matlab randn函数

在 MATLAB 中，`randn` 函数是用于生成服从标准正态分布（均值为0，方差为1）的随机数的函数。该函数的语法如下：

R = randn(n)
R = randn(sz1,...,szN)

其中，`n` 是一个正整数，表示要生成的随机数的数量；`sz1,...,szN` 是一系列正整数，表示要生成的随机数的维度。`R` 是一个与输入参数相同大小的矩阵或数组，其中的元素是服从标准正态分布的随机数。

例如，以下代码将生成一个 $3\times4$ 的矩阵，其中的元素是服从标准正态分布的随机数：

R = randn(3, 4)

除了 `randn` 函数，MATLAB 还提供了许多其他的随机数生成函数，如 `rand`、`randi`、`randperm` 等。这些函数的使用方法可以通过 MATLAB 帮助文档进行学习和了解。

相关问题

MATLAB randn函数

randn函数是MATLAB中用于生成服从均值为0，方差为1的正态分布的随机数的函数。该函数的语法为X = randn(sz1,...,szN)，其中sz1,...,szN指示每个维度的大小，返回一个由随机数组成的sz1×...×szN数组。可以通过添加参数typename指定返回的随机数的数据类型，可以是'single'或'double'。<em>1</em><em>2</em><em>3</em>
#### 引用[.reference_title]
- *1* [MATLAB之rand系列函数使用方法小析](https://blog.csdn.net/weixin_46596508/article/details/107214997)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}} ] [.reference_item]
- *2* *3* [matlab函数之randn()](https://blog.csdn.net/lmx11040101/article/details/117605450)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}} ] [.reference_item]
[ .reference_list ]

matlabrandn函数

### Matlab 中 `randn` 函数详解

#### 生成正态分布伪随机数
`randn` 是 MATLAB 提供的一个用于生成服从标准正态分布（均值为0，方差为1）的伪随机数函数[^2]。

#### 设置随机种子
为了确保每次运行程序时产生的随机序列相同，可以通过设置随机状态来控制。例如：

% 将随机数生成器的状态设为指定值
randn('state', 0);

这使得后续调用 `randn` 所得的结果可重复再现。

#### 基本语法
以下是几种常见的使用方式及其说明：

- **单个数值**

  r = randn;

返回一个来自标准正态分布的单一随机样本。

- **向量**

  v = randn(n, 1);    % n 行一列的列向量
  w = randn(1, m);    % 一行m 列的行向量

- **矩阵**

  M = randn(m, n);     % m×n 的矩阵

- **多维数组**

  A = randn([d1 d2 ... dn]);   % 多维数组

此外还可以指定返回的数据类型为 `'single'` 或者 `'double'`:

B = randn(...,'single');
C = randn(...,'double');       % 默认情况下即为 double 类型

以上命令会创建相应维度大小并填充有标准正态分布随机数的数组[^3]。

#### 实际应用案例
假设想要模拟一组具有特定平均值 μ 和标准偏差 σ 的高斯噪声信号，则可通过如下方式进行变换：

mu = 5; sigma = 2;
noiseSignal = mu + sigma .* randn(size(t));      % t 代表时间轴或其他索引变量

这段代码实现了对原始数据加上一层符合给定参数μ和σ的标准正态分布白噪音处理过程。