色噪声原理及matlab代码实现_精品文档Word格式文档下载.doc
《色噪声原理及matlab代码实现_精品文档Word格式文档下载.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_精品文档Word格式文档下载.doc（7页珍藏版）》请在冰豆网上搜索。
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
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）;
高斯白噪声均值'
axis（[01024-22]）;
subplot（2,4,3）;
plot（t,y2）;
高斯白噪声方差'
subplot（2,4,4）;
plot（t,y3）;
高斯白噪声均方值'
subplot（2,4,5）;
plot（lag,y4）;
高斯白噪声自相关函数'
axis（[-10241024-11]）;
subplot（2,4,6）;
plot（y5,f1）;
概率密度'
subplot（2,4,7）;
plot（f,y6）;
高斯白噪声频谱'
axis（[01024080]）;
subplot（2,4,8）;
plot（f,y7）;
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;
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）;
gss3=gss2+gss1.*gss1;
[gss4,lag]=xcorr（gss,'
[f1,gss5]=ksdensity（gss）;
length（gss）-1）/length（gss）*1024;
GSS=fft（gss）;
gss6=abs（GSS）;
gss7=GSS.*conj（GSS）/1024;
figure（3）;
plot（t,gss）;
高斯色噪声'
plot（t,gss1）;
高斯色噪声均值'
axis（[01024-11]）;
plot（t,gss2）;
高斯色噪声方差'
axis（[01024-0.51.5]）;
plot（t,gss3）;
高斯色噪声均方值'
plot（lag,gss4）;
高斯色噪声自相关函数'
axis（[-10241024-0.51]）;
plot（gss5,f1）;
高斯色噪声概率密度'
plot（f,gss6）;
高斯色噪声频谱'
axis（[010240100]）;
plot（f,gss7）;
高斯色噪声功率谱密度'
%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'
|H（jf）|/dB'
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,'
%粉红噪声自相关函数
[f1,pn5]=ksdensity（pn）;
%粉红噪声概率密度
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）;
plot（t,pn）;
粉红噪声'
axis（[01024-88]）;
plot（t,pn1）;
粉红噪声均值'
plot（t,pn2）;
粉红噪声方差'
axis（[0102405]）;
plot（t,pn3）;
粉红噪声均方值'
plot（lag,pn4）;
粉红噪声自相关函数'
axis（[-10241024-12]）;
plot（pn5,f1）;
粉红噪声概率密度'
plot（f,pn6）;
粉红噪声频谱'
axis（[-501080
升级会员 