产生粉红噪声
pn=filter(num,den,y);%滤波产生粉红色噪声
pn1=mean(pn);%粉红噪声均值
pn2=var(pn);%粉红噪声方差
pn3=pn2+pn1.*pn1;%粉红噪声均方值
[pn4,lag]=xcorr(pn,'unbiased');%粉红噪声自相关函数
[f1,pn5]=ksdensity(pn);%粉红噪声概率密度
f=(0:
length(pn)-1)/length(pn)*1024;
PN=fft(pn);
pn6=abs(PN);%粉红噪声频谱
pn7=PN.*conj(PN)/1024;%粉红噪声功率谱密度
figure(5);
subplot(2,4,1);plot(t,pn);
title('粉红噪声');axis([01024-88]);
subplot(2,4,2);plot(t,pn1);
title('粉红噪声均值');axis([01024-11]);
subplot(2,4,3);plot(t,pn2);
title('粉红噪声方差');axis([0102405]);
subplot(2,4,4);plot(t,pn3);
title('粉红噪声均方值');axis([0102405]);
subplot(2,4,5);plot(lag,pn4);
title('粉红噪声自相关函数');axis([-10241024-12]);
subplot(2,4,6);plot(pn5,f1);
title('粉红噪声概率密度');
subplot(2,4,7);plot(f,pn6);
title('粉红噪声频谱');axis([-5010800350]);
subplot(2,4,8);plot(f,pn7);
title('粉红噪声功率谱密度');axis([-5010800110]);
6、实验参考书目:
参考书目:
(1)楼顺天编著.基于MATLAB的系统分析与设计.西安电子科技大学出版社,2002
(2)[美]SanjitKMitra编著.DigitalSignalProcessing——AComputer-BasedApproach
电子工业出版社,2010
(3)苏晓生编著.掌握Matlab6.0及其工程应用.科学出版社,2004
(4)徐小兵沈勇邬宁.IIR数字粉红噪声滤波器的优化设计。
电声技术,2005-12
(5)RobertBristow-Johnson.《DSPgenerationofPink(1/f)Noise》