雜訊產生演算法

A. 信號處理中各種雜訊的性質及其定義

高通或低通濾波器無法輕易濾除的雜訊很多，最常見的就是白雜訊。白雜訊在整個頻譜內每個頻點的能量為常數，且基本恆定，不管對信號進行低通還是高通處理，均不能有效地濾除白雜訊，因為
它存在於整個頻帶范圍內。
有趣的是人類對白雜訊的了解已經非常充分，並能熟練地從中提取很多有用的信息。白雜訊甚至具
有醫療功能，有些醫學專家(主要是內科醫生和牙醫)還成功地在試驗中將白雜訊應用於輕度麻醉。
准確地講,白雜訊是隨機的,它不具有相關性,故也沒有偏差，因此,白雜訊可以疊加到信號和演算法中,或
始終存在於模/數轉換器中,而不會造成長期誤碼。通過恰當的處理, 白雜訊還可以用來創造聲音，包
括人的聲音和自然界的聲音，甚至還能合成其它雜訊。
在採用逆變換方法消除白雜訊之前，可用FFT或小波濾波系統有效地提取白雜訊並對結果設置門限
值。一般來說，通過隨機數字發生器可以生成白雜訊，但實驗表明要生成理想的白雜訊很難，其它雜訊的合成也與此類似。

色雜訊
白色包含了所有的顏色，因此白雜訊的特點就是包含各種雜訊。白雜訊定義為在無限頻率范圍內功
率密度為常數的信號，這就意味著還存在其它「顏色」的雜訊，下面是常見的色雜訊及其定義：
1．粉紅雜訊。在給定頻率范圍內(不包含直流成分)，隨著頻率的增加，其功率密度每倍頻程下降
3dB(密度與頻率成反比)。每倍頻的功率相同，但要產生每倍頻程3dB的衰減非常困難,因此，沒有紋
波的粉紅雜訊在現實中很難找到。
2．紅雜訊(海洋學概念)。這是有關海洋環境的一種雜訊，由於它是有選擇地吸收較高的頻率，因此
稱之為紅雜訊。
3．橙色雜訊。該類雜訊是准靜態雜訊，在整個連續頻譜范圍內，功率譜有限且零功率窄帶信號數量
也有限。這些零功率的窄帶信號集中於任意相關音符系統的音符頻率中心上。由於消除了所有的合
音，這些剩餘頻譜就稱為「橙色」音符。
4．藍雜訊。在有限頻率范圍內，功率密度隨頻率的增加每倍頻增長3dB(密度正比於頻率)。對於高
頻信號來說，它屬於良性雜訊。
5．紫雜訊。在有限頻率范圍內，功率密度隨頻率的增加每倍頻增長6dB(密度正比於頻率的平方
值)。
6．灰色雜訊。該雜訊在給定頻率范圍內，類似於心理聲學上的等響度曲線(如反向的A-加權曲線)，
因此在所有頻率點的雜訊電平相同。
7．棕色雜訊。在不包含直流成分的有限頻率范圍內，功率密度隨頻率的增加每倍頻下降6dB(密度
與頻率的平方成反比)。該雜訊實際上是布朗運動產生的雜訊，它也稱為隨機飄移雜訊或醉鬼雜訊。
8．黑雜訊(靜止雜訊)包括：
(1) 有源雜訊控制系統在消除了一個現有雜訊後的輸出信號。
(2) 在20kHz以上的有限頻率范圍內，功率密度為常數的雜訊，一定程度上它類似於超聲波白雜訊。
這種黑雜訊就象「黑光」一樣，由於頻率太高而使人們無法感知，但它對你和你周圍的環境仍然有
影響。
(3) 具有fβ譜，其中β>2。根據經驗可知，該雜訊的危害性很大。
在信號處理中，我們經常會提及狄拉克(Dirac)函數或單位脈沖，這種脈沖是指具有零寬度和無限高
電平的信號。然而，具有無窮低電平和無窮高電平的脈沖是無法找到的，但可根據不同要求，產生
帶寬可選和功率密度可選的信號，然後將這些信號疊加到試驗對象上，這樣我們就可以觀察到哪部
分信號被吸收，或者哪部分信號會產生諧振。

B. CFD軟體如何分析噪音的產生傳播衰減

首先說雜訊是如何產生的。基本上是流場中非穩定的信號產生的一般情況下都是湍流產生的。這也是為什麼在氣動聲學聲產生領域基本上看不到RANS的原因因為RANS對了湍流信息的預測不太靠譜。最常見的就是DNS和LES。DES也要靠邊站。雜訊究竟是怎麼從湍流裡面產生的這個我估計沒人能回答。我們首先假設湍流的運動服從NS方程。那麼NS方程裡面基本上包含了五種波。兩個傳播方向相反的聲波兩個旋轉方向的渦波以及一個對流熵波。那麼湍流這種亂七八糟的運動主要成分是渦波（實際上還有熵和聲）。在非線性影響下部分能量會轉化為聲能（這部分非常非常小Lighthill估計過）。對於穩定的流動基本上也不存在雜訊問題。雜訊就是一個不斷壓縮擴張的過程是一個非穩定過程。如果哪個人告訴你他用穩態求解器算了一下雜訊產生問題那麼估計要中獎了。另外再提一下算聲產生問題都是高精度求解器（高精度不等於高階），數值耗散與人工粘性還有濾波要用的特別少因為聲波在實際情況中是衰減的很慢的但是計算的時候數值耗散瞬間就可以讓聲波seeutomorrow。低數值耗散的結果就是程序極度不穩定這也是為什麼很少有高精度氣動升學的商用軟體的原因。（再說句題外話聲產生領域最前沿高端的課題就是燃燒雜訊基本上頂級大牛都在做這個方向或者這個方向相關的其他工作。）第二個問題是雜訊怎麼傳播的。這屬於聲傳播領域基本上都認為這是一個線性過程。換句話說聲音的傳播可以認為是小擾動在背景流動上的傳播過程。常見的解法就是線性歐拉方程（LEE），線性擾動方程（APE）等。這部分一般也是用高精度演算法求解原因同上。這一部分很熱門因為涉及了很多工程問題（open rotor 發動機雜訊機身雜訊管道雜訊等等）。

C. 幾個風扇一起運轉時候 噪音計算公式.最基本的那種!

假定你問的是噪音的聲壓級，單位：分貝原理就不跟你詳細說了，涉及到聲壓的疊加、聲壓級的定義。簡單的說，聲壓作直接算術加和，而聲壓級是「聲壓與標准聲壓之比值的常用對數值的10倍」。 回到你需要解決的問題，多個已知大小的聲壓級疊加，需要從聲壓級先反算出各聲壓值作和後再計算總聲壓級。明確的演算法就是：計算10的「各聲壓級1/10」次方，作和，取常用對數，再乘以10。11、30、28疊加的結果約為32

D. 如何用matlab產生標准高斯雜訊

可以使用AWGN和WGN產生高斯白雜訊。WGN用於產生高斯白雜訊，AWGN則用於在某一信號中加入高斯白雜訊。

加性高斯白雜訊 AWGN(Additive White Gaussian Noise) 是最基本的雜訊與干擾模型。加性雜訊：疊加在信號上的一種雜訊，通常記為n(t)，而且無論有無信號，雜訊n(t)都是始終存在的。因此通常稱它為加性雜訊或者加性干擾。白雜訊：雜訊的功率譜密度在所有的頻率上均為一常數，則稱這樣的雜訊為白雜訊。如果白雜訊取值的概率分布服從高斯分布，則稱這樣的雜訊為高斯白雜訊。
MATLAB是美國MathWorks公司出品的商業數學軟體，用於演算法開發、數據可視化、數據分析以及數值計算的高級技術計算語言和互動式環境，主要包括MATLAB和Simulink兩大部分。
所謂高斯白雜訊(White Gaussian Noise)中的高斯是指概率分布是正態函數，而白雜訊是指它的二階矩不相關，一階矩為常數，是指先後信號在時間上的相關性。這是考查一個信號的兩個不同方面的問題。高斯白雜訊：如果一個雜訊，它的瞬時值服從高斯分布，而它的功率譜密度又是均勻分布的，則稱它為高斯白雜訊。

E. 用C語言描述產生泊松雜訊，N（numda）

泊松雜訊既不是加性雜訊，也不是乘性雜訊，而是一種信號依賴雜訊。對於一張圖像而言，每個像素點的值都滿足泊松分布，且每個像素點的泊松分布的均值是無噪圖像在該像素點對應的值。所以一個完美的泊松雜訊去除演算法應該是對泊松雜訊圖像每個像素點的值的一個估計，且該估計應該盡可能的接近無噪圖像。
https://blog.csdn.net/qq_27273607/article/details/80728888

F. C語言對影像使用random函數添加隨機雜訊

摘要 自己產生[x,y]

G. 雜訊估計的方法

介紹幾種常見的單通道雜訊估計演算法。雜訊估計主要基於以下三個現象。
(1)在音頻信號中，閉塞因閉合段頻譜能量趨於0或者接近雜訊水平。雜訊在頻譜上分布不均勻，不同的頻帶具有不同的SNR.對於任意類型雜訊，只要該頻帶無語音的概率很高或者SNR很低，則可以估計/更新該頻帶的雜訊譜，這類思想是遞歸平均雜訊估計演算法(the recursive-averaging type of noise-estimation algorithms)的支撐點。

(2)即使在語音活動的區域，帶噪語音信號在單個頻帶的功率通常會衰減到雜訊的功率水平，我們因此可以追蹤在短時窗內（0.4~1s）帶噪語音譜每個頻帶的最小值，實現各個頻帶雜訊的估計。該現象是最小值跟蹤演算法（the minima-tracking algorithms）的支撐點。

(3)每個頻帶能量的直方圖揭示了一個理論：出現頻次最高的值對應頻帶的雜訊水平。有時譜能量直方圖有兩種模式：1）低能量對應無聲段、語音的低能量段;2）高能量模式對應（noisy）語音的濁音段。低能量成分大於高能量成分。

因而總結出三類雜訊估計演算法

1、遞歸平均雜訊演算法

2、最小值跟蹤演算法
3、直方圖雜訊估計演算法

H. 怎麼用matlab產生高斯白雜訊啊

MATLAB中產生高斯白雜訊的兩個函數 MATLAB中產生高斯白雜訊非常方便，可以直接應用兩個函數，一個是WGN，另一個是AWGN。WGN用於產生高斯白雜訊，AWGN則用於在某一信號中加入高斯白雜訊。 1. WGN：產生高斯白雜訊 y = wgn(m,n,p) 產生一個m行n列的高斯白雜訊的矩陣，p以dBW為單位指定輸出雜訊的強度。 y = wgn(m,n,p,imp) 以歐姆(Ohm)為單位指定負載阻抗。 y = wgn(m,n,p,imp,state) 重置RANDN的狀態。 在數值變數後還可附加一些標志性參數： y = wgn(…,POWERTYPE) 指定p的單位。POWERTYPE可以是dBW, dBm或linear。線性強度(linear power)以瓦特(Watt)為單位。 y = wgn(…,OUTPUTTYPE) 指定輸出類型。OUTPUTTYPE可以是real或complex。 2. AWGN：在某一信號中加入高斯白雜訊 y = awgn(x,SNR) 在信號x中加入高斯白雜訊。信噪比SNR以dB為單位。x的強度假定為0dBW。如果x是復數，就加入復雜訊。 y = awgn(x,SNR,SIGPOWER) 如果SIGPOWER是數值，則其代表以dBW為單位的信號強度；如果SIGPOWER為measured，則函數將在加入雜訊之前測定信號強度。 y = awgn(x,SNR,SIGPOWER,STATE) 重置RANDN的狀態。 y = awgn(…,POWERTYPE) 指定SNR和SIGPOWER的單位。POWERTYPE可以是dB或linear。如果POWERTYPE是dB，那麼SNR以dB為單位，而SIGPOWER以dBW為單位。如果POWERTYPE是linear，那麼SNR作為比值來度量，而SIGPOWER以瓦特為單位。 注釋 1. 分貝(decibel, dB)：分貝（dB）是表示相對功率或幅度電平的標准單位，換句話說，就是我們用來表示兩個能量之間的差別的一種表示單位，它不是一個絕對單位。例如，電子系統中將電壓、電流、功率等物理量的強弱通稱為電平，電平的單位通常就以分貝表示，即事先取一個電壓或電流作為參考值（0dB），用待表示的量與參考值之比取對數，再乘以20作為電平的分貝數（功率的電平值改乘10）。 2. 分貝瓦(dBW, dB Watt)：指以1W的輸出功率為基準時，用分貝來測量的功率放大器的功率值。 3. dBm (dB-milliWatt)：即與1milliWatt（毫瓦）作比較得出的數字。 0 dBm = 1 mW 10 dBm = 10 mW 20 dBm = 100 mW 也可直接用randn函數產生高斯分布序列，例如： y=randn(1,2500); y=y/std(y); y=y-mean(y); a=0.0128; b=sqrt(0.9596); y=a+b*y; 就得到了 N ( 0.0128, 0.9596 ) 的高斯分布序列。

I. 雜訊總聲壓級怎麼計算的

1.分貝相加
L=10lg(10^(L1/10)+10^(L2/10))
2.分貝相減
實際雜訊測量中,往往會遇到從中的被測量的雜訊級中減去背景雜訊級,以確定由單獨聲源產生的雜訊級.演算法基本和分貝相加類似：
L=10lg(10^(L1/10)-10^(L2/10))
3.綜合1和2,先加後減.

J. 怎樣計算聲音的分貝

專業的方法就是利用分貝儀測試身邊雜訊的大小，操作簡單，結果直觀，分貝儀是最基本的雜訊測量儀器，它是一種電子儀器，但又不同於電壓表等客觀電子儀表。工作原理：由傳聲器將聲音轉換成電信號，再由前置放大器變換阻抗，使傳聲器與衰減器匹配。放大器將輸出信號加到計權網路，對信號進行頻率計權(或外接濾波器)，然後再經衰減器及放大器將信號放大到一定的幅值，送到有效值檢波器(或外按電平記錄儀)，在顯示器上給出雜訊聲級三、時間平均聲級或等效連續聲級LeqA聲級能夠較好地反映人耳對雜訊的強度和頻率的主觀感覺，對於一個連續的穩定雜訊，它是一種較好的評價方法。但是對於起伏的或不連續的雜訊，很難確定A聲級的大小。例如我們測量交通雜訊，當有汽車通過時雜訊可能是75dB，但當沒有汽車通過時可能只有50dB，這時就很難說交通雜訊是75dB還是50dB。又如一個人在雜訊環境下工作，間歇接觸雜訊與一直接觸雜訊對人的影響也不一樣，因為人所接觸的雜訊能量不一樣。為此提出了用雜訊能量平均的方法來評價雜訊對人的影響，這就是時間平均聲級或等效連續聲級，用Leq表示。這里仍用A計權，故亦稱等效連續A聲級LAeq。等效連續A聲級定義為：在聲場中某一定位置上，用某一段時間能量平均的方法，將間歇出現的變化的A聲級以一個A聲級來表示該段時間內的雜訊大小，並稱這個A聲級為此時間段的等效連續A聲級，即：=(2-4)式中：pA（t）是瞬時A計權聲壓；p0是參考聲壓（2×10-5Pa）；LA是變化A聲級的瞬時值，單位dB；T是某段時間的總量。實際測量雜訊是通過不連續的采樣進行測量，假如采樣時間間隔相等，則：（2-5）式中：N是測量的聲級總個數，LAi是采樣到的第i個A聲級。對於連續的穩定雜訊，等效連續聲級就等於測得的A聲級。四、晝夜等效聲級通常雜訊在晚上比白天更顯得吵，尤其對睡眠的干擾是如此。評價結果表明，晚上雜訊的干擾通常比白天高10dB。為了把不同時間雜訊對人的干擾不同的