matlab 如何计算信噪比

Matlab信号上叠加噪声和信噪比的计算

在信号处理中经常需要把噪声叠加到信号上去，在叠加噪声时往往需要满足一定的信噪比，这样产生二个问题，其一噪声是否按指定的信噪比叠加，其二怎么样检验带噪信号中信噪比满足指定的信噪比。

在MATLAB中可以用randn产生均值为0方差为1的正态分布白噪声，但在任意长度下x=randn(1,N)，x不一定是均值为0方差为1（有些小小的偏差），这样对后续的计算会产生影响。在这里提供3个函数用于按一定的信噪比把噪声叠加到信号上去，同时可检验带噪信号中信噪比。

1，把白噪声叠加到信号上去：

function [Y,NOISE] = noisegen(X,SNR)

% noisegen add white Gaussian noise to a signal.

% [Y, NOISE] = NOISEGEN(X,SNR) adds white Gaussian NOISE to X. The SNR is in dB.

NOISE=randn(size(X));

NOISE=NOISE-mean(NOISE);

signal_power = 1/length(X)*sum(X.*X);

noise_variance = signal_power / ( 10^(SNR/10) );

NOISE=sqrt(noise_variance)/std(NOISE)*NOISE;

Y=X+NOISE;

其中X是纯信号，SNR是要求的信噪比，Y是带噪信号，NOISE是叠加在信号上的噪声。

2，把指定的噪声叠加到信号上去

有标准噪声库NOISEX-92，其中带有白噪声、办公室噪声、工厂噪声、汽车噪声、坦克噪声等等，在信号处理中往往需要把库中的噪声叠加到信号中去，而噪声的采样频率与纯信号的采样频率往往不一致，需要采样频率的校准。

function [Y,NOISE] = add_noisem(X,filepath_name,SNR,fs)

% add_noisem add determinated noise to a signal.

% X is signal, and its sample frequency is fs;

% filepath_name is NOISE's path and name, and the SNR is signal to noise ratio in dB. [wavin,fs1,nbits]=wavread(filepath_name);

if fs1~=fs

wavin1=resample(wavin,fs,fs1);

end

nx=size(X,1);

NOISE=wavin1(1:nx);

NOISE=NOISE-mean(NOISE);

signal_power = 1/nx*sum(X.*X);

noise_variance = signal_power / ( 10^(SNR/10) );

NOISE=sqrt(noise_variance)/std(NOISE)*NOISE;

Y=X+NOISE;

其中X是纯信号，filepath_name是指定噪声文件（.wav）的路径和文件名，SNR是要求的信噪比，fs是信号X的采样频率，Y是带噪信号，NOISE是叠加在信号上的噪声。

3，检验带噪信号的信噪比

信噪比的定义为

信号能量(纯信号)^2

SNR=-----------------=--------------------------

噪声能量(带噪信号-纯信号)^2

function snr=SNR_singlech(I,In)

% 计算信噪比函数

% I :original signal

% In:noisy signal(ie. original signal + noise signal)

snr=0;

Ps=sum(sum((I-mean(mean(I))).^2));%signal power

Pn=sum(sum((I-In).^2)); %noise power

snr=10*log10(Ps/Pn);

其中I是纯信号，In是带噪信号，snr是信噪比

以下给出调用上函数的例子可作参考：

例一

clear all; clc; close all;

[filename,pathname]=uigetfile('*.wav','请选择语音文件：'); [X,fs]=wavread([pathname filename]);

[Y,NOISE] = noisegen(X,10);

subplot 311; plot(X);

subplot 312; plot(NOISE);

subplot 313; plot(Y);

mn=mean(NOISE)

snr=SNR_singlech(X,Y)

例二

clear all; clc; close all;

[filename,pathname]=uigetfile('*.wav','请选择语音文件：'); [filename1,pathname1]=uigetfile('*.wav','请选择噪声文件：'); filepath_name=[pathname1 filename1];

[X,fs]=wavread([pathname filename]);

[Y,NOISE] = add_noisem(X,filepath_name,10,fs);

subplot 311; plot(X);

subplot 312; plot(NOISE);

subplot 313; plot(Y);

mn=mean(NOISE)

snr=SNR_singlech(X,Y)

实验一图像去噪

实验一图像去噪 在现代医学中，医学影像技术广泛应用于医学诊断和临床治疗，成为医生诊断和治疗的重要手段和工具。如今，医学图像在医疗诊断中起着不可低估的重要作用，核磁共振，超声，计算机X射线断层扫描以及其他的成像技术等，都是无侵害的器官体外成像的有效手段。这些技术丰富了正常的何病态的解剖知识，同时也成为诊断和医疗体系的重要组成部分。 然而，由于不同的成像机理，医学图像往往存在时间、空间分辨率和信噪比的矛盾。医学成像收到各种实际因素的影响，如患者的舒适度，系统的要求等等，需要快速成像。图像中的噪声大大降低了图像的质量，使一些组织的边界变得模糊，细微结构难以辨认，加大了对图像细节识别和分析的难度，影响医学诊断。因此医学图像的去噪处理既要能有效的去处噪声，又要能很好的保留边界和结构信息。本实验通过对测试图像加不同类型的噪声，然后分别用各种滤波法处理，然后以定量分析各种滤波方法的特点。 一．实验原理 1.噪声的分类 根据噪声的统计特征可分为平稳随机噪声和非平稳随机噪声两种。根据噪声产生的来源，大致可以分为外部噪声和内部噪声两类。外部噪声主要有四种常见的形式： （1）光和电的基本性质引起的噪声。如电流可看作电子或空穴运动，这些粒子运动产生随机散粒噪声，导体中的电子流动的热噪声，光量子运动的光量子噪声等。 （2）由机械运动引起的噪声。如接头震动使电流不稳，磁头或磁带抖动等。（3）设备元器件及材料本身引起的噪声。 （4）系统内部电路的噪声。 而在图像中，噪声主要有三个特点： （1）叠加性 （2）随机性 （3）噪声和不同图像区域之间的相关性。

医学图像中，典型的噪声有：高斯噪声，锐利噪声，指数噪声，均匀噪声，脉冲噪声等等。 2.去噪的方法 人们根据实际图像的特点、噪声的统计特征和频谱分布规律, 发展了各式各样的去噪方法, 其中最为直观的方法是根据噪声能量一般集中于高频、而图像频谱则分布于一个有限区间的这一特点, 采用低通滤波来进行去噪的方法, 从本质上讲, 图像去噪的方法都是低通滤波的方法, 而低通滤波是一把双刃剑, 它在消除图像噪声的同时, 也会消除图像的部分有用的高频信息, 因此, 各种去噪方法的研究实际是在去噪和保留高频信息之间进行的权衡。 图像平滑处理视其噪声图像本身的特性而定, 可以在空间域也可以在频率域采用不同的措施。空间域里的一些方法是噪声去除, 即先判断某点是否为噪声点, 若是, 重新赋值, 如不是按原值输出。另一类方法是平均, 即不依赖于噪声点的识别和去除, 而对整个图像进行平均运算。在频域里是对图像频谱进行修正, 一般采用低通滤波方法, 而不像在空域里直接对图像的像素灰度级值进行运算。在空间域对图像平滑处理常用领域平均法，中值滤波和秩统计滤波。 2.1 多帧平均法 根据噪声空域随机性的特点，可以有效的压缩噪声，增强有用的信息。设噪声为加性噪声，即： g(x,y)=f(x,y)+n(x,y) 式中个g（x,y)为输出图像，f（x,y)为有用信息，n(x,y)为噪声。被测物保持不动，得到M帧图像，进行叠加后，除以m，使m>M,得到平均图像。 2.2 空间域滤波器 2.1.1 均值滤波 均值滤波是将一个像素及其邻域中所有像素的平均值赋给输出图像中相应的像素, 从而达到平滑的目的。其过程是使一个窗口在图像上滑动, 窗口中心位置的值用窗内各点值的平均值来代替, 即用几个像素的灰度平均值来代替一个像素的灰度。其主要的优点是算法简单、计算速度快, 但其代价是会造成图像一定程度的模糊。为解决邻域平均法造成图像模糊的问题, 可采用阈值法、K 邻点平均法、梯度倒数加权平滑法、最大均匀性平滑法、小斜面模型平滑法等。它们

几类信号信噪比的计算_百度上传

1，确知信号的信噪比计算 这里的“确知信号”仅指信号的确知，噪声可以是随机的。某些随机信号，例如幅度和相位随机的正弦波，如果能够准确估计出它的相位和幅度等参数也可以认为是“确知信号”。 接收到的确知信号通过减去确知信号的方法得到噪声电压或电流，高斯噪声的数学期望为0，方差除以或乘上电阻得到噪声功率。确知信号的大小的平方的积分除以或乘上电阻得到信号功率。信噪比等于这两个功率相除，因此可以不用考虑电阻的大小。 clear all; clc; SIMU_OPTION = 3 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 1, deterministic signal snr calc %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% if (SIMU_OPTION==1) SAM_LEN = 1e6; PERIOD = 1e3; SNR_DB = 30 signal = sin((1:SAM_LEN)*2*pi/PERIOD); signal_wgn = awgn(signal,SNR_DB,'measured'); wgn = signal_wgn - signal; snr_db_calc = 10*log10(var(signal)/var(wgn)) end

2，随机信号的信噪比计算 2.1，窄带信号加宽带噪声的信噪比计算 可以使用周期图FFT方法，即得到信号加噪声的功率谱，利用信号和噪声的频率特性，通过积分的方法将信号和噪声的功率计算出来，这样就得到信噪比。窄带信号是相对整个信号频率带而言。 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 2, sin signal + white gauss noise %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% if (SIMU_OPTION==2) SAM_LEN = 1e6; PERIOD = 1e3; SNR_DB = 30 signal = sin((1:SAM_LEN)*2*pi/PERIOD); signal_wgn = awgn(signal,SNR_DB,'measured'); signal_wgn_fft = fft(signal_wgn); signal_wgn_psd = (abs(signal_wgn_fft)).^2 / SAM_LEN; signal_wgn_psd_db = 10*log10(signal_wgn_psd); signal_wgn_psd = signal_wgn_psd(1:SAM_LEN/2); snr_db_calc = 10*log10(max(signal_wgn_psd)/(sum(signal_wgn_psd)-max(signal_wgn_psd) )) end

Matlab频谱分析程序

Matlab频谱分析程序

Matlab 信号处理工具箱 谱估计专题 频谱分析 Spectral estimation （谱估计）的目标是基于一个有限的数据集合描述一个信号的功率（在频率上的）分布。功率谱估计在很多场合下都是有用的，包括对宽带噪声湮没下的信号的检测。 从数学上看，一个平稳随机过程n x 的power spectrum （功率谱）和correlation sequence （相关序列）通过discrete-time Fourier transform （离散时间傅立叶变换）构成联系。从normalized frequency （归一化角频率）角度看，有下式 ()()j m xx xx m S R m e ωω∞ -=-∞ = ∑ 注：()() 2 xx S X ωω=，其中 ()/2 /2 lim N j n n N N X x e N ωω=-=∑ πωπ -<≤。 其matlab 近似为X=fft(x,N)/sqrt(N)，在下文中()L X f 就是指matlab fft 函数的计算结果了 使用关系2/s f f ωπ=可以写成物理频率f 的函数，

其中s f 是采样频率 ()()2/s jfm f xx xx m S f R m e π∞ -=-∞ = ∑ 相关序列可以从功率谱用IDFT 变换求得： ()()()/2 2//2 2s s s f jfm f j m xx xx xx s f S e S f e R m d df f πωππ ωωπ- -= =?? 序列n x 在整个Nyquist 间隔上的平均功率可以 表示为 ()()() /2 /2 02s s f xx xx xx s f S S f R d df f ππ ωωπ- -= =?? 上式中的 ()()2xx xx S P ωωπ = 以及()()xx xx s S f P f f = 被定义为平稳随机信号n x 的power spectral density (PSD)（功率谱密度） 一个信号在频带[]1 2 1 2 ,,0ωωωω π ≤<≤上的平均功率 可以通过对PSD 在频带上积分求出 []()()2 1 121 2 ,xx xx P P d P d ωωωωωω ωωωω-- = +?? 从上式中可以看出()xx P ω是一个信号在一个无 穷小频带上的功率浓度，这也是为什么它叫做功率谱密度。

图像峰值信噪比的计算

1数字图像处理 数字图像处理是利用计算机（或数字技术）对图像信息进行加工处理，以改善图像质量、压缩图像数据或从图像数据中获取更多信息。数字图像处理的主要方法可分为两大类：空域法和变换域法。 a. 空域法 把图像看作是平面中各个象素组成的集合，然后直接对这个二维函数进行相应的处理。 b. 频域法（变换域法） 首先对图像进行正交变换，得到变换域系数阵列，然后再实行各种处理，处理后再反变换到空间域，得到处理结果。这类处理包括：滤波、数据压缩和特征提取等。 1.图像压缩编码基础 图像压缩即去除多余数据。以数学的观点来看，图像压缩过程实际上就是将二维像素阵列变换为一个在统计上无关联的数据集合。因此，图像压缩是指以较少的比特有损或无损地表示原来的像素矩阵的技术,也称图像编码。 图像压缩编码的必要性和可能性： 图像压缩编码的目的是以尽量少的比特数表征图像，同时保持复原图像的质量，使它符合预定应用场合的要求。压缩数据量、提高有效性是图像压缩编码的首要目的。图像编码是一种信源编码，其信源是各种类型的图像信息。 图像数据可以进行压缩有以下几方面的原因。首先，原始图像数据是高度相关的，存在很大的冗余度。如图像内相邻象素之间的空间冗余度。序列图像前后帧之间的时间冗余度。多光谱遥感图像各谱间的频率域冗余度。数据冗余造成比特数浪费，消除这些冗余就可以节约码字，也就达到了数据压缩的目的。其次，基用相同码长表示不同出现概率的符号也会造成符号冗余度。如果采用可变长编码技术，对出现概率高的符号用短码字、对出现概率低的符号用长码字表示，就可消除符号冗余度，从而节约码字。允许图像编码有一定的失真也是图像可以压缩的一个重要原因。

信号检测与估值matlab仿真报告

信号检测与估值 仿真报告 题目信号检测与估值的MATLAB仿真学院通信工程学院 专业通信与信息系统 学生姓名 学号 导师姓名

作业1 试编写程序，画出相干移频键控、非相干移频键控（无衰落）和瑞利衰落信道下非相干移频键控的性能曲线。 （1）根据理论分析公式画性能曲线； （2）信噪比范围（0dB-10dB），间隔是1dB； （3）信噪比计算SNR=10lg（Es/N0） 一、脚本文件 1、主程序 %******************************************************** %二元移频信号检测性能曲线(理论分析) %FSK_theo.m %******************************************************** clear all; clc; SNRindB=0:1:20; Pe_CFSK=zeros(1,length(SNRindB)); Pe_NCFSK=zeros(1,length(SNRindB)); Pe_NCFSK_Rayleigh=zeros(1,length(SNRindB)); for i=1:length(SNRindB) EsN0=exp(SNRindB(i)*log(10)/10); Es_aveN0=exp(SNRindB(i)*log(10)/10); Pe_CFSK(i)=Qfunct(sqrt(EsN0));%相干移频键控系统 Pe_NCFSK(i)=0.5*exp(-EsN0/2);%非相干移频键控系统（无衰落） Pe_NCFSK_Rayleigh(i)=1/(2+Es_aveN0);%非相干移频键控系统（瑞利衰落）end semilogy(SNRindB,Pe_CFSK,'-o',SNRindB,Pe_NCFSK,'-*',SNRindB,Pe_NCFSK_Rayleigh ,'-'); xlabel('Es/No或平均Es/No(dB)'); ylabel('最小平均错误概率Pe'); legend('相干移频','非相干移频(无衰落)','非相干移频(瑞利衰落)'); title('二元移频信号检测性能曲线'); axis([0 20 10^-7 1]); grid on; 2、调用子函数 %******************************************************** %Q函数 %Qfunct.m %********************************************************

music 方位估计 实验报告三 MATLAB 代码

实验报告三 实验目的： 实现常规波束形成及基于MUSIC 方法的方位估计。 实验内容： 1）若干阵元的接收阵，信号频率为10KHz ，波束主轴12度，仿真给出常规波束形成的波束图。 2）16个阵元的均匀线列阵，信号频率为10KHz ，信号方位为12度，用MUSIC 方法完成目标定向，信噪比-5dB ，0dB ，5dB 。 i) 波束形成时的阵型设计为两种，一种是均匀线列阵，阵元16个；一种是均匀圆阵，阵元数为16个，比较这两种阵型的波束图。 ii ）比较不同信噪比下MUSIC 方法估计的性能（统计100次）。 实验原理： i)常规波束形成： 如图所示，基阵的输出),(θt v 。 ∑∑=*=* ==M m i i M m i i w t x t x w t v 1 1 ) ()()()(),(θθθ 采用向量符号则有， )()()()(),(H H θθθw x x w t t t v == 式中，x(t)和w(q )分别为观测数据向量和加权系数向量， ) ,(θt v 图 1 波束形成器基本原理图

T M 21])()()([)(t x t x t x t Λ=x T M 21])()()([)(θθθθw w w Λ =w 基阵输出端的空间功率谱表示为： ) ()( )()]()([)( )]()()()([ )],(),([ ] ),([)(H H H H H *2 θθθθθθθθθθRw w w x x w w x x w =====t t E t t E t v t v E t v E P 式中，R 为观测数据的协方差矩阵。 ii ）基于MUSIC 方法的方位估计： )()()()(1 t n t s a t x i d i +=∑=θ T M 21])()()([)(t x t x t x t Λ =x )()()()(t n t s A t x +=θ 假设: (1 ) 信号源的数目d 是已知的, 且d < M ; (2 ) 各信号的方向矢量是相互独立的, 即)(θA 是一个列满秩矩阵; (3 ) 噪声)(t n 是空间平稳随机过程, 为具有各态历经性的均值为零、方差为σ2n 的高斯过程; (4 ) 噪声各取样间是统计独立的。 在上述假设条件下, 基阵输出的协方差矩阵可表示为： I A AR t x t x E R H s H 2])()([α+== 其中, R s 为信号的协方差矩阵；I 为单位矩阵。对R 进行特征分解, 并以特 征值降值排列可得 H m m M d m m H m m d m m e e e e R ∑∑+==+ =1 1λ λ 信号子空间与噪声子空间正交。 若噪声子空间记为E N , 即 ∑+== M d m H m m N e e E 1

信噪比

信噪比 来自维基 信噪比（通常简写为SNR 或S/N ）是科学和工程中常用的衡量信号受噪声干扰程度大小的物理量，定义为信号功率和噪声功率的比值。如果该比值大于1:1，说明信号比噪声强。信噪比不仅经常被用来衡量电信号，而且可以被用来衡量任何形式的信号（例如冰核间的同位素水平和细胞间的同位素信号）。 在非专业领域，信噪比比较了有用信号水平（例如音乐）和背景噪声水平。比值越高，背景噪声越平缓。 信噪比有时还用于表示通信或信息交流中有用信息和错误的或不相关信息的比值。例如，在线论坛或其他在线社区中，偏离话题的邮件和垃圾邮件就被当作是扰乱正常讨论信号的噪声。 1. 定义 信噪比定义为信号（有用信息）和背景噪声（不希望的信号）的功率比： signal noise P SNR P = 这里P 是平均功率。信号和噪声功率必须在系统相同的或等效的点上衡量，并且要在相同的系统带宽之内。如果信号和噪声的阻抗相同，那么信噪比可以通过计算幅度平方的比值来获得： 2 signal signal noise noise P A SNR P A ??== ??? 这里A 是均方根（RMS ）幅度（例如，均方根电压）。由于很多信号的动态范围很宽，信噪比经常用对数分贝值表示。信噪比的分贝值定义为 10,,10log signal dB signal dB noise dB noise P SNR P P P ??==- ??? 也可以用幅度比等效地写作 2101010log 20log signal signal dB noise noise A A SNR A A ????== ? ????? 信噪比的概念和动态范围紧密相关。动态范围衡量了信道中的最大不失真信号和最小可检测信号的比值，该比值大部分是用来衡量噪声水平的。信噪比衡量了任意的信号水平（不必是大部分可能的强信号）和噪声的比值。衡量信噪比需要选

什么是信噪比详解

信噪比详解 定义 信噪比,即SNR（Signal to Noise Ratio）又称为讯噪比，狭义来讲是指放大器的输出信号的电压与同时输出的噪声电压的比，常常用分贝数表示。设备的信噪比越高表明它产生的杂音越少。一般来说，信噪比越大，说明混在信号里的噪声越小，声音回放的音质量越高，否则相反。信噪比一般不应该低于70dB，高保真音箱的信噪比应达到110dB以上。 解析 信噪比是音箱回放的正常声音信号与无信号时噪声信号(功率)的比值。用dB表示。例如，某音箱的信噪比为80dB，即输出信号功率是噪音功率的10^8倍，输出信号标准差则是噪音标准差的10^4倍。信噪比数值越高，噪音越小。 “噪声”的简单定义就是：“在处理过程中设备自行产生的信号”，这些信号与输入信号无关。对于M P3播放器来说，信噪比都是一个比较重要的参数，它指音源产生最大不失真声音信号强度与同时发出噪音强度之间的比率称为信号噪声比，简称信噪比（Signal/Noise），通常以S/N表示，单位为分贝（d B）。对于播放器来说，该值当然越大越好。 目前MP3播放器的信噪比有60dB、65dB、85dB、90dB、95dB等等，我们在选择MP3的时候，一般都选择60dB以上的，但即使这一参数达到了要求，也不一定表示机子好，毕竟它只是MP3性能参数中要考虑的参数之一。 指在规定输入电压下的输出信号电压与输入电压切断时，输出所残留之杂音电压之比，也可看成是最大不失真声音信号强度与同时发出的噪音强度之间的比率，通常以S/N表示。一般用分贝（dB）为单位，信噪比越高表示音频产品越好，常见产品都选择60dB以上。 国际电工委员会对信噪比的最低要求是前置放大器大于等于63dB，后级放大器大于等于86dB，合并式放大器大于等于63dB。合并式放大器信噪比的最佳值应大于90dB，CD机的信噪比可达90dB 以上，高档的更可达110dB以上。信噪比低时，小信号输入时噪音严重，整个音域的声音明显感觉是混浊不清，所以信噪比低于80dB的音箱不建议购买，而低音炮70dB的低音炮同样原因不建议购买。用途 另外，信噪比可以是车载功放；光端机；影碟机；数字语音室；家庭影院套装；网络摄像机；音箱……等等，这里所说明的是MP3播放器的信噪比。 以dB计算的信号最大保真输出与不可避免的电子噪音的比率。该值越大越好。低于75dB这个指标，噪音在寂静时有可能被发现。AWE64 Gold声卡的信噪比是80dB，较为合理。SBLIVE更是宣称超过120dB的顶级信噪比。总的说来，由于电脑里的高频干扰太大，所以声卡的信噪比往往不令人满意。

Matlab频谱分析程序

Matlab 信号处理工具箱 谱估计专题 频谱分析 Spectral estimation （谱估计）的目标是基于一个有限的数据集合描述一个信号的功率（在频率上的）分布。功率谱估计在很多场合下都是有用的，包括对宽带噪声湮没下的信号的检测。 从数学上看，一个平稳随机过程n x 的power spectrum （功率谱）和correlation sequence （相关序列）通过discrete-time Fourier transform （离散时间傅立叶变换）构成联系。从normalized frequency （归一化角频率）角度看，有下式 ()()j m xx xx m S R m e ωω∞ -=-∞ = ∑ 注：()() 2 xx S X ωω=，其中( )/2 /2 lim N j n n N n N X x e ωω=-=∑ πωπ-<≤。其matlab 近似为X=fft(x,N)/sqrt(N)，在下文中()L X f 就是指matlab fft 函数的计算结果了 使用关系2/s f f ωπ=可以写成物理频率f 的函数，其中s f 是采样频率 ()()2/s jfm f xx xx m S f R m e π∞ -=-∞ = ∑ 相关序列可以从功率谱用IDFT 变换求得： ()()()/2 2//2 2s s s f jfm f j m xx xx xx s f S e S f e R m d df f πωπ π ωωπ--= =? ? 序列n x 在整个Nyquist 间隔上的平均功率可以表示为 ()()() /2 /2 02s s f xx xx xx s f S S f R d df f π π ωωπ--= =? ?

信噪比

信噪比 简介 信噪比是音箱回放的正常声音信号与无信号时噪声信号(功率)的比值。用dB表示。例如，某音箱的信噪比为80dB，即输出信号功率是噪音功率的10^8倍，输出信号标准差则是噪音标准差的10^4倍，信噪比数值越高，噪音越小。 定义 “噪声”的简单定义就是：“在处理过程中设备自行产生的信号”，这些信号与输入信号无关。对于MP3播放器来说，信噪比都是一个比较重要的参数，它指音源产生最大不失真声音 信噪比 [1] 信号强度与同时发出噪音强度之间的比率称为信号噪声比，简称信噪比（Signal/Noise），通常以S/N表示，单位为分贝（dB）。对于播放器来说，该值当然越大越好。目前MP3播放器的信噪比有60dB、65dB、85dB、90dB、95dB等等，我们在选择MP3的时候，一般都选择60dB以上的，但即使这一参数达到了要求，也不一定表示机子好，毕竟它只是MP3性能参数中要考虑的参数之一。指在规定输入电压下的输出信号电压与输入电压切断时，输出所残留之杂音电压之比，也可看成是最大不失真声音信号强度与同时发出的噪音强度之间的比率，通常以S/N表示。一般用分贝（dB）为单位，信噪比越高表示音频产品越好，常见产品都选择60dB以上。

国际电工委员会对信噪比的最低要求 国际电工委员会对信噪比的最低要求是前置放大器大于等于63dB，后级放大器大于等于86dB，合并式放大器大于等于63dB。合并式放大器信噪比的最佳值应大于90dB，CD机的信噪比可达90dB以上，高档的更可达110dB以上。信噪比低时，小信号输入时噪音严重，整个音域的声音明显感觉是混浊不清，所以信噪比低于80dB的音箱不建议购买，而低音炮70dB 的低音炮同样原因不建议购买。 用途 另外，信噪比可以是车载功放；光端机；影碟机；数字语音室；家庭影院套 信噪比 装；网络摄像机；音箱……等等，这里所说明的是MP3播放器的信噪比。以dB计算的信号最大保真输出与不可避免的电子噪音的比率。该值越大越好。低于75dB这个指标，噪音在寂静时有可能被发现。AWE64 Gold声卡的信噪比是80dB，较为合理。SBLIVE更是宣称超过120dB的顶级信噪比。总的说来，由于电脑里的高频干扰太大，所以声卡的信噪比往往不令人满意。 编辑本段图像信噪比 简介 图像的信噪比应该等于信号与噪声的功率谱之比，但通常功率谱难以计算，

(完整版)MATLAB模拟2ASK调制误码率与信噪比关系曲线的程序

%模拟2ASK % Pe=zeros(1,26); jishu=1; for snr=-10:0.5:15 max = 10000; s=round(rand(1,max));%长度为max的随机二进制序列 f=100;%载波频率 nsamp = 1000;每个载波的取样点数 tc=0:2*pi/999:2*pi;tc的个数应与nsamp相同 cm=zeros(1,nsamp*max); cp=zeros(1,nsamp*max); mod=zeros(1,nsamp*max); for n=1:max; if s(n)==0; m=zeros(1,nsamp); b=zeros(1,nsamp); else if s(n)==1; m=ones(1,nsamp); b=ones(1,nsamp); end end c = sin(f*tc); cm((n-1)*nsamp+1:n*nsamp)=m; cp((n-1)*nsamp+1:n*nsamp)=b; mod((n-1)*nsamp+1:n*nsamp)=c; end tiaoz=cm.*mod;%2ASK调制 t = linspace(0,length(s),length(s)*nsamp); tz=awgn(tiaoz,snr);%信号tiaoz中加入白噪声，信噪比为SNR=10dB jiet = 2*mod.*tz; %相干解调 [N,Wn]=buttord(0.2,0.3,1,15); [b,a]=butter(N,Wn); dpsk=filter(b,a,jiet);%低通滤波 % 抽样判决，判决门限为0.5 depsk = zeros(1,nsamp*max); for m = nsamp/2:nsamp:nsamp*max; if dpsk(m) < 0.5; for i = 1:nsamp depsk((m-500)+i) = 0; end

信噪比

回复#1 yhc310 的帖子 eight大哥的文章我看过了，不过那个计算公式好像是原始信号和染噪信号的公式。我现在分析的都是实际的故障信号和降噪后信号的。eight以前也提过这个问题，这种情况可能只能做一个估计。上 面那个函数是我看段晨东文章里面得到的。 他的公式如下： function y=snr(x1,x2);%x1是原始信号，x2是降噪后信号 N=length(x1); y1=sum(x1.^2); y2=sum(x1-x2); y=10*log((y1/y2).^2); 但是由这个公式算出来的信噪比都是150多，我觉得有问题。故改为如下公式 function y=snr(x1,x2);%x1是原始信号，x2是降噪后信号 N=length(x1); y1=sum(x1.^2); y2=sum((x1-x2).^2); y=10*log((y1/y2)); https://www.wendangku.net/doc/7317894093.html,是目前CAD/CAE/CAM/PLM类专业网站中，用户最多，技术含量最高的网站之一，涵盖目前所有常用的C3P类软件技术讨论。 注册登录 ?分栏模式 ?搜索 ?导航 ?论坛 ?C3P门户 ?个人空间 ?论坛问卷 ?帮助

C3P 论坛-CadCaeCamPlm 社区,是来了不想走的地方 ? CAD 回收站专区 ? [047]信号处理方法 ? 求信噪比计算公式 回 复 管理员 UID 21 帖子 42453 精华 14 积分 47337 威望 45 点 C3P 币 47337 元 贡献值 2045 点 推广邀请能量 4571 焦耳 阅读权限 200 在线时间 868 小时 注册时间 2000-7-9 最后登录 主题帖 发表于 2009-2-12 15:37 | 只看该作者 论坛斑竹招募进行中 快快加入C3P 惊喜的朋友圈 广告帖子、乱码帖子、内部错误链接有奖举报点 附件无法下载有奖举报点 申请C3P 基金币 发贴公告 论坛的起源和新手成长必读 各位高手大家好！求各位给个信噪比的计算公式。数据都是现场故障数据，所以公式必须是原始信号和降噪后信号的关 系。 一下是我计算信噪比的公式，但是可能有错误！ function y=snr(x1,x2);%x1是原始信号，x2是降噪后信号 N=length(x1); y1=sum(x1.^2); y2=sum((x1-x2).^2); y=10*log((y1/y2)); ============================== 参考 https://www.wendangku.net/doc/7317894093.html,/forum/vi ... p%3Bfilter%3Ddigest ============================== eight 大哥的文章我看过了，不过那个计算公式好像是原始信号和染噪信号的公式。我现在分析的都是实际的故障信号和降噪后信号的。eight 以前也提过这个问题，这种情况可能只能做一个估计。上面那个函数是我看段晨东文章里面得到的。 他的公式如下： function y=snr(x1,x2);%x1是原始信号，x2是降噪后信号

计算信噪比

Q：怎样计算信噪比？ A：已经建立好信噪比的自定义字段后，即可进行计算，具体步骤如下： 1)单击鼠标左键进入“浏览项目”。 2)选择欲浏览数据所在的项目，然后单击“确定”，进入该项目。 3)在“通道”选项卡中选择欲处理的数据，单击（查 看）打开。 “查看”键“通道”选项卡 4)进入查看窗口，通过“文件－打开－处理方法”打开相应的处理方法。

5)按处理方法图标进入处理方法窗口。 6)在处理方法窗口里选择“适应性”选项卡。 钩选计算适应性结果。 在“空体积时间”栏内填入适当的空体积时间，如果不确定，并且不需要计算相对保留时间，可尝试填入1或者0.1。 在下部的“基线噪音和漂移测量”区域内，填入“运行时间百分比”以及“基线开始时间”与“基线结束时间”。 取用于平均的运行时间百分比 运行时间（在这段时间内平均数据点）的百分比。Empower 软件利用此数值来计算平均时间，其中“取用于平均的运行时间百分比”与“总运行时间”的积等于“平均时间”。软件将“平均时间”与“基线开始时间”相加，然后用“基线结束时间”减去所得结果数值，从而确定两个平均区域。平均计算只在平均区域进行。输入：0.1 到 50.0%。缺省值：5%。当“取用于平均的运行时间百分比”与“总运行时间”的积，也就是“平均时间”小于30秒（0.5分钟）时，则将噪音报告为空白。

基线开始时间（分） 漂移和噪音计算的开始时间。计算漂移时，系统在“基线结束时间”获取毫伏读数，然后用此读数减去“基线开始时间”读数，得出漂移值。计算噪音时，系统计算由“基线开始时间”和“基线结束时间”以及“取用于平均的运行时间百分比”参数指定的基线区域的噪音。缺省值：空白 - 软件以 0.00 分钟作为“基线开始”时间。 注：要使噪音计算有效，基线间隔内必须没有任何峰。 基线结束时间（分） 漂移和噪音计算的结束时间。计算漂移时，系统在“基线结束时间”获取毫伏读数，然后用此读数减去“基线开始时间”读数，得出漂移值。计算噪音时，系统计算由“取用于平均的运行时间百分比”参数以及“基线开始时间”和“基线结束时间”指定的基线区域的噪音。缺省值：空白 - 软件用运行时间作为“基线结束”时间。 在本例中： 条件 设置 总运行时间 8 分钟 取平均的运行时间百分比 8% 平均时间 8×8%＝0.64 分钟（>30秒） 基线开始 3.8 分钟 基线结束 4.8 分钟 7)设置参数后，保存处理方法，关闭处理方法对话框。 8)回到查看主窗口，单击积分快捷键进行积分，即可得到信噪比结果。 9)如需保存该结果，需在菜单中选择“文件－保存－结果”。该结果保存后即出现在“结 果”选项卡的列表中。

信噪比

信噪比 科技名词定义 中文名称： 信噪比 英文名称： signal-to-noise ratio;signal to noise ratio;SNR;S/N 定义1： 特定参数(信号)值与非特异性参数(噪声)的比值。如实验中样品的放射性与本底放射性强度之比；荧光在X射线底片上所造成的感光强度与非特异感光背景强度之比；序列同源性比较时，配对与非配对序列之比等。 应用学科： 生物化学与分子生物学（一级学科）；方法与技术（二级学科） 定义2： 在规定的条件下，传输信道特定点上的有用功率与和它同时存在的噪声功率之比。通常以分贝表示。 应用学科： 通信科技（一级学科）；通信原理与基本技术（二级学科） 本内容由全国科学技术名词审定委员会审定公布 求助编辑百科名片 信噪比定义的详细描述 信噪比，即SNR（Signal to Noise Ratio），又称为讯噪比。狭义来讲是指放大器的输出信号的电压与同时输出的噪声电压的比，常常用分贝数表示，设备的信噪比越高表明它产生的杂音越少。一般来说，信噪比越大，说明混在信号里的噪声越小，声音回放的音质量越高，否则相反。信噪比一般不应该低于70dB，高保真音箱的信噪比应达到110dB以上。 目录 信噪比 简介 定义 国际电工委员会对信噪比的最低要求 用途 图像信噪比 简介 举例 音频信噪比 简介 举例 信噪比与噪声

衡量音响器材质量水准的一个重要指标信噪比简介 信噪比的测量及计算 噪声的种类、来源及电磁兼容 噪声的来源 噪声的三种来源 噪声的表现 噪声对音质的影响 噪声的消除措施 网页信噪比查询信噪比 网页信噪比查询信噪比 提示 信噪比 简介 定义 国际电工委员会对信噪比的最低要求用途 图像信噪比 简介 举例 音频信噪比 简介 举例 信噪比与噪声 衡量音响器材质量水准的一个重要指标信噪比简介 信噪比的测量及计算 噪声的种类、来源及电磁兼容 噪声的来源 噪声的三种来源 噪声的表现 噪声对音质的影响 噪声的消除措施 网页信噪比查询信噪比 网页信噪比查询信噪比 提示 展开

有关信噪比计算方法

计算方法 软件根据最新的美国、欧洲和日本药典计算信噪比，公式如下 s/n = 2h/hn 其中 h = 与组分对应的峰高 hn = 在等于半高处峰宽的至少五倍 (USP) 或 20 倍（EP 和 JP）的距离内，观测到 的最大与最小噪音值之间的差值，并且，此段距离以空白进样的目标峰区域为中心。 可以指定是否使用处理方法的“适应性”选项卡中的“计算 USP、 EP 和 JP s/n”（以前为“计算 EP s/n”）复选框计算 USP、 EP 和 JP s/n。 也可以指定是否使用由空白进样中的峰区域计算的噪音值计算 USP s/n、EP s/n 和 JP s/n。每个峰的噪音区是唯一的。通过在各个峰的保留时间处将噪音区居中的相应空白进样来确定噪音区。指定半高处乘子参数，从而定义噪音区。 USP s/n 新的适应性峰字段 USP s/n 使用“美国药典”中的信噪比 (s/n) 公式计算。 USP s/n 计算 公式如下 2 峰高/ （噪音/缩放） 其中： 峰高 = 峰高的绝对值 噪音 = 峰的噪音值（峰到峰噪音） 缩放 = “缩放到微伏”值 缺省情况下，软件将 USP s/n 值报告为 6 位精度，不采用科学计数法也没有单位。 用于计算 USP s/n 的噪音值将根据“使用空白进样中位于峰区域内的噪音”选项的状态来确定： ?选中该选项时，软件用空白进样中所确定的峰到峰噪音计算每个峰的噪音值。该值针 对单个空白进样的相同通道中的区域进行计算。此区域以峰保留时间为中心，宽度等 于半高处峰宽乘以 USP 噪音区的半高处乘子值。软件在结果中将此噪音值报告为 USP 噪音。缺省情况下，软件将该值报告为 6 位精度，不采用科学计数法，单位为 “图单位”。 ?清除该选项后，软件将使用结果的峰到峰噪音值；不使用空白进样计算噪音。在处理 方法的“噪音和漂移”选项卡中，指定此区域的开始和结束时间。 在处理方法的“适应性”选项卡上，“USP s/n 噪音区的半高处乘子”字段的范围在 1 到99 之间，缺省为 5。当清除“使用空白进样中位于峰区域内的噪音”选项，并且药典选择为 JP 或 EP 时，该字段禁用。 EP s/n EP s/n 适应性峰字段使用“欧洲药典”中的信噪比 (s/n) 公式进行计算。 EP s/n 计算公式 如下 2 . （峰高 - （0.5 . 噪音/缩放））/（噪音/缩放） 其中： 峰高 = 峰高的绝对值 噪音 = 峰的噪音值（峰到峰噪音） 缩放 = “缩放到微伏”值 缺省情况下，软件将 EP s/n 值报告为 6 位精度，不采用科学计数法也没有单位。

7第七章 信噪比的计算

计算信噪比 计算信噪比 “浏览项目”中选择欲浏览数据所在的项目，然后单击“确定”，进入该项目。在“通道”选项卡中选择欲处理的数据，单击（查看）打开。“查看”键 “通道”选项卡，找到需要处理的通道数据，然后按照以下步骤进行处理： 1．进入查看窗口，通过“文件－打开－处理方法”打开相应的处理方法。 2．按处理方法图标 进入处理方法窗口。在处理方法窗口里选择“适应性”选项卡。钩选计算适应性结果。

3．在“空体积时间”栏内填入适当的空体积时间，如果不确定，并且不需要计算相对保留时间或与孔体积时间无关的系统适应性参数，可尝试填入1 或者0.1。 4．在s/n噪音值下拉菜单中选取相应的噪音类型。以基线噪音为例。 5．在下部的“基线噪音和漂移测量”区域内，以及“基线开始时间”与“基线结束时间”。 1）用于平均的运行时间百分比指在运行时间内平均数据点的百分比。Empower 软件利用此数值来计算平均时间，其中“取用于平均的运行时间百分比”与“总运行时间”的积等于“平均时间”。软件将“平均时间”与“基线开始时间”相加，然后用“基线结束时间”减去所得结果数值，从而确定两个平均区域。平均计算只在平均区域进行。可以从0.1 到 50.0。默认值为5。 当“用于平均的运行时间百分比”与“总运行时间”的积，也就是“平均时间”大于30秒，也就是说总运行时间*用于平均的运行时间百分比≧50（0.5 分钟）时，则将噪音报告由结果，否则为空白。

2）基线开始时间（分）漂移和噪音计算的开始时间。计算漂移时，系统在“基线结束时间”获取毫伏读数，然后用此读数减去“基线开始时间”读数，得出漂移值。计算噪音时，系统计算由“基线开始时间”和“基线结束时间”以及“取用于平均的运行时间百分比”参数指定的基线区域的噪音。注意要使噪音计算有效，基线间隔内必须没有任何峰。 3）基线结束时间（分） 漂移和噪音计算的结束时间。计算漂移时，系统在“基线结束时间”获取毫伏读数，然后用此读数减去“基线开始时间”读数，得出漂移值。计算噪音时，系统计算由“取用于平均的运行时间百分比”参数以及“基线开始时间”和“基线结束时间”指定的基线区域的噪音。 6．回到主窗口，重新积分，校正，等到结果。

kalman滤波在不同信噪比时的误码率matlab仿真程序

-20-15-10-50510152000.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5

Kalman滤波器在matlab仿真程序下的不同信噪比时的误码率： %multiuser_dectect.m clc; clear all; hold on BER_sum=zeros(1,13);%设定求和误码率的零矩阵； BER_ave=zeros(1,13); %设定平均误码率的零矩阵； for m=1:10；%m的长度为1到10 间隔为1； snr_in_db=-20:3:16;%定义信噪比的长度为-20到16 间隔为3；snr_in_db是信噪比用db表示 for i=1:length(snr_in_db);%i的长度为1到信噪比的长度 BER(i)= Kalman_S1(snr_in_db(i));%卡尔曼的误码率函数； end BER_sum=BER_sum+BER;%误码率求和的算法 end; BER_ave=0.1* BER_sum ; %误码率平均值的算法 semilogy( snr_in_db,BER_ave,'rd-')；%y轴维数坐标图定义横坐标为信噪比，纵坐标为误码率； %Kalman_S1.m %Kalman algorithm %synchronous CDMA同步cdma %channel: White Gaussis Noise function [p] = Kalman_S1(snr_in_dB) SNR=10^(snr_in_dB/10); %信噪比由dB形式转化 sgma=1; % noise standard deviation is fixed 定义方差 Eb=sgma^2*SNR; A=[sqrt(Eb),sqrt(Eb),sqrt(Eb),sqrt(Eb),sqrt(Eb),sqrt(Eb),sqrt(Eb),sqrt(Eb),sqrt(Eb),sqr t(Eb),sqrt(Eb),sqrt(Eb),sqrt(Eb),sqrt(Eb),sqrt(Eb)]; K=length(A);

光学遥感图像信噪比评估方法研究进展

收稿日期:2009212202;修订日期:2010202226 基金项目:863项目(O91303A01N )资助。 作者简介:朱博(1983-)男,硕士研究生,主要从事遥感图像质量分析与应用研究。E 2mail :zhubobanana @https://www.wendangku.net/doc/7317894093.html, 。 光学遥感图像信噪比评估方法研究进展 朱　博1,2,3,王新鸿2,唐伶俐2,李传荣2 (1.中国科学院对地观测与数字地球科学中心,北京　100190; 2.中国科学院光电研究院,北京　100190; 3.中国科学院研究生院,北京　100049) 摘要:遥感图像数据的信噪比是评价遥感传感器获取数据质量的一项重要指标,图像数据的信噪比 能够在很大程度上反映遥感仪器的信噪比性能。介绍了通过遥感图像分析评估传感器信噪比的常用方法,以及这些方法的优缺点。并从原理上对各种方法进行了方法间的性能对比分析,包括方法的自动化程度、运算速度、鲁棒性、适用面、准确程度和对图像计算区域的要求等。此外,提出有必要对各种算法进行在实际应用中的比较分析,从而能够针对不同遥感器和不同类型的遥感图像选择最好的评估方法,达到合理、准确地应用这些方法的目的。关　键　词:光学遥感图像;信噪比;SNR ;噪声评估中图分类号:TP 75 文献标志码:A 文章编号:100420323(2010)022******* 1　引　言 光学成像主要是依赖于传感器接受目标对太阳辐射的光谱反射来认识地物对象。随着传感器由单波段到多波段再到成像光谱仪的进步,以及空间分辨率由低到高的逐步发展,技术上已经可以获得地面目标越来越详细和精确的信息,从而极大地开阔了人们对遥感对象的研究能力和研究范围。同时随着遥感技术的不断进步,对遥感图像噪声评估已经成为光学传感器实飞成像质量评价中的一项重要检验内容,信噪比是衡量遥感仪器性能的一项重要指标[1]。人们从遥感图像中识别地物目标的能力有赖于图像的信噪比水平。国内外学者在遥感图像噪声评估方法上作了很多研究工作,如B 2C Gao ,Roger R E 和Arnold J F 等,提出了多种经典的方法,使得后来的学者能够在其基础上发展、扩充新的方法和思想。 已有多种成型的信噪比计算方法,新的方法也在研究中。在实际应用中,信噪比计算的关键是如何正确获得噪声强度信息,即尽可能将噪声与信号分离开。在实测图像中,噪声情况比较复杂,而且又根据一定的数学运算关系与信号结合在一起,这就增加了对噪声强度计算的难度。而且随着遥感技术 的发展,遥感图像中表达的地物信息越来越丰富,地物类型也越来越复杂,这在一定程度上也给信噪比计算带来困难。 已有的各种信噪比计算方法根据不同的原理在一定的条件下或多或少地减轻了地表性质对信噪比估算的影响,从而使得信噪比计算值趋于准确。本文将介绍目前常用的光学遥感图像信噪比评估方法。 2　光学遥感图像噪声 噪声是影响遥感器成像质量的重要因素,噪声高会严重降低遥感图像的实际应用价值。遥感图像的噪声根据统计特征可分为周期噪声和随机噪声两大类;根据噪声产生的机理可分为信号传输噪声、仪器噪声、外界干扰噪声、像元变化引起的噪声[2]、波段间光谱维噪声等;根据噪声与信号的相互关系可分为加性噪声与乘性噪声[3]。2.1　光学遥感器的噪声 概括地说,目前光学遥感卫星探测器主要有两种,一是以Landsat 卫星为代表的双向摆扫成像方式,二是以SPO T 卫星为代表的CCD 推扫成像方式。 双向摆扫成像传感器的噪声主要分两种,一是静态噪声;二是动态噪声。静态噪声包括时间、空间上行、列噪声,以及帧间偏移等。动态噪声包括探测 第25卷　第2期2010年4月 遥　感　技　术　与　应　用 REMOTE SENSIN G TECHNOLOGY AND APPLICATION V ol.25　N o.2A p r.2010