噪声产生算法

A. 信号处理中各种噪声的性质及其定义

高通或低通滤波器无法轻易滤除的噪声很多，最常见的就是白噪声。白噪声在整个频谱内每个频点的能量为常数，且基本恒定，不管对信号进行低通还是高通处理，均不能有效地滤除白噪声，因为
它存在于整个频带范围内。
有趣的是人类对白噪声的了解已经非常充分，并能熟练地从中提取很多有用的信息。白噪声甚至具
有医疗功能，有些医学专家(主要是内科医生和牙医)还成功地在试验中将白噪声应用于轻度麻醉。
准确地讲,白噪声是随机的,它不具有相关性,故也没有偏差，因此,白噪声可以叠加到信号和算法中,或
始终存在于模/数转换器中,而不会造成长期误码。通过恰当的处理, 白噪声还可以用来创造声音，包
括人的声音和自然界的声音，甚至还能合成其它噪声。
在采用逆变换方法消除白噪声之前，可用FFT或小波滤波系统有效地提取白噪声并对结果设置门限
值。一般来说，通过随机数字发生器可以生成白噪声，但实验表明要生成理想的白噪声很难，其它噪声的合成也与此类似。

色噪声
白色包含了所有的颜色，因此白噪声的特点就是包含各种噪声。白噪声定义为在无限频率范围内功
率密度为常数的信号，这就意味着还存在其它“颜色”的噪声，下面是常见的色噪声及其定义：
1．粉红噪声。在给定频率范围内(不包含直流成分)，随着频率的增加，其功率密度每倍频程下降
3dB(密度与频率成反比)。每倍频的功率相同，但要产生每倍频程3dB的衰减非常困难,因此，没有纹
波的粉红噪声在现实中很难找到。
2．红噪声(海洋学概念)。这是有关海洋环境的一种噪声，由于它是有选择地吸收较高的频率，因此
称之为红噪声。
3．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。
4．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。
5．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)。
6．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。
7．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。
8．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。
这种黑噪声就象“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) 具有fβ谱，其中β>2。根据经验可知，该噪声的危害性很大。
在信号处理中，我们经常会提及狄拉克(Dirac)函数或单位脉冲，这种脉冲是指具有零宽度和无限高
电平的信号。然而，具有无穷低电平和无穷高电平的脉冲是无法找到的，但可根据不同要求，产生
带宽可选和功率密度可选的信号，然后将这些信号叠加到试验对象上，这样我们就可以观察到哪部
分信号被吸收，或者哪部分信号会产生谐振。

B. CFD软件如何分析噪音的产生传播衰减

首先说噪声是如何产生的。基本上是流场中非稳定的信号产生的一般情况下都是湍流产生的。这也是为什么在气动声学声产生领域基本上看不到RANS的原因因为RANS对了湍流信息的预测不太靠谱。最常见的就是DNS和LES。DES也要靠边站。噪声究竟是怎么从湍流里面产生的这个我估计没人能回答。我们首先假设湍流的运动服从NS方程。那么NS方程里面基本上包含了五种波。两个传播方向相反的声波两个旋转方向的涡波以及一个对流熵波。那么湍流这种乱七八糟的运动主要成分是涡波（实际上还有熵和声）。在非线性影响下部分能量会转化为声能（这部分非常非常小Lighthill估计过）。对于稳定的流动基本上也不存在噪声问题。噪声就是一个不断压缩扩张的过程是一个非稳定过程。如果哪个人告诉你他用稳态求解器算了一下噪声产生问题那么估计要中奖了。另外再提一下算声产生问题都是高精度求解器（高精度不等于高阶），数值耗散与人工粘性还有滤波要用的特别少因为声波在实际情况中是衰减的很慢的但是计算的时候数值耗散瞬间就可以让声波seeutomorrow。低数值耗散的结果就是程序极度不稳定这也是为什么很少有高精度气动升学的商用软件的原因。（再说句题外话声产生领域最前沿高端的课题就是燃烧噪声基本上顶级大牛都在做这个方向或者这个方向相关的其他工作。）第二个问题是噪声怎么传播的。这属于声传播领域基本上都认为这是一个线性过程。换句话说声音的传播可以认为是小扰动在背景流动上的传播过程。常见的解法就是线性欧拉方程（LEE），线性扰动方程（APE）等。这部分一般也是用高精度算法求解原因同上。这一部分很热门因为涉及了很多工程问题（open rotor 发动机噪声机身噪声管道噪声等等）。

C. 几个风扇一起运转时候 噪音计算公式.最基本的那种!

假定你问的是噪音的声压级，单位：分贝原理就不跟你详细说了，涉及到声压的叠加、声压级的定义。简单的说，声压作直接算术加和，而声压级是“声压与标准声压之比值的常用对数值的10倍”。 回到你需要解决的问题，多个已知大小的声压级叠加，需要从声压级先反算出各声压值作和后再计算总声压级。明确的算法就是：计算10的“各声压级1/10”次方，作和，取常用对数，再乘以10。11、30、28叠加的结果约为32

D. 如何用matlab产生标准高斯噪声

可以使用AWGN和WGN产生高斯白噪声。WGN用于产生高斯白噪声，AWGN则用于在某一信号中加入高斯白噪声。

加性高斯白噪声 AWGN(Additive White Gaussian Noise) 是最基本的噪声与干扰模型。加性噪声：叠加在信号上的一种噪声，通常记为n(t)，而且无论有无信号，噪声n(t)都是始终存在的。因此通常称它为加性噪声或者加性干扰。白噪声：噪声的功率谱密度在所有的频率上均为一常数，则称这样的噪声为白噪声。如果白噪声取值的概率分布服从高斯分布，则称这样的噪声为高斯白噪声。
MATLAB是美国MathWorks公司出品的商业数学软件，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，主要包括MATLAB和Simulink两大部分。
所谓高斯白噪声(White Gaussian Noise)中的高斯是指概率分布是正态函数，而白噪声是指它的二阶矩不相关，一阶矩为常数，是指先后信号在时间上的相关性。这是考查一个信号的两个不同方面的问题。高斯白噪声：如果一个噪声，它的瞬时值服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。

E. 用C语言描述产生泊松噪声，N（numda）

泊松噪声既不是加性噪声，也不是乘性噪声，而是一种信号依赖噪声。对于一张图像而言，每个像素点的值都满足泊松分布，且每个像素点的泊松分布的均值是无噪图像在该像素点对应的值。所以一个完美的泊松噪声去除算法应该是对泊松噪声图像每个像素点的值的一个估计，且该估计应该尽可能的接近无噪图像。
https://blog.csdn.net/qq_27273607/article/details/80728888

F. C语言对影像使用random函数添加随机噪声

摘要 自己产生[x,y]

G. 噪声估计的方法

介绍几种常见的单通道噪声估计算法。噪声估计主要基于以下三个现象。
(1)在音频信号中，闭塞因闭合段频谱能量趋于0或者接近噪声水平。噪声在频谱上分布不均匀，不同的频带具有不同的SNR.对于任意类型噪声，只要该频带无语音的概率很高或者SNR很低，则可以估计/更新该频带的噪声谱，这类思想是递归平均噪声估计算法(the recursive-averaging type of noise-estimation algorithms)的支撑点。

(2)即使在语音活动的区域，带噪语音信号在单个频带的功率通常会衰减到噪声的功率水平，我们因此可以追踪在短时窗内（0.4~1s）带噪语音谱每个频带的最小值，实现各个频带噪声的估计。该现象是最小值跟踪算法（the minima-tracking algorithms）的支撑点。

(3)每个频带能量的直方图揭示了一个理论：出现频次最高的值对应频带的噪声水平。有时谱能量直方图有两种模式：1）低能量对应无声段、语音的低能量段;2）高能量模式对应（noisy）语音的浊音段。低能量成分大于高能量成分。

因而总结出三类噪声估计算法

1、递归平均噪声算法

2、最小值跟踪算法
3、直方图噪声估计算法

H. 怎么用matlab产生高斯白噪声啊

MATLAB中产生高斯白噪声的两个函数 MATLAB中产生高斯白噪声非常方便，可以直接应用两个函数，一个是WGN，另一个是AWGN。WGN用于产生高斯白噪声，AWGN则用于在某一信号中加入高斯白噪声。 1. WGN：产生高斯白噪声 y = wgn(m,n,p) 产生一个m行n列的高斯白噪声的矩阵，p以dBW为单位指定输出噪声的强度。 y = wgn(m,n,p,imp) 以欧姆(Ohm)为单位指定负载阻抗。 y = wgn(m,n,p,imp,state) 重置RANDN的状态。 在数值变量后还可附加一些标志性参数： y = wgn(…,POWERTYPE) 指定p的单位。POWERTYPE可以是dBW, dBm或linear。线性强度(linear power)以瓦特(Watt)为单位。 y = wgn(…,OUTPUTTYPE) 指定输出类型。OUTPUTTYPE可以是real或complex。 2. AWGN：在某一信号中加入高斯白噪声 y = awgn(x,SNR) 在信号x中加入高斯白噪声。信噪比SNR以dB为单位。x的强度假定为0dBW。如果x是复数，就加入复噪声。 y = awgn(x,SNR,SIGPOWER) 如果SIGPOWER是数值，则其代表以dBW为单位的信号强度；如果SIGPOWER为measured，则函数将在加入噪声之前测定信号强度。 y = awgn(x,SNR,SIGPOWER,STATE) 重置RANDN的状态。 y = awgn(…,POWERTYPE) 指定SNR和SIGPOWER的单位。POWERTYPE可以是dB或linear。如果POWERTYPE是dB，那么SNR以dB为单位，而SIGPOWER以dBW为单位。如果POWERTYPE是linear，那么SNR作为比值来度量，而SIGPOWER以瓦特为单位。 注释 1. 分贝(decibel, dB)：分贝（dB）是表示相对功率或幅度电平的标准单位，换句话说，就是我们用来表示两个能量之间的差别的一种表示单位，它不是一个绝对单位。例如，电子系统中将电压、电流、功率等物理量的强弱通称为电平，电平的单位通常就以分贝表示，即事先取一个电压或电流作为参考值（0dB），用待表示的量与参考值之比取对数，再乘以20作为电平的分贝数（功率的电平值改乘10）。 2. 分贝瓦(dBW, dB Watt)：指以1W的输出功率为基准时，用分贝来测量的功率放大器的功率值。 3. dBm (dB-milliWatt)：即与1milliWatt（毫瓦）作比较得出的数字。 0 dBm = 1 mW 10 dBm = 10 mW 20 dBm = 100 mW 也可直接用randn函数产生高斯分布序列，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. 噪声总声压级怎么计算的

1.分贝相加
L=10lg(10^(L1/10)+10^(L2/10))
2.分贝相减
实际噪声测量中,往往会遇到从中的被测量的噪声级中减去背景噪声级,以确定由单独声源产生的噪声级.算法基本和分贝相加类似：
L=10lg(10^(L1/10)-10^(L2/10))
3.综合1和2,先加后减.

J. 怎样计算声音的分贝

专业的方法就是利用分贝仪测试身边噪声的大小，操作简单，结果直观，分贝仪是最基本的噪声测量仪器，它是一种电子仪器，但又不同于电压表等客观电子仪表。工作原理：由传声器将声音转换成电信号，再由前置放大器变换阻抗，使传声器与衰减器匹配。放大器将输出信号加到计权网络，对信号进行频率计权(或外接滤波器)，然后再经衰减器及放大器将信号放大到一定的幅值，送到有效值检波器(或外按电平记录仪)，在显示器上给出噪声声级三、时间平均声级或等效连续声级LeqA声级能够较好地反映人耳对噪声的强度和频率的主观感觉，对于一个连续的稳定噪声，它是一种较好的评价方法。但是对于起伏的或不连续的噪声，很难确定A声级的大小。例如我们测量交通噪声，当有汽车通过时噪声可能是75dB，但当没有汽车通过时可能只有50dB，这时就很难说交通噪声是75dB还是50dB。又如一个人在噪声环境下工作，间歇接触噪声与一直接触噪声对人的影响也不一样，因为人所接触的噪声能量不一样。为此提出了用噪声能量平均的方法来评价噪声对人的影响，这就是时间平均声级或等效连续声级，用Leq表示。这里仍用A计权，故亦称等效连续A声级LAeq。等效连续A声级定义为：在声场中某一定位置上，用某一段时间能量平均的方法，将间歇出现的变化的A声级以一个A声级来表示该段时间内的噪声大小，并称这个A声级为此时间段的等效连续A声级，即：=(2-4)式中：pA（t）是瞬时A计权声压；p0是参考声压（2×10-5Pa）；LA是变化A声级的瞬时值，单位dB；T是某段时间的总量。实际测量噪声是通过不连续的采样进行测量，假如采样时间间隔相等，则：（2-5）式中：N是测量的声级总个数，LAi是采样到的第i个A声级。对于连续的稳定噪声，等效连续声级就等于测得的A声级。四、昼夜等效声级通常噪声在晚上比白天更显得吵，尤其对睡眠的干扰是如此。评价结果表明，晚上噪声的干扰通常比白天高10dB。为了把不同时间噪声对人的干扰不同的