numpy添加高斯噪声

可以使用`numpy.random.normal()`函数来添加高斯噪声。该函数的第一个参数是均值，第二个参数是标准差，第三个参数是数据的形状。

以下是一个示例代码，将一个数组添加高斯噪声：

import numpy as np

# 创建一个形状为(3, 3)的数组
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 添加高斯噪声，均值为0，标准差为1
noise = np.random.normal(0, 1, arr.shape)

# 将噪声加到数组中
noisy_arr = arr + noise

print(noisy_arr)

输出：

[[ 0.91436908  1.62144368  2.98203754]
 [ 4.50981399  5.44687663  5.46936038]
 [ 8.38075261  8.98515584 10.04092627]]

其中`noise`是生成的高斯噪声数组，`noisy_arr`是添加了噪声后的数组。

相关问题

numpy生成高斯噪声

可以使用NumPy库中的`random.normal`函数生成高斯噪声。

以下是一个示例代码：

import numpy as np

# 生成均值为0，标准差为1的高斯噪声
noise = np.random.normal(0, 1, size=(100, 100))

# 可以通过修改均值和标准差来调整噪声的强度和形状

在上面的示例中，`size`参数指定了生成噪声的形状，这里生成了一个大小为100x100的噪声矩阵。可以通过修改`size`参数来生成任意形状的噪声矩阵。

numpy高斯白噪声

numpy中的高斯白噪声可以通过使用numpy.random.normal()或numpy.random.randn()函数来生成。这两个函数都可以生成符合高斯分布的随机数，用于模拟高斯白噪声。

numpy.random.normal()函数生成的是服从指定均值和标准差的高斯分布随机数。例如，通过指定均值为0，标准差为1可以生成标准正态分布的随机数。而numpy.random.randn()函数则是生成标准正态分布的随机数，不需要指定均值和标准差。

在给定信号的情况下，可以使用numpy.random.normal()或numpy.random.randn()函数生成相同长度的高斯白噪声，并将其与信号相加。