常用噪声

噪声在信号处理和声学领域中扮演着重要角色，它不仅影响信号的质量，还在许多自然和人造系统中作为一种不可避免的干扰存在。常用的噪声类型主要包括白噪声和粉红噪声。白噪声是一种功率谱密度均匀的随机信号，其在所有频率上的能量相同，常见于电子设备的背景噪声中。粉红噪声则以其频率的倒数成正比的功率谱密度而著称，这种噪声在自然界中更为普遍，如地震活动和金融市场的波动。此外，还有红噪声和蓝噪声等，它们根据功率谱密度与频率的关系进行分类。了解这些噪声类型的特性和应用，对于设计信号处理算法、提高通信质量以及进行科学研究都至关重要。本文将对几种常见的噪声特点进行阐述，并基于python给出其生成方法。

高斯白噪声

基本概念

高斯白噪声是一种理想化的随机信号，其特点是具有均匀的频谱和正态分布的幅度。在信号处理、图像处理和通信系统中，高斯白噪声广泛存在于各种电子设备和通信信道中，影响着系统的性能和信号的质量。它具有均匀的功率谱密度(PSD)、每个样本独立且服从正态分布、均值为0、方差恒定的特点。

噪声生成

# 高斯白噪声
def white_gause_noise(std, fs, duration, startfreq, endfreq):
    #generate noise
    num = int(fs * duration)
    x = np.random.normal(0, std, num)
    return filter(x, startfreq, endfreq, fs)

下图采样率std=1.0, fs=1024, duration=4, startfreq=50, endfreq=100

粉红噪声

基本概念

粉红噪声，也称为1/f噪声，是一种在频率域中具有特定频谱密度的随机信号。与白噪声（其功率谱密度是均匀的）不同，粉红噪声的功率谱密度随着频率的降低而减小，大致与频率的倒数成正比。这种特性使得粉红噪声在许多自然现象和工程应用中都有所体现，例如在地震学、气象学、电子设备噪声分析以及音乐和声学工程中。

噪声生成

def pink_noise(std, fs, duration, numcorr=1, startfreq = None, endfreq=None):
    num = int(duration*fs)
    pn = np.zeros(num)
    for i in range(1, num):
        pn[i] = pn[i-1] + np.random.normal(0, std) / (i+numcorr)
    return filter(pn, startfreq, endfreq, fs)

下图采样率std=1.0, fs=1024, duration=4

相关阅读

Noises notebook

• Noise