基于MATLAB的高斯白噪声信道分析报告剖析
基于MATLAB的高斯白噪声信道分析报告
基于MATLAB的⾼斯⽩噪声信道分析报告基于matlab⾼斯⽩噪声信道分析系统的设计××（陕西理⼯学院物理与电信⼯程学院通信⼯程专业1202班，陕西汉中 723003）指导教师：吴燕[摘要] MATLAB 是⼀种⽤于算法开发、数据可视化、数据分析以及数值计算的⾼级技术计算语⾔和交互式环境。
本⽂在matlab的环境下构建了BFSK在⾼斯⽩噪声信道中传输的系统模型，通过simulink程序仿真，研究系统的误码率与信道质量的关系，找到在⾼斯⽩噪声信道上传输的最⼤信噪⽐及所需发射功率和调制频率，从⽽得出该系统在⾼斯⽩噪声信道中的最佳传输性能。
[关键词] MATLAB；⾼斯⽩噪声；信道分析；simulink仿真Design and production of the Gauss white noise channel analysis system based on MATLAB××(Grade 2012,Class 2,Major of Communication Engineering,School of Physics and Telecommunication Engineering of Shaanxi University of Technology,Hanzhong 723003,Shaanxi)Tutor: Wu YanAbstract: MATLAB is a high-level technical computing language and interactive environment for the development of algorithms, data visualization, data analysis and numerical calculation. This article in the matlab environment build BFSK in AWGN channel model simulation,by running simulation the program on the system of quality of error rate and channel relationships,found in AWGN channel transport of maximum signal-to-noise ratio and the desired transmitter power.Key words:MA TLAB; Gauss white noise; channel analysis; Simulink simulation⽬录1.绪论 .................................... 错误！未定义书签。
高斯白噪声 matlab
高斯白噪声 matlab
【最新版】
目录
1.高斯白噪声的定义与特点
2.MATLAB 中生成高斯白噪声的方法
3.高斯白噪声在各个领域的应用
正文
1.高斯白噪声的定义与特点
高斯白噪声（Gaussian White Noise）是一种随机信号，其取值符合正态分布（高斯分布），具有均值为 0、方差为常数的特性。
白噪声是一种功率谱密度均匀分布的噪声，即在各个频率上的能量分布相同。
高斯白噪声广泛应用于信号处理、通信系统、图像处理等领域。
2.MATLAB 中生成高斯白噪声的方法
在 MATLAB 中，可以使用内置函数`wgn`生成高斯白噪声。
`wgn`函数的用法如下：
```matlab
X = wgn(n, sigma)
```
其中，`n`表示生成的随机数个数，`sigma`表示噪声的方差。
当`n`为向量时，`wgn`函数返回一个包含`n`个高斯白噪声的向量。
例如，我们可以生成一个长度为 10 的高斯白噪声序列：
```matlab
= 10;
sigma = 1;
X = wgn(n, sigma);
```
3.高斯白噪声在各个领域的应用
高斯白噪声在各个领域有广泛的应用，如：
- 通信系统：在通信系统中，高斯白噪声常常作为信道噪声模型，用于评估通信系统的性能；
- 信号处理：在信号处理领域，高斯白噪声常用于信号模型的建立，或者作为加性高斯白噪声（AWGN）与其他噪声模型进行比较；
- 图像处理：在图像处理领域，高斯白噪声可以作为图像的噪声模型，用于图像去噪、图像增强等任务。
总之，高斯白噪声作为一种重要的随机过程，其在各个领域的应用十分广泛。
噪声产生器的MATLAB实现及性能分析——噪声带宽为1.7MHz
课程设计任务书计算机与通信工程学院通信工程专业噪声产生器的MATLAB实现及性能分析——噪声带宽为1.7MHz学生姓名：袁清欣指导老师：曹敦摘要本课程设计的目的主要是仿真噪声产生器, 分析其性能并与同组同学对比。
首先利用MATLAB中的Simulink产生m序列来模拟高斯白噪声,再将其送入一带宽为1.7MHz的带通滤波器，得到带宽为1.7MHz的带限白噪声，示波器上观察该噪声波形。
在本课程设计中采用的是一个4级的m序列模拟高斯白噪声，仿真后得到了1.7MHz的带限白噪声，通过对其性能分析达到设计要求。
关键词噪声产生器；高斯白噪声；MATLAB/Simulink1 引言噪声产生器可以用来测量通信系统在不同信噪比条件下的性能。
而噪声二极管做成的噪声产生器，在测量数字通信系统的性能时不很适用。
因为它在一段观察时间内产生的噪声的统计特性，不一定和同样长的另一段观察时间内的统计特性相同。
测量得到的误码率常常很难重复得到。
本课程设计主要是借助MATLAB中的Simulink为平台，用m序列的一部分频谱作为噪声产生器的噪声输出，产生带限高斯白噪声，进行噪声产生器的仿真。
虽然是伪噪声，但有可重复性。
1.1 课程设计的目的本课程设计的目的主要是仿真噪声产生器。
利用m序列模拟高斯白噪声，调制频率搬移到17MHz后，送入一带宽为1.7MHz的带通滤波器，得到带宽为1.7MHz的带限白噪声，示波器上观察该噪声波形，并观察其频谱，与同组同学比较各种不同带宽噪声的波形和性能。
从而加深对m序列伪噪声特性的理解，增强独立思考与解决问题的能力，为以后的研究和就业带来一定的帮助。
1.2课程设计的要求（1）本设计开发平台为MATLAB中的Simulink。
（2）模型设计应该符合工程实际，模块参数设置必须与原理相符合。
（3）处理结果和分析结论应该一致，而且应符合理论。
（4）独立完成课程设计并按要求编写课程设计报告书。
1.3设计平台本设计开发平台为MATLAB中的Simulink。
基于MATLAB的高斯白噪声信道分析报告
基于MATLAB的高斯白噪声信道分析报告一、引言高斯白噪声是信号传输过程中一种常见的干扰信号。
对于通信系统的设计和性能分析来说，了解信道模型对系统的影响非常重要。
本报告主要基于MATLAB对高斯白噪声信道进行分析，通过模拟实验来研究高斯白噪声对信号传输的影响。
二、背景知识1.高斯白噪声信道：高斯白噪声是一种均值为零，功率谱密度为常数的随机过程。
它的特点是干扰信号的瞬时值是随机的，且各个样本之间是无关的。
2.信道容量：信道容量是指在给定带宽和信噪比条件下，信道所能传输的最大信息速率。
对于高斯白噪声信道，香农公式可以用来计算信道容量。
三、实验步骤1. 生成高斯白噪声信号：使用MATLAB提供的randn函数生成服从高斯分布的随机数序列作为高斯白噪声信号。
2.生成待传输信号：为了模拟实际通信系统，我们生成一个随机的二进制信号序列，其中1代表信号出现，0代表信号未出现。
3.信号加噪声：将待传输信号与高斯白噪声信号相加，模拟信号在传输过程中受到噪声的影响。
4.信号解码：使用最简单的译码方法，将收到的信号进行硬判决，即大于0的样本判定为1，小于0的样本判定为0。
5. 比较原始信号和解码信号：对比原始信号和解码信号，计算误比特率（Bit Error Rate, BER）。
四、实验结果与讨论我们进行了多次实验，分别改变了信号传输的信噪比（Signal-to-Noise Ratio, SNR），记录了每次实验的误比特率。
实验结果表明，在相同的SNR条件下，误比特率随信噪比的增大而减小，即信噪比越大，误比特率越低。
这是因为噪声对信号传输的干扰越小，解码的准确性越高。
我们还进行了不同信噪比下信道容量的计算。
根据香农公式，信道容量与信噪比成正比。
我们发现，当信噪比较小时，信道容量较低，即信号传输的速率较慢；当信噪比较大时，信道容量达到最大值，即信号传输的速率最大。
通过以上分析，我们可以得出以下结论：1.高斯白噪声对信号传输会造成一定的干扰，降低信号的传输质量。
高斯白实验报告
一、实验目的1. 理解高斯白噪声的概念及其特性。
2. 掌握高斯白噪声的模拟方法。
3. 分析高斯白噪声对信号的影响。
4. 学习使用MATLAB进行高斯白噪声的仿真与分析。
二、实验原理高斯白噪声是一种在时间和频率上都具有随机性的噪声，其概率密度函数服从高斯分布。
高斯白噪声在通信、信号处理等领域有着广泛的应用。
高斯白噪声的数学模型为：f(t) = ∫[n(t) e^(-n(t)^2/2σ^2)]dt其中，n(t)为高斯白噪声，σ^2为噪声方差。
三、实验内容1. 熟悉MATLAB基本运算操作和图形绘制基本指令。
2. 模拟高斯白噪声。
3. 分析高斯白噪声对信号的影响。
4. 使用MATLAB进行高斯白噪声的仿真与分析。
四、实验步骤1. 打开MATLAB，创建一个新的脚本文件。
2. 编写代码，生成高斯白噪声信号。
3. 绘制高斯白噪声信号的时域波形图。
4. 对高斯白噪声信号进行傅里叶变换，绘制频谱图。
5. 将高斯白噪声信号与原始信号相加，生成含噪声信号。
6. 分析含噪声信号的时域波形图和频谱图。
7. 计算含噪声信号的信噪比（SNR）。
五、实验结果与分析1. 高斯白噪声信号的时域波形图如图1所示。
从图中可以看出，高斯白噪声信号的波形呈现出随机性，无明显规律。
图1：高斯白噪声信号的时域波形图2. 高斯白噪声信号的频谱图如图2所示。
从图中可以看出，高斯白噪声信号的频谱在频域内均匀分布，无明显峰值。
图2：高斯白噪声信号的频谱图3. 含噪声信号的时域波形图如图3所示。
从图中可以看出，含噪声信号的波形受到了高斯白噪声的影响，波形变得不规则。
图3：含噪声信号的时域波形图4. 含噪声信号的频谱图如图4所示。
从图中可以看出，含噪声信号的频谱与原始信号的频谱相似，但噪声频谱叠加在原始信号频谱上。
图4：含噪声信号的频谱图5. 计算含噪声信号的信噪比（SNR）为：SNR = 10 log10(Ps/Nn)其中，Ps为信号功率，Nn为噪声功率。
(word完整版)高斯白噪声的matlab实现
通信系统建模与仿真实验一、高斯白噪声的matlab 实现要求：样本点：100 1000标准差：0.2 2 10均值： 0 0.2白噪声如果噪声的功率谱密度在所有的频率上均为一常数，即)/(),(,)(0Hz W f n f P n +∞<<-∞=式中：0n 为常数，责成该噪声为白噪声，用)(t n 表示。
高斯白噪声的matlab实现1．样本点为1000、均值为0、标准差为0.2时，高斯白噪声分布为下图所示：程序如下所示：% White background noisclear allf = 1:1:1000;for i = 1:length(f)K = (0.2) * randn(1,1) - 0;P(i) = 10.^(K - 3.95*(10^-5)*f(i));A(i) = sqrt(2*P(i));endxifft = ifft(A);realx = real(xifft);ti = [1:length(xifft)-1]/1000;realx2(1:length(xifft)-1) = realx(2:length(xifft));plot(ti,realx2)程序如下所示：% White background noisclear allf = 1:1:1000;for i = 1:length(f)K = (2) * randn(1,1) - 0;P(i) = 10.^(K - 3.95*(10^-5)*f(i));A(i) = sqrt(2*P(i)); endxifft = ifft(A);realx = real(xifft);ti = [1:length(xifft)-1]/1000;realx2(1:length(xifft)-1) = realx(2:length(xifft)); plot(ti,realx2)程序如下所示：% White background noisclear allf = 1:1:1000;for i = 1:length(f)K = (10) * randn(1,1) - 0;P(i) = 10.^(K - 3.95*(10^-5)*f(i));A(i) = sqrt(2*P(i)); endxifft = ifft(A);realx = real(xifft);ti = [1:length(xifft)-1]/1000;realx2(1:length(xifft)-1) = realx(2:length(xifft)); plot(ti,realx2)程序如下所示：% White background noisclear allf = 1:1:1000;for i = 1:length(f)K = (0.2) * randn(1,1) - 10;P(i) = 10.^(K - 3.95*(10^-5)*f(i));A(i) = sqrt(2*P(i)); endxifft = ifft(A);realx = real(xifft);ti = [1:length(xifft)-1]/1000;realx2(1:length(xifft)-1) = realx(2:length(xifft)); plot(ti,realx2)程序如下所示：% White background noisclear allf = 1:1:1000;for i = 1:length(f)K = (2) * randn(1,1) - 10;P(i) = 10.^(K - 3.95*(10^-5)*f(i));A(i) = sqrt(2*P(i)); endxifft = ifft(A);realx = real(xifft);ti = [1:length(xifft)-1]/1000;realx2(1:length(xifft)-1) = realx(2:length(xifft)); plot(ti,realx2)程序如下所示：% White background noisclear allf = 1:1:1000;for i = 1:length(f)K = (10) * randn(1,1) - 10;P(i) = 10.^(K - 3.95*(10^-5)*f(i));A(i) = sqrt(2*P(i)); endxifft = ifft(A);realx = real(xifft);ti = [1:length(xifft)-1]/1000;realx2(1:length(xifft)-1) = realx(2:length(xifft)); plot(ti,realx2)程序如下所示：% White background noisclear allf = 1:1:100;for i = 1:length(f)K = (0.2) * randn(1,1) - 0;P(i) = 10.^(K - 3.95*(10^-5)*f(i));A(i) = sqrt(2*P(i)); endxifft = ifft(A);realx = real(xifft);ti = [1:length(xifft)-1]/1000;realx2(1:length(xifft)-1) = realx(2:length(xifft)); plot(ti,realx2)程序如下所示：% White background noisclear allf = 1:1:100;for i = 1:length(f)K = (2) * randn(1,1) - 0;P(i) = 10.^(K - 3.95*(10^-5)*f(i));A(i) = sqrt(2*P(i)); endxifft = ifft(A);realx = real(xifft);ti = [1:length(xifft)-1]/1000;realx2(1:length(xifft)-1) = realx(2:length(xifft)); plot(ti,realx2)程序如下所示：% White background noisclear allf = 1:1:100;for i = 1:length(f)K = (10) * randn(1,1) - 0;P(i) = 10.^(K - 3.95*(10^-5)*f(i));A(i) = sqrt(2*P(i)); endxifft = ifft(A);realx = real(xifft);ti = [1:length(xifft)-1]/1000;realx2(1:length(xifft)-1) = realx(2:length(xifft)); plot(ti,realx2)程序如下所示：% White background noisclear allf = 1:1:100;for i = 1:length(f)K = (0.2) * randn(1,1) - 10;P(i) = 10.^(K - 3.95*(10^-5)*f(i));A(i) = sqrt(2*P(i)); endxifft = ifft(A);realx = real(xifft);ti = [1:length(xifft)-1]/1000;realx2(1:length(xifft)-1) = realx(2:length(xifft)); plot(ti,realx2)程序如下所示：% White background noisclear allf = 1:1:100;for i = 1:length(f)K = (2) * randn(1,1) - 10;P(i) = 10.^(K - 3.95*(10^-5)*f(i));A(i) = sqrt(2*P(i)); endxifft = ifft(A);realx = real(xifft);ti = [1:length(xifft)-1]/1000;realx2(1:length(xifft)-1) = realx(2:length(xifft)); plot(ti,realx2)程序如下所示：% White background noisclear allf = 1:1:100;for i = 1:length(f)K = (10) * randn(1,1) - 10;P(i) = 10.^(K - 3.95*(10^-5)*f(i));A(i) = sqrt(2*P(i)); endxifft = ifft(A);realx = real(xifft);ti = [1:length(xifft)-1]/1000;realx2(1:length(xifft)-1) = realx(2:length(xifft)); plot(ti,realx2)。
彭兵 基于matlab的图像高斯噪声和椒盐噪声的滤除
学号：0809131070 2011 - 2012学年第1 学期专业综合课程设计报告题目：基于matlab的图像高斯噪声和椒盐噪声的滤除专业：通信工程系别： 08电气工程系姓名：彭兵指导教师：王忠良成绩：电气工程系2011年11月08日课程设计任务书学生班级：08通信学生姓名：彭兵学号： 0809131070设计名称：基于matlab的图像高斯噪声和椒盐噪声的滤除起止日期：2011.11.6--11.16 指导教师：王忠良设计要求：一、原理图设计1、功能模块的划分和定义2、模块的主要性能及技术参数3、主要功能模块的详细设计•①模块功能定义•②主要部件参数选择及选型(如传感器、放大器、A/D转换器或数据采集板、计算机等)。
•③硬件电路图（条件允许要应用合适的软件进行仿真）二、程序设计、软件流程图1．根据要求，将总体项能分解成若干个子功能模块，每个功能模块完成一个特定的功能。
2．根据总体要求及分解的功能模块，确定各功能模块之间的关系，设计出完整的程序流程图。
三、硬件、软件调试四、设计说明书书写（包括以下几方面内容）1、功能需求分析①主要性能②主要技术参数(量程、分辨力、精度、……)2、总体方案设计①设计思想②总体方案3、系统结构框图（简要说明设计目的，原理图中所使用的元器件功能及在图中的作用，各器件的工作过程及顺序。
）4、系统工作流程、功能模块的划分和定义5、模块的主要性能及技术参数6、主要功能模块的详细设计①模块功能定义②主要部件参数选择及选型(如传感器、放大器、A/D转换器或数据采集板、计算机等)。
③硬件电路图④软件流程图7、硬件、软件调试要点8、总结9、参考文献目录摘要 (4)第一章高斯平滑滤波的原理 (6)第二章试验要求及试验步骤设计 (8)2.1试验要求 (8)2.2试验步骤设计 (8)2.3结论 (11)参考文献： (12)基于matlab的图像高斯噪声和椒盐噪声的滤除摘要图像信号在产生、传输和记录的过程中，经常会受到各种噪声的干扰，噪声可以理解为妨碍人的视觉器官或系统传感器对所接收图像源信息进行理解或分析的各种元素。
高斯白噪声 matlab -回复
高斯白噪声matlab -回复Matlab是一个强大的数学工具，广泛用于数据分析、信号处理和模拟等领域。
在这篇文章中，我们将详细介绍高斯白噪声，并使用Matlab来产生和分析这种噪声信号。
1.什么是噪声？噪声是指在信号中包含的随机干扰，它通常以不可避免且不受控制的形式存在。
噪声可以干扰信号的传输和处理，降低系统的性能。
不同类型的噪声具有不同的特点，因此需要了解各种噪声并采取相应的措施来应对噪声带来的问题。
2.什么是高斯白噪声？高斯白噪声是一种常见的噪声类型，其中包含了具有特定概率密度函数（PDF）的随机信号。
高斯白噪声的频谱是平坦的，即在所有频率上具有相等的功率密度。
这意味着在频域上，高斯白噪声在整个频域上具有相同的能量分布。
3.高斯白噪声的特点高斯白噪声具有以下特点：a) 平均值为零：高斯白噪声的平均值为零，即在长期统计意义下，噪声的均值为零。
b) 均方差是常数：高斯白噪声在所有时间点上的方差是一个常数，这表明在任意时间段上噪声的波动是恒定的。
c) 相邻样本间无关: 高斯白噪声的相邻样本之间是无关的，即当前样本的取值与前一个样本之间没有任何关系。
4.高斯白噪声的生成在Matlab中，可以使用randn函数生成高斯白噪声。
randn函数会生成服从均值为0、方差为1的标准正态分布的随机数。
下面是一个示例代码，用于生成10秒钟的高斯白噪声信号，并绘制其幅值随时间的变化：matlabFs = 1000; %采样频率为1000HzT = 10; %总时间长度为10秒t = 0:1/Fs:T-1/Fs; %时间向量x = randn(size(t)); %生成高斯白噪声信号plot(t,x);xlabel('Time (s)');ylabel('Amplitude');title('Gaussian White Noise');在这个代码中，我们设定了采样频率为1000Hz，总时间长度为10秒。
基于MATLAB的BFSK在高斯白噪声信道中的传输性能研究
（ 楚 雄 师 范 学 院 物 理 与 电 子 科 学 学 院 ，云 南 楚 雄 ６ ７ ５ ０ ０ ０）
摘 要 ：本 文 在 ＭＡＴ Ｌ Ａ Ｂ 的环 境 下 构 建 了 Ｂ Ｆ Ｓ Ｋ在 高 斯 白噪 声 信 道 中传 输 的 系 统 模 型 ，通 过 运 行 程 序
中 图 分 类 号 ：Ｔ Ｎ ９ １ １ ． ７ 文 章 标 识 码 ：Ａ 文章 编 号 ：１ ６ ７ １ —７ ４ ０ ６ （ ２ ０ １ ５ ）０ ３ 一ｏ ｏ ２ １ —０ ５
１ ．引 言
在 数 字信 号 载 波 传 输 系 统 中 ， 由于 信 道 噪 声 的存 在 会 造 成 误 码 。 在研 究 通 信 系 统 的误 码 率 与 信 道 质 量 的关 系 时 ，最 简 单 的 数 学 模 型 是 加 性 宽 带 高 斯 白噪 声 信 道 ，该 性 道 模 型 在 通 信 系 统 的分
同时 也 是 这 种 Ｂ Ｆ Ｓ Ｋ和 ２ Ａ Ｓ Ｋ 的关 系 构 成 了键 控 法 实 现 Ｂ Ｆ Ｓ Ｋ 的理 论 基 础 ，二 进 制 频 移 键 控 可 以 采 用 模 拟 信 号 调 频 电路 理 实 现 。
收 稿 日 期 ：２ ０ １ ５ —０ １—１ ２
作 者 简 介 ：叶
第 三 十 卷 第 三 期 ２ ０ １ ５年 ３月
楚
雄
师
范
学
院
学
报
Ｖ ０１ ．３ ０ Ｎ Ｏ ．３ Ｍａ ｒ ．２ Ｏ１ ５
Ｊ ＯＵＲＮＡＬ ＯＦ ＣＩ ４ ＵＸＩ ＯＮＧ ＮＯＲＭ ＡＬ ＵＮＩ ＶＥＲＳｒ ｒ Ｙ
基 于 ＭＡＴ Ｌ ＡＢ 的 Ｂ Ｆ Ｓ Ｋ 在 高 斯 白 噪 声 信 道 中 的 传 输 性 能 研 究
高斯色噪声的产生实验报告
高斯色噪声的产生实验报告一．实验要求用SPW或者Matlab产生高斯色噪声，其功率谱满足高斯函数：22()2()cff fS fσ--=其中，2000cf Hz=，50fHzσ=二．实验原理首先通过实验1的正态分布随机数生成程序生成高斯白噪声，然后将该白噪声通过一个滤波器滤波，滤波器的频率响应满足上述的频谱特性，从而得到所需的色噪声。
三．仿真分析频率(kHz)功率/频率(dB/Hz)高斯白噪声的功率谱图1 高斯白噪声的验证由于本实验需要首先生成高斯白噪声，因此做了高斯白噪声的验证。
显然，从图1中，可以明显看出，生成的噪声的统计特性服从高斯分布，其功率谱服从均匀分布，因此得到的噪声是高斯白噪声。
-3滤波器的幅频响应幅度频率（Hz ）图2 滤波器的幅频响应如图2所示，设计的滤波器的幅频响应满足高斯分布，其中心频率为2000Hz ，满足设计要求。
频率 (kHz)功率/频率 (d B /H z )高斯色噪声的功率谱-9高斯色噪声的功率谱功率/频率（W /H z )频率（Hz ）图3 高斯色噪声的功率谱估计将图1中所描述的高斯白噪声通过图2描述的滤波器进行滤波，从而得到了符合频率分布的高斯色噪声。
图3采用两种功率谱估计的方法对得到的高斯色噪声进行了功率谱估计。
显然，得到的色噪声的功率谱特性满足高斯高斯，说明得到的色噪声就是高斯色噪声，其功率谱满足高斯函数。
三．附录本实验的程序如下：clear; clc;f_sample=8000; step =1; f_c=2000; segma_f=50; ff=0:step:f_sample;S_f = 1/( sqrt(2*pi)*segma_f) *exp(- (ff-f_c).^2/2/segma_f^2);u=Probability_method(length(ff));u_fft = fft(u);f_filter=u_fft.*S_f;u_ifft = ifft(f_filter);%--------- 画图--------figure(1) %滤波器幅频特性plot(ff,S_f,'linewidth',2)grid ontitle('滤波器幅频特性');%高斯分布白噪声功率谱估计figure(2)Hs=spectrum.periodogram;psd(Hs,u,'Fs',f_sample);grid on%-- %高斯色噪声功率谱估计figure(3)[hk,f]=pwelch(u_ifft,70,1,[],f_sample,'twosided'); plot(f,hk,'b','LineWidth',2)grid ontitle('高斯色噪声功率谱估计');Hs=spectrum.periodogram;figure;psd(Hs,u_ifft,'Fs',f_sample);grid on。
高斯脉冲噪声 和高斯白噪声 matlab
高斯脉冲噪声和高斯白噪声是数字信号处理中常见的信号模型，它们在通信领域、图像处理领域以及其他多个领域都有着重要的应用。
而在MATLAB中，我们可以利用各种工具和函数来模拟和处理这两种噪声信号。
本文将就高斯脉冲噪声和高斯白噪声的特点、模拟方法和在MATLAB中的实现进行介绍和分析。
一、高斯脉冲噪声的特点1. 高斯脉冲噪声的产生高斯脉冲噪声是一种脉冲干扰的随机信号，在通信系统中常常会遇到。
它的产生过程可以通过高斯分布来描述，即每个脉冲的幅值服从高斯分布。
2. 高斯脉冲噪声的特点高斯脉冲噪声的特点在于其具有随机性和突发性，幅度分布服从高斯分布，且脉冲出现的位置和幅值都是随机的。
这使得高斯脉冲噪声在一定程度上对系统的性能产生影响，因此需要对其进行模拟和分析。
二、高斯脉冲噪声的模拟方法在MATLAB中，可以利用randn函数生成高斯分布的随机数序列，然后可以根据需要进行幅度调制和脉冲出现的位置的控制，从而生成高斯脉冲噪声信号。
以下是MATLAB代码示例：```matlab生成高斯脉冲噪声信号N = 1000; 信号长度mu = 0; 均值sigma = 1; 标准差noise = mu + sigma * randn(1, N); 产生高斯分布随机数序列```以上代码使用了randn函数生成了长度为N的高斯分布随机数序列，并通过设置均值和标准差来控制噪声信号的特点。
三、高斯脉冲噪声的处理与分析在实际系统中，需要对高斯脉冲噪声进行处理和分析，以评估系统的性能和稳定性。
MATLAB提供了丰富的信号处理工具和函数，能够方便地进行信号的滤波、频谱分析等操作。
在处理高斯脉冲噪声时，可以利用MATLAB中的滤波函数对噪声信号进行去噪，比如利用高斯滤波器进行平滑处理。
另外，还可以通过频谱分析函数对噪声信号进行频域特性的分析，以了解其频谱分布和功率谱密度等特性。
四、高斯白噪声的特点1. 高斯白噪声的产生高斯白噪声是一种具有均匀频谱分布的随机信号，其幅度也服从高斯分布。
matlab实验报告-数字信号的产生和频谱分析
实验一 数字信号的产生和频谱分析一． 实验目的1.掌握采样定理内容，熟悉连续信号经理想采样前后的频谱变化关系，加深时域采样定理的理解。
2.熟悉FFT 算法原理和FFT 子程序的应用。
3.学习用FFT 对连续信号和时域离散信号进行谱分析的方法，了解可能出现的分析误差及其原因，以便在实际中正确应用FFT 。
掌握利用FFT 进行信号谱分析的原理。
4.理解信号通过高斯白噪声信道的原理。
二． 实验要求1. 按照采样定理生成CW 信号和LFM 信号；2. 画出信号时域波形图和频谱图；3. 生成高斯分布的白噪声；4. 生成一定信噪比的带噪信号，并对其进行谱分析。
三． 基本原理所谓抽样。
就是对时间连续的信号隔一定的时间间隔T 抽取一个瞬时幅度值在一个频带限制在（0，t ）内的时间连续信号f （t ），如果以fs 的抽样频率对它进行抽样，那么根据这些抽样值就能完全恢复原信号。
根据抽样定理只有当发生fs ≥2fm ，抽样后的信号才能包含原连续的全部信息。
对于一个连续信号)(t x a ∧进行理想采样的过程可用下式表示：)()()(t p t x t x a a =∧其中)(t x a ∧是对)(t x a 的理想采样，)(t p 为周期冲激脉冲，即∑∞-∞=-=m nT t t p )()(δ)(t x a ∧的傅里叶变换)(Ω∧j X a 为)]([1)(Ω-Ω=Ω∑∞-∞=∧m j XTj X m aa上式表明)(Ω∧j X a 为)(Ωj X a 的周期延拓，其延拓周期为采样角频率（T s /2π=Ω）。
只有满足采样定理时，才不会发生频率混叠失真。
将②代入①进行傅里叶变换可得ˆ()[()()]()()()j taa n j ta n j nTa n X j x t t nT edtx t t nT edtx nT eωδδ∞∞-Ω-∞=-∞∞∞-Ω-∞=-∞∞-Ω=-∞=-=-=∑⎰∑⎰∑式中的()a x nT 就是采样后得到的序列()x n ，即 ()()a x n x n T =x(n)的傅里叶变换为()()j j nn X ex n eωω∞=-∞=∑比较两式可得 ˆ()()|j a TX j X e ωωω=Ω=这说明两者之间只在频率度量上差一个常数因子T 。
实验二 白噪声信道实验
实验二 白噪声信道实验一、实验目的1、掌握用matlab 中高斯白噪声信道的产生方法。
2、掌握理想低通和高通白噪声的时频域特性。
3、掌握高斯白噪声对信号的影响。
4、掌握白噪声的消除方法。
二、实验原理 1、高斯过程高斯过程又称为随机过程，它的一维概率密度函数为：概率密度221()()exp 22X x a p x σπσ⎡⎤-=-⎢⎥⎣⎦。
式中，σ > 0, a = 常数。
概率密度曲线：正态分布的概率密度特征：（1）p(x)对称于直线 x = a ，即有：()()p a x p a x +=-（2）p(x)在区间(-∞, a)内单调上升，在区间(a, ∞)内单调下降，并且在点a 处达到其极大值1/(2)πσ。
当x → - ∞或 x → + ∞时，p(x) → 0。
（3）()1p x dx ∞-∞=⎰；()()1/2a ap x dx p x dx ∞-∞==⎰⎰（4）若a = 0, σ = 1，则称这种分布为标准化正态分布：21()exp 22x p x π⎡⎤=-⎢⎥⎣⎦2、白噪声 （1）白噪声白噪声是指具有均匀功率谱密度()n P f 的噪声，即0()/2n P f n =，式中，0n 为单边功率谱密度（W/Hz 。
白噪声的自相关函数可以从它的功率谱密度求得：2200()()()22j f j f X n nR P f edf e df πτπττδτ∞∞-∞-∞===⎰⎰由上式看出，白噪声的任何两个相邻时间（即τ ≠ 0时）的抽样值都是不相关的。
白噪声的平均功率：0(0)(0)2n R δ==∞。
上式表明，白噪声的平均功率为无穷大。
若白噪声的概率分布服从高斯分布，则称为高斯白噪声。
（2）低通白噪声低通白噪声：白噪声通过理想低通滤波器的输出。
低通白噪声的功率谱密度：0()/2,()0,n H HnP f n f f f P f =-≤≤⎧⎨=⎩其他其自相关函数为：20002sin 2sin 2()2222HHf j f H H H Hf H H n n f f R e df f n f f f πτπτπττπτπτ-===⎰（3）带通白噪声带通白噪声：带宽受到限制的白噪声。
MATLAB中的信号噪声分析与处理方法
MATLAB中的信号噪声分析与处理方法一、引言信号噪声是在实际工程应用中普遍存在的问题，噪声会对信号的质量和准确性产生不良影响。
因此，对信号噪声进行分析和处理是非常重要的。
MATLAB作为一款强大的科学计算软件，提供了丰富的信号处理工具和算法，可以方便地进行信号噪声分析与处理。
本文将介绍一些常用的MATLAB工具和方法，帮助读者更好地处理信号噪声。
二、信号噪声分析在进行信号噪声分析之前，首先需要了解噪声的特性和类型。
常见的噪声类型有白噪声、高斯噪声、脉冲噪声等。
其中，白噪声是一种功率谱密度恒定的噪声，常用于模拟信号分析。
高斯噪声则符合正态分布特性，常用于数字信号处理。
脉冲噪声则表现为突然出现的噪声干扰。
对于信号噪声的分析，可以使用MATLAB中的频谱分析工具来实现。
例如，可以利用MATLAB中的fft函数对信号进行频谱分析，得到信号的功率谱密度。
通过观察功率谱密度图，可以清楚地看到信号的频域特性和噪声的功率分布情况。
此外，MATLAB还提供了丰富的统计工具，可以计算信号的均值、方差等统计参数，帮助进一步分析信号的噪声特性。
三、信号噪声处理1. 滤波方法滤波是一种常用的信号噪声处理方法，其目的是通过选择合适的滤波器对信号进行处理，抑制或消除噪声。
在MATLAB中，可以利用fir1、butter等函数来设计和应用滤波器。
滤波器可以分为低通滤波器、高通滤波器、带通滤波器和带阻滤波器等不同类型。
根据信号噪声的特点和需求，选择合适的滤波器类型是十分重要的。
例如，如果信号中的噪声主要集中在高频段，可以选择高通滤波器进行去噪处理。
2. 去噪算法除了滤波方法外，还有其他一些去噪算法可以应用于信号噪声处理。
例如，小波去噪算法是一种常用的信号去噪方法。
该算法通过对信号进行小波分解，并利用小波系数的特性进行噪声抑制。
MATLAB提供了丰富的小波变换函数和去噪函数，可以方便地进行信号去噪处理。
另外，独立分量分析（ICA）是一种基于统计的信号盲源分离方法，也可以用于信号噪声的降维和去噪。
基于Matlab的图像灰度分析及高斯白噪声的研究
2018年27期研究视界科技创新与应用Technology Innovation and Application基于Matlab 的图像灰度分析及高斯白噪声的研究崔乔（陕西国防工业职业技术学院电子工程学院，陕西西安710030）图像处理技术是在信息发达社会，人们获取信息的途径和手段之一。
在使用者传递有用图像信号的过程中，经过传输，采集，量化，编码，恢复等过程中，会导致图像的质量下降。
所以，在图像产生分割，特征提取以及模式识别之前，就要利用合适的方式方法，对图像进行合适的处理，通过这种方式来提升图像的有关质量，比如：降噪，压缩编码或者采样。
所以，通过仿真模拟图像灰度，找到图像的直方图，对直方图进行分析，利用方差，找到其阈值。
对阈值进行分析，再通过适当的方法对噪声图像进行分析，完成对图像的仿真去噪处理。
1图像处理1.1导入图像通过Matlab 的imread 程序，先将名为“图片”的图像导入Matlab 的图像之中。
Imread 就是将每一个图片数据，以二维数组的形式在每一张图片的像素点的颜色值存储起来，其中还有一些附加信息，比如图片的类型、大小、图像数据区的偏移量，是否压缩等特点。
不同的图片格式也有不同的效果。
1.2将图像转为灰度值利用g=rgb2grayrgb2gray 是通过消除图像色调饱和度信息来将图像从彩色转换为灰度图像的方法，就是灰度化的处理功能。
灰度值的处理利用多种处理方式：分量法，最大法和加权平均法。
其中，应用于Matlab 中采用的是对R 、G 、B 分量进行加权平均的算法：0.2989R+0.5870G+0.1140B 其中R 、G 、B 代表三原色的基本单位。
1.3灰度图像的直方图分布直方图(Histogram)被称为质量分布图，属于统计报告图。
通过高度不等的纵向线段来表示数据的分布情况。
在该分布上，有横纵两种轴，其中横轴所表示的是数据的类型，纵轴表示数据的分布情况。
直方图可以将数据更直观更精确的表示出来。
实验一-基于MATLAB的白噪声信号u(n)、sinc函数、chirp信号产生实验
实验一基于MATLAB的白噪声信号u(n)、sinc函数、chirp信号产生实验一、实验目的：1.学会使用MATLAB2.通过实验了解MATLAB如何产生各种常用信号3.掌握MATLAB的编程方法二、实验内容：1.用MATLAB编程产生一均匀分布的白噪声信号u(n)，画出其波形，并检验其分布情况。
代码：clear;N = 50000;u = rand(1,N);u_mean = mean(u);power_u = var(u);subplot(211);plot(u(1:100));grid on;ylabel('u(n)');xlabel('n');subplot(212);hist(u,100);grid on;ylabel('histogranm of u(n)');运行结果：2.用MATLAB编程产生一均匀分布、均值为零、功率为0.01的白噪声信号u(n)，画出其波形。
代码：clear;p = 0.01;N = 50000;u = rand(1,N);u = u - mean(u);a = sqrt(12*p);u1 = u*a;power_u1 = dot(u1,u1)/N;subplot(111);plot(u1(1:200));grid on;ylabel('u(n)');xlabel('n');运行结果：3.用MATLAB编程产生高斯分布的白噪声信号，使功率为p，并观察数据分布的直方图。
代码：p = 0.1;N = 50000;u = rand(1,N);u = u*a;power_u = var(u);subplot(211);plot(u(1:200));grid on;ylabel('u(n)');xlabel('n');subplot(212);hist(u,50);grid on;ylabel('histgram of u(n)');运行结果：4.用MATLAB编程产生一sinc函数，画出其波形。
白噪声(matlab)
均匀分布的白噪声信号u(n),画出其波形，并检验其分布情况%-----------------------------------------------------------------% To test rand.m and to generate the white noise signal u(n)% with uniform distribution% 产生均匀分布的随机白噪信号,并观察数据分布的直方图%-----------------------------------------------------------------clear;N=50000;u=rand(1,N);u_mean=mean(u)power_u=var(u)subplot(211)plot(u(1:100));grid on;ylabel('u(n)')xlabel('n')subplot(212)hist(u,50);grid on;ylabel('histogram of u(n)')思考：如何产生一均匀分布、均值为0，功率为0.01的白噪声信号u(n)提示：u （n ）~[a ，b]上均匀分布，E （u ）= (a+b)/2, 12/)()(2a b u -=σ% to generate the white noise signal u(n) with uniform distribution% and power p;% 产生均匀分布的白噪信号，使均值为0，功率为p%-----------------------------------------------------------------clear;p=0.01;N=50000;u=rand(1,N);u=u-mean(u);a=sqrt(12*p);u1=u*a;power_u1=dot(u1,u1)/Nsubplot(211)plot(u1(1:200));grid on;ylabel('u(n)')xlabel('n')example2: 产生零均值功率0.1且服从高斯分布的白噪声%-----------------------------------------------------------------% to test randn.m and to generate the white noise signal u(n)% with Gaussian distribution and power p% 产生高斯分布的白噪信号，使功率为p，并观察数据分布的直方图%-----------------------------------------------------------------clear;p=0.1;N=500000;u=randn(1,N);a=sqrt(p)u=u*a;power_u=var(u)subplot(211)plot(u(1:200));grid on;ylabel('u(n)');xlabel('n')subplot(212)hist(u,50);grid on;ylabel('histogram of u(n)');example3: sinc信号%-----------------------------------------------------------------% to generate the sinc function.% 产生一sinc 函数；%-----------------------------------------------------------------clear;n=200;stept=4*pi/n;t=-2*pi:stept:2*pi;y=sinc(t);plot(t,y,t,zeros(size(t)));ylabel('sinc(t)');xlabel('t=-2*pi~2*pi');grid on;example4: chirp信号%-----------------------------------------------------------------% to test chirp.m and to generate the chirp signal x(t)% 产生一chirp 信号；% chirp(T0,F0,T1,F1):% T0: 信号的开始时间；F0:信号在T0时的瞬时频率，单位为Hz；% T1: 信号的结束时间；F1:信号在T1时的瞬时频率，单位为Hz；%-----------------------------------------------------------------clear;t=0:0.001:1;x=chirp(t,0,1,125);plot(t,x);ylabel('x(t)')xlabel('t')%-------------------------------------------------------------------------% to test specgram.m ：估计信号谱图（SFFT）%specgram（x，Nfft，Fs，window，Noverlap）%x-信号；Fs抽样频率（2），Nfft做FFT长度（256）, window窗函数（Hanning）%Noverlap：估计功率谱时每一段叠合长度（0）%-------------------------------------------------------------------------clear;t=0:0.001:1.024-.001;N=1024;% 得到两个Chirp 信号，并相加；y1=chirp(t,0,1,350);y2=chirp(t,350,1,0);y=y1+y2;subplot(211);plot(t,y1);ylabel(' Chirp signal y1')% 求两个Chirp 信号和的短时傅里叶变换；[S,F,T]=specgram(y,127,1,hanning(127),126);subplot(212);surf(T/1000,F,abs(S).^2)view(-80,30);shading flat;colormap(cool);xlabel('Time')ylabel('Frequency')zlabel('spectrogram')还有diric信号（周期SINC）gauspuls(高斯信号)pulstran(脉冲串信号)tripuls三角波脉冲信号example5:线性卷积%-----------------------------------------------------------------% to test conv.m% 计算两个序列的线性卷积；%-----------------------------------------------------------------clear;N=5;M=6;L=N+M-1;x=[1,2,3,4,5];h=[6,2,3,6,4,2];y=conv(x,h);nx=0:N-1;nh=0:M-1;ny=0:L-1;subplot(231);stem(nx,x,'.k');xlabel('n');ylabel('x(n)');grid on;subplot(232);stem(nh,h,'.k');xlabel('n');ylabel('h(n)');grid on;subplot(233);stem(ny,y,'.k');xlabel('n');ylabel('y(n)');grid on;思考：设信号x(n)由正弦信号加均值为0白噪声所组成，正弦信号幅度为1，白噪声方差为1 SNR = 10LG(PS/PU) = -3dB,试分析信号；%-----------------------------------------------------------------% to test xcorr.m% 求两个序列的互相关函数，或一个序列的自相关函数；%-----------------------------------------------------------------clear;N=500;p1=1;p2=0.1;f=1/8;Mlag=50;u=randn(1,N);n=[0:N-1];s=sin(2*pi*f*n);% 混有高斯白噪的正弦信号的自相关u1=u*sqrt(p1);x1=u1(1:N)+s;rx1=xcorr(x1,Mlag,'biased');subplot(221);plot(x1(1:Mlag));xlabel('n');ylabel('x1(n)');grid on;subplot(223);plot((-Mlag:Mlag),rx1);grid on;xlabel('m');ylabel('rx1(m)');% 高斯白噪功率由原来的p1减少为p2，再观察混合信号的自相关u2=u*sqrt(p2);x2=u2(1:N)+s;rx2=xcorr(x2,Mlag,'biased');subplot(222);plot(x2(1:Mlag));xlabel('n');ylabel('x2(n)');grid on;subplot(224);plot((-Mlag:Mlag),rx2);grid on;xlabel('m');ylabel('rx2(m)');用乘同余法产生(见光盘FLch2bzsheg2.m)①编程如下：A=6; x0=1; M=255; f=2; N=100；%初始化；x0=1; M=255;for k=1: N %乘同余法递推100次；x2=A*x0; %分别用x2和x0表示x i+1和x i-1；x1=mod (x2,M); %取x2存储器的数除以M的余数放x1（x i）中；v1=x1/256; %将x1存储器中的数除以256得到小于1的随机数放v1中；）减去0.5再乘以存储器f中的系数，存放在v(:,k)=(v1-0.5 )*f; %将v1中的数（i矩阵存储器v的第k列中，v(:,k)表示行不变、列随递推循环次数变化；x0=x1; % x i-1= x i；v0=v1;end %递推100次结束；v2=v %该语句后无‘；’，实现矩阵存储器v中随机数放在v2中，且可直接显示在MATLAB的window中；k1=k;%grapher %以下是绘图程序；k=1:k1;plot(k,v,k,v,'r');xlabel('k'), ylabel('v');tktle(' (-1,+1)均匀分布的白噪声')②程序运行结果如图2.6所示。
基于MATLAB的高斯白噪声信道分析报告资料
摘要CDMA(CodeDivision Multiple Access) 是在扩频通信的基础上发展起来的。
所谓扩频，是将原信号频谱扩展到宽带中进行传输的一种技术。
它主要利用相互正交 ( 或尽可能正交 ) 的不一样随机码划分用户，实现多用户同时使用同一频次接入系统和网络。
经过几种网络的实现和发展， CDMA已经渐渐成熟起来。
本课题利用 MATLAB对 DS-CDMA系统进行仿真。
在研究 DS-CDMA系统理论的基础上，利用 SIMULINK对其进行仿真，依据系统功能和指标要求，经过波形、频谱图、相位等结果，对系统进行了性能解析，并作了进一步改良与调试。
仿真结果证了然整个设计系统的正确性。
由频谱特征能够看出，信源信号的频谱被大大展宽，考证了扩频的实现；由误码率解析表示，系统对加性高斯噪声等拥有必定的抗扰乱能力等。
能够看出，MATLAB 在系统动向仿真中拥有较大优胜性和重要作用。
要点词：直扩系统； CDMA ； MATLAB ； simulink 仿真目录前言 (1)第 1 章绪论 (2)1.1 课题研究的背景 (2)1.2 课题研究的目的及意义 (2)1.3 本文的主要研究内容 (2)第 2 章 Matlab 和 Simulink的有关介绍 (3)2.1 Matlab 介绍 (3)2.1.1Matlab 的功能及特点 (3)2.1.2 MATLAB应用 (4)2.2 Simulink 简介 (5)2.2.1 Simulink 的特点 (5)2.2.2 Simulink 的功能 (5)第 3 章高斯白噪声 (6)3.1 高斯白噪声的基本观点 (6)3.2 高斯白噪声的数学模型 (6)3.3 高斯白噪声产生 (6)第 4 章 CDMA系统理论 (8)4.1 CDMA概括 (8)4.2 PN 码的生成 (10)4.3 扩频与调制 (12)4.4 信道 (12)第 5 章 DS-CDMA系统的MATLAB仿真与调试 (13)5.1 通信工具箱 (13)5.2 通信仿真 (13)5.3 DS-CDMA系统各模块设计 (13)5.4 DS-CDMA系统仿真框架 (17)5.5 SIMULINK仿真结果及解析 (18)结论 (25)致谢 (26)参照文件 (27)附录 A CDMA系统仿真图 (28)前言跟着社会、经济的发展，挪动通信获取愈来愈宽泛的应用，挪动通信技术的发展日异月新。
Matlab实现加性高斯白噪声信道（AWGN）下的digital调制格式识别分类
Matlab实现加性⾼斯⽩噪声信道（AWGN）下的digital调制格式识别分类Matlab实现加性⾼斯⽩噪声信道（AWGN）下的digital调制格式识别分类内容⼤纲加性⾼斯⽩噪声信道（AWGN）下的digital调制格式识别分类(1. PSK; 2. QPSK; 3.8QAM; 4. 16QAM; 5. 32QAM; 6.64QAM)100次独⽴仿真，识别正确率 vs SNR设计我的实现⽅法是基于⾼阶累积量的信号特征的识别算法调制格式识别过程如下：信号预处理去除直流成分信号在接收端由于接收机的影响，有可能产⽣直流成分。
直流分量在后⾯混频等处理中会产⽣影响，因此在信号处理以前必须去除直流成分。
令s (t)表⽰信号s(t)的均值，即则去除直流后的信号表⽰为%去除直流成分CMAOUT = CMAOUT - mean(CMAOUT);信号功率归⼀化由于信道衰落影响到接收信号的功率，提取有关幅度的特征参量时会出现不⼀致的情况。
因此需要对接收信号进⾏功率归⼀化，以消除信号功率的影响。
令σ_x^2表⽰已经经过去除直流分量之后的信号x(t)的平均功率，即那么经过功率归⼀化后的信号表⽰为%normalization接收信号功率归⼀化CMAOUT=CMAOUT/sqrt(mean(abs(CMAOUT).^2));特征提取基于⾼阶累积量的信号处理⽅法，对通信信号中的加性⾼斯噪声有很好的抑制能⼒，在低信噪⽐下进⾏信号识别也能有良好的性能，应⽤在信号分析领域是⾮常有效的。
随机过程的k阶累积量为则根据定义，随机过程的⼆阶和四阶累积量为如果定义，令，则上⾯累积量的表达式化简为：在信号的实际处理中，要从有限的接收数据中估计信号的累积量，可以采⽤采样点的平均代替理论的平均。
例如，给定观察数据r_k,k=1,2,⋯,N,则可以使⽤下来的估计表达式。
当信号和噪声的8阶矩存在并为有限值的时候，其不同定义的4阶累积量的估计是渐进⽆偏的⼀致估计。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于matlab高斯白噪声信道分析系统的设计××（陕西理工学院物理与电信工程学院通信工程专业1202班，陕西汉中 723003）指导教师：吴燕[摘要] MATLAB 是一种用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境。
本文在matlab的环境下构建了BFSK在高斯白噪声信道中传输的系统模型，通过simulink程序仿真，研究系统的误码率与信道质量的关系，找到在高斯白噪声信道上传输的最大信噪比及所需发射功率和调制频率，从而得出该系统在高斯白噪声信道中的最佳传输性能。
[关键词] MATLAB；高斯白噪声；信道分析；simulink仿真Design and production of the Gauss white noise channel analysis system based on MATLAB××(Grade 2012,Class 2,Major of Communication Engineering,School of Physics and Telecommunication Engineering of Shaanxi University of Technology,Hanzhong 723003,Shaanxi)Tutor: Wu YanAbstract: MATLAB is a high-level technical computing language and interactive environment for the development of algorithms, data visualization, data analysis and numerical calculation. This article in the matlab environment build BFSK in AWGN channel model simulation,by running simulation the program on the system of quality of error rate and channel relationships,found in AWGN channel transport of maximum signal-to-noise ratio and the desired transmitter power.Key words:MA TLAB; Gauss white noise; channel analysis; Simulink simulation目录1.绪论 ..................................... 错误!未定义书签。
1.1课程研究背景 ............................. 错误!未定义书签。
1.2课程研究目的及意义........................ 错误!未定义书签。
2.MATLAB和SIMULINK的相关介绍 (1)2.1MATLAB介绍 (1)2.1.1MATLAB的功能及特点.................... 错误!未定义书签。
2.1.2MATLAB应用............................ 错误!未定义书签。
2.1.3学习MATLAB应掌握的基本知识 (3)2.2SIMULINK简介 (3)2.2.1SIMULINK的特点........................ 错误!未定义书签。
2.2.2SIMULINK的功能........................ 错误!未定义书签。
3.高斯白噪声 (4)3.1高斯白噪声的基本概念 (4)3.2高斯白噪声的数学模型 (4)3.3高斯白噪声产生及仿真 (4)4.加性高斯白噪声 (7)4.1加性高斯白噪声的概念 (8)4.2BFSK信号的传输性能建模与仿真 (8)5.仿真程序 (10)5.1AWGN加性高斯白噪声产生程序............... 错误!未定义书签。
5.2信噪比与误比特率关系程序.................. 错误!未定义书签。
结论: . (11)致谢 (12)参考文献 (13)1.绪论1.1 课程研究背景本次课程设计的课题是“基于MATLAB/SIMULINK的高斯白噪声信道的设计与仿真”。
信道是传送信息的物理性通道，可分为有线信道和无线信道两类，本次课程设计主要研究无线信道。
有线信道包括明线、对称电缆、同轴电缆及光缆等。
无线信道有地波传播、短波电离层反射、超短波或微波视距中继、人造卫星中继以及各种散射信道等。
如果我们把信道的范围扩大，它还可以包括有关的变换装置，比如：发送设备、接收设备、馈线与天线、调制器、解调器等，我们称这种扩大的信道为广义信道，而称前者为狭义信道。
信息是抽象的，但传送信息必须通过具体的媒质。
例如二人对话，靠声波通过二人间的空气来传送，因而二人间的空气部分就是信道。
邮政通信的信道是指运载工具及其经过的设施。
无线电话的信道就是电波传播所通过的空间，有线电话的信道是电缆。
每条信道都有特定的信源和信宿。
在多路通信，例如载波电话中，一个电话机作为发出信息的信源，另一个是接收信息的信宿，它们之间的设施就是一条信道，这时传输用的电缆可以为许多条信道所共用。
在理论研究中，一条信道往往被分成信道编码器、信道本身和信道译码器。
人们可以变更编码器、译码器以获得最佳的通信效果，因此编码器、译码器往往是指易于变动和便于设计的部分，而信道就指那些比较固定的部分。
但这种划分或多或少是随意的，可按具体情况规定。
例如调制解调器和纠错编译码设备一般被认为是属于信道编码器、译码器的，但有时把含有调制解调器的信道称为调制信道；含有纠错编码器、译码器的信道称为编码信道。
根据信道中其主要作用的噪声的特点，信道可以分为加性高斯白噪声（AWGN）信道、瑞利（Rayleigh）信道、莱斯（Rician）信道、突发干扰信道以及二进制平衡信道（BSC）等。
此次通信原理课程设计主要针对高斯白噪声信道。
在数字信号载波传输系统中，由于信道噪声的存在会造成误码。
在研究通信系统的误码率与信道质量的关系时，最简单的数学模型是加性宽带高斯白噪声信道，该性道模型在通信系统的分析与设计中是一主要的信道模型。
本文在MATLAB的环境下，仿真了BFSK（2FSK）信号在加性宽带高斯白噪声信道传输过程，研究了系统的误码率与信道质量的关系，找到加性宽带高斯白噪声信道中传输的最大信噪比及所需发射功率和调制频率，从而得出该系统在高斯白噪声信道中的最佳传输性能。
为中、低速数据传输，以及衰落信道和频带较宽的信道应用提供了理论根据。
1.2课程研究目的及意义在MATLAB的环境下构建了BFSK在高斯白噪声信道中传输的系统模型，通过运行程序仿真，研究系统的误码率与信道质量的关系，找到在高斯白噪声信道上传输的最大信噪比及所需发射功率和调制频率，从而得出该系统在高斯白噪声信道中的最佳传输性能。
而且通过此次实践，巩固了所学的专业技术知识问题的能力，培养学生综合运用所学知识与生产实践经验，分析和解决工程技术问题的能力，培养初步的设计能力，通过课程实践，了解并掌握通信系统的一般设计方法，训练并提高学生在理论计算、结构设计、工程绘图、查阅资料的能力，更好的将理论与实践相结合，提高综合运用所学理论知识分析和解决问题的能力，并且掌握Simulink 的操作方法。
2.Matlab和Simulink的相关介绍2.1 Matlab介绍Matlab是由美国mathworks公司发布的主要面对科学计算、可视化以及交互式程序设计的高科技计算环境。
它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案，并在很大程度上摆脱了传统非交互式程序设计语言（如C、Fortran）的编辑模式，代表了当今国际科学计算软件的先进水平。
Matlab集成环境下的Simulink:MATLAB是一种功能强大的科学计算和工程仿真软件，它的交互式集成界面能够帮助用户快速地完成数值分析、矩阵运算、数字信号处理、仿真建模、系统控制和优化等功能。
MATLAB语言采用与数字表达相同的形式，不需要传统的程序设计语言，由于MATLAB的这些特性，它已成为科研工作和工程仿真中的高效助手。
2.1.1Matlab的功能及特点Matlab可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。
（1）简单易用Matlab是一个高级的矩阵/阵列语言，它包含控制语句、函数、数据结构、输入和输出和面向对象编程特点。
用户可以在命令窗口中将输入语句与执行命令同步，也可以先编写好一个较大的复杂的应用程序（M文件）后再一起运行。
新版本的MATLAB语言是基于最为流行的C++语言基础上的，因此语法特征与C++语言极为相似，而且更加简单，更加符合科技人员对数学表达式的书写格式。
使之更利于非计算机专业的科技人员使用。
而且这种语言可移植性好、可拓展性极强，这也是MATLAB 能够深入到科学研究及工程计算各个领域的重要原因。
（2）强处理能力MATLAB是一个包含大量计算算法的集合。
其拥有600多个工程中要用到的数学运算函数，可以方便的实现用户所需的各种计算功能。
函数中所使用的算法都是科研和工程计算中的最新研究成果，而且经过了各种优化和容错处理。
在通常情况下，可以用它来代替底层编程语言，如C和C++ 。
在计算要求相同的情况下，使用MATLAB的编程工作量会大大减少。
MATLAB的这些函数集包括从最简单最基本的函数到诸如矩阵，特征向量、快速傅立叶变换的复杂函数。
函数所能解决的问题其大致包括矩阵运算和线性方程组的求解、微分方程及偏微分方程的组的求解、符号运算、傅立叶变换和数据的统计分析、工程中的优化问题、稀疏矩阵运算、复数的各种运算、三角函数和其他初等数学运算、多维数组操作以及建模动态仿真等。
（3）图形处理MATLAB自产生之日起就具有方便的数据可视化功能，以将向量和矩阵用图形表现出来，并且可以对图形进行标注和打印。
高层次的作图包括二维和三维的可视化、图象处理、动画和表达式作图。
可用于科学计算和工程绘图。
新版本的MATLAB对整个图形处理功能作了很大的改进和完善，使它不仅在一般数据可视化软件都具有的功能（例如二维曲线和三维曲面的绘制和处理等）方面更加完善，而且对于一些其他软件所没有的功能（例如图形的光照处理、色度处理以及四维数据的表现等），MATLAB同样表现了出色的处理能力。