matlab生成50hz，占空比50%方波加高斯白噪声使信噪比为0db，-10db，-20db

生成50Hz，占空比50%的方波可以使用MATLAB的square函数，代码如下：

f = 50; % 频率
fs = 10000; % 采样率
t = 0:1/fs:1; % 时间序列
duty = 50; % 占空比
s = square(2*pi*f*t, duty);

然后，使用MATLAB的awgn函数添加高斯白噪声，代码如下：

snr = 0; % 信噪比为0db
s_n = awgn(s, snr, 'measured');

如果要生成信噪比为-10db或-20db的信号，只需要将snr变量的值改为-10或-20。

完整代码如下：

f = 50; % 频率
fs = 10000; % 采样率
t = 0:1/fs:1; % 时间序列
duty = 50; % 占空比
s = square(2*pi*f*t, duty);

snr = 0; % 信噪比为0db
s_n = awgn(s, snr, 'measured');

snr = -10; % 信噪比为-10db
s_n_10db = awgn(s, snr, 'measured');

snr = -20; % 信噪比为-20db
s_n_20db = awgn(s, snr, 'measured');

相关问题

matlab生成50hz，占空比50%方波加高斯白噪声使信噪比为0db

生成50Hz的方波可以使用MATLAB中的square函数，占空比为50%时，duty cycle参数设置为50即可。生成高斯白噪声可以使用MATLAB中的randn函数，生成均值为0，方差为1的高斯分布随机数序列。为了使信噪比为0dB，需要将方波和高斯白噪声的幅值适当调整。具体代码如下：

% 生成50Hz方波
fs = 1000;          % 采样频率为1000Hz
T = 1/50;           % 方波周期为20ms
t = 0:1/fs:T-1/fs;  % 生成时间序列
fiftyHz = square(2*pi*50*t,50);

% 生成高斯白噪声
noise = randn(size(t));

% 调整方波和噪声的幅值，使信噪比为0dB
SNR = 0;    % 信噪比为0dB
signalPower = mean(fiftyHz.^2);     % 方波功率
noisePower = mean(noise.^2);        % 噪声功率
noiseAmp = sqrt(signalPower / (10^(SNR/10)) / noisePower);   % 噪声幅值
fiftyHz = fiftyHz + noiseAmp * noise;    % 加噪声

% 绘制结果
figure;
plot(t,fiftyHz);
xlabel('Time (s)');
ylabel('Amplitude');
title('50Hz Square Wave with Gaussian White Noise');

运行代码后，将会得到一张包含了方波和高斯白噪声的图像，其中信号和噪声的幅值已经按要求调整，信噪比为0dB。

matlab产生f=50Hz占空比为50%的方波信号加高斯白噪声，使信噪比为10dB

以下是产生f=50Hz占空比为50%的方波信号并加入高斯白噪声的MATLAB代码：

% 产生方波信号
fs = 1000; % 采样频率
t = 0:1/fs:1-1/fs; % 时间向量
f = 50; % 方波频率
duty_cycle = 50; % 占空比
square_wave = square(2*pi*f*t, duty_cycle);

% 产生高斯白噪声
snr = 10^(10/10); % 信噪比
noise_power = rms(square_wave)^2/snr; % 噪声功率
gaussian_noise = sqrt(noise_power)*randn(size(square_wave));

% 加入噪声
noisy_signal = square_wave + gaussian_noise;

% 绘制信号图形
plot(t, noisy_signal);
xlabel('时间 (s)');
ylabel('幅值');
title('方波信号加高斯白噪声');

解释一下代码：

1. 首先定义采样频率 `fs`、时间向量 `t`、方波频率 `f` 和占空比 `duty_cycle`。
2. 使用 `square` 函数生成占空比为50%的方波信号 `square_wave`。
3. 根据信噪比计算出噪声功率，并使用 `randn` 函数生成具有该功率的高斯白噪声 `gaussian_noise`。
4. 将方波信号和噪声相加，得到带噪声的信号 `noisy_signal`。
5. 使用 `plot` 函数绘制带噪声的信号图形。

需要注意的是，在实际应用中，需要根据具体情况选择适当的信噪比和噪声功率，以达到所需的效果。