白噪声信号生成与频谱分析仿真工具

资 源 简 介

本项目旨在利用MATLAB强大的数值计算和信号处理能力，设计并实现一个能够产生、可视化及分析白噪声信号的综合仿真工具。项目的核心功能包括：1. 多类型噪声生成：能够利用MATLAB内置的`randn`和`rand`函数分别生成高斯白噪声（White Gaussian Noise）和均匀分布白噪声，支持用户自定义信号长度、采样频率、均值以及方差（或信噪比/噪声功率）。2. 时域可视化：将生成的随机信号作为时间序列进行绘制，展示噪声在时域内的波形图，直观体现其随机起伏特性。3. 统计特性验证：通过计算并绘制信号幅度的统计直方图，与理论上的高斯分布或均匀分布曲线进行对比，验证生成信号的概率密度函数（PDF）是否符合预期。4. 频域特性分析：利用快速傅里叶变换（FFT）及周期图法计算信号的功率谱密度（PSD），并绘制频谱图，以验证信号在有效带宽内具有近似平坦的功率谱特性，即确认其"白"噪声属性。该项目适用于数字通信中的信道建模、声学测试、滤波器设计验证以及随机信号处理课程的教学演示。

详 情 说 明

基于MATLAB的白噪声信号生成与频谱分析系统

项目介绍

本项目是一个基于MATLAB开发的综合仿真工具，旨在演示和验证随机信号处理中的基本概念。系统能够生成两种典型的白噪声信号——高斯白噪声（Gaussian White Noise）和均匀分布白噪声（Uniform White Noise），并对其进行全方位的特性分析。通过集成时域波形观察、统计直方图验证以及频域功率谱密度（PSD）分析，本项目能够直观地展示白噪声"时域随机、频域平坦"的核心属性，适用于通信信道建模、噪声分析及教学演示。

功能特性

1. 多分布噪声生成

* 支持生成符合指定均值和方差（噪声功率）的高斯分布白噪声。 * 支持生成符合指定均值和方差的均匀分布白噪声，自动反推均匀分布的区间范围。 * 支持自定义采样频率（Fs）和信号持续时长（T）。

1. 时域波形可视化

* 绘制噪声信号的时间序列波形。 * 为保证绘图清晰度，自动截取信号的前段部分（前1000个采样点或0.1秒）进行局部展示，直观呈现信号的随机起伏。

1. 统计特性验证 (PDF)

* 计算并输出信号实际的均值、方差，与理论设定值进行误差对比。 * 绘制信号幅度的归一化统计直方图。 * 叠加理论概率密度函数（PDF）曲线（高斯钟形曲线或均匀分布矩形框），验证生成数据的统计分布准确性。

1. 频域特性分析 (PSD)

* 利用快速傅里叶变换（FFT）计算信号的单边频谱。 * 采用周期图法（Periodogram）估算功率谱密度（PSD）。 * 以分贝（dB/Hz）为单位绘制频谱图，并计算平均功率水平，验证白噪声在有效频带内的功率谱平坦特性。

系统要求

• 软件环境：MATLAB R2016a 或更高版本（主要为了支持 histogram 函数的新特性，低版本需调整直方图绘制代码）。
• 工具箱：仅需 MATLAB 基础系统（MATLAB Base），无需额外的信号处理工具箱。

使用方法

1. 参数配置

* 打开主脚本文件。 * 在代码顶部的“系统参数设置”区域修改以下变量： * Fs: 采样频率（例如 10000 Hz）。 * T: 信号时长（例如 2秒）。 * Target_Mean: 期望的信号均值（例如 0）。 * Target_Power: 期望的噪声功率/方差（例如 2）。

1. 运行仿真

* 运行脚本。系统将在控制台输出设定的参数摘要以及生成信号的实际统计误差。

1. 结果观察

* 系统将弹出两个独立的图形窗口： * Figure 1: 高斯白噪声分析报告。 * Figure 2: 均匀分布白噪声分析报告。 * 每个窗口包含三个子图，分别展示时域波形、概率密度分布和功率谱密度。

---

代码实现原理与逻辑详解

本项目包含一个主入口流程和一个通用的信号分析函数，具体实现逻辑如下：

1. 噪声信号生成逻辑

代码根据用户设定的目标均值（$mu$）和目标功率/方差（$sigma^2$）来生成随机序列：

• 高斯白噪声生成：

利用 MATLAB 内置的 randn 函数生成标准正态分布序列（均值0，方差1），然后通过线性变换映射到目标参数： $$X = mu + sqrt{sigma^2} times text{randn}(N)$$

• 均匀分布白噪声生成：

均匀分布的方差公式为 $Var = frac{(b-a)^2}{12}$，其中 $W = b-a$ 为分布宽度。为了满足目标功率，代码首先反解出分布宽度： $$W = sqrt{12 times sigma^2}$$ 结合目标均值 $mu$，确定分布的下界 $a$ 和上界 $b$： $$a = mu - W/2, quad b = mu + W/2$$ 最后利用 rand 函数生成指定区间的均匀噪声。

2. 信号分析与可视化逻辑

所有分析功能封装在 analyze_signal 辅助函数中，确保对两种噪声的处理标准一致：

#### A. 统计参数计算

• 利用 mean() 和 var() 计算生成信号的实际统计量。
• 在控制台打印实际值与理论值的对比，用于验证随机数生成器的准确性。

#### B. 时域波形绘制 (Subplot 1)

• 为了避免大数据量导致绘图密集无法辨识，代码设置了 display_limit，仅绘制信号的前1000个点（或全长，取较小者）。
• 图例中动态显示该段信号的实际统计参数。

#### C. 直方图与PDF验证 (Subplot 2)

• 直方图：使用 histogram 函数绘制50个区间的统计直方图，并将 Normalization 设置为 'pdf'，使直方图面积归一化为1，便于与理论曲线对比。
• 理论曲线对比：

* 高斯分布：根据目标均值和标准差，利用高斯概率密度公式计算理论曲线并绘制。 * 均匀分布：根据计算出的边界 $a$ 和 $b$，绘制理论上的“门函数”（在区间内概率为 $1/(b-a)$，区间外为0）。

#### D. 功率谱密度分析 (Subplot 3)

• FFT变换：对全长信号进行 FFT 变换。
• 单边谱处理：截取 FFT 结果的前一半（0 到 Nyquist 频率），并对非重合频率分量乘以2以保持能量守恒。
• PSD计算：采用周期图法公式计算功率谱密度：

$$P_{xx} = frac{|FFT(x)|^2}{F_s times N}$$

• 单位转换：将 PSD 转换为 dB/Hz 标度 ($10 log_{10}(P_{xx})$) 进行绘制。
• 平坦度验证：代码计算了 PSD 的平均值并在图中绘制红色虚线。对于白噪声，其理论 PSD 应近似为一条水平直线，通过观察实际谱线围绕平均线的波动情况来验证其“白”噪声特性。