信噪比python代码实现

最新推荐文章于 2026-07-23 17:59:19 发布

原创最新推荐文章于 2026-07-23 17:59:19 发布 · 1.5w 阅读

75 ·

本内容遵循CC 4.0 BY-SA版权协议

收录于

信号处理

当前文章被收录于：

信号处理

1 篇文章 1 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

本文探讨了信噪比(SNR)的概念及其在信号处理中的重要性，通过Python代码展示了如何计算不同信噪比下的信号变化，并分析了高斯白噪声的分布特性及功率谱密度。

该文章已生成可运行项目，

1 定义

原始信号：x
噪声信号：n
信噪比：SNR

单位是db

其中Psignal是原信号能量（或者是功率），Pnosie是噪声能量（或者是功率）

import numpy as np
import matplotlib.pyplot as plt

r = np.linspace(0.000001,20)
snr = 10*np.log10(r)

plt.plot(r,snr)
plt.grid()
#plt.xlabel('$\farc{{\sum{x^2}}{\sum{n^2}}}$')
plt.xlabel('$10*log_{10}\\frac{\sum{x^2}}{\sum{n^2}}$')
plt.ylabel('SNR')
plt.title('The ratio-snr curve')
plt.tight_layout()

'''
程序中用hist()检查噪声是否是高斯分布，psd()检查功率谱密度是否为常数。
'''
import numpy as np
import pylab as plt

def wgn(x, snr):
    snr = 10**(snr/10.0)
    xpower = np.sum(x**2)/len(x)
    npower = xpower / snr
    return np.random.randn(len(x)) * np.sqrt(npower)

plt.figure()
t = np.arange(0, 10000000) * 0.1
x = np.sin(t)
n = wgn(x, 6)
xn = x+n # 增加了6dBz信噪比噪声的信号
plt.subplot(221)
plt.plot(t[:1024],x[:1024])
plt.title('The original signal-x')

plt.subplot(222)
plt.plot(t[:1024],xn[:1024])
plt.title('The original sinal with Gauss White Noise')

plt.subplot(223)
plt.hist(n, bins=100, normed=True)
plt.title('Gauss Noise Distribution')

plt.subplot(224)
plt.psd(n)
plt.title('PSD')
plt.tight_layout()

plt.savefig('show the result.png',dpi=600)