高斯噪声python代码

以下是一个简单的高斯噪声生成的Python代码示例：

import numpy as np
import matplotlib.pyplot as plt

# 设置均值和标准差
mu = 0
sigma = 1

# 生成高斯噪声
noise = np.random.normal(mu, sigma, 1000)

# 绘制直方图
plt.hist(noise, bins=50, density=True, alpha=0.7)
plt.xlabel('Value')
plt.ylabel('Density')
plt.title('Gaussian Noise')
plt.show()

该代码使用NumPy库生成了1000个服从均值为0、标准差为1的高斯分布的随机数，并使用Matplotlib库绘制了生成的高斯噪声的直方图。你可以根据需要调整均值和标准差的值，以获得不同分布特征的高斯噪声。

相关问题

添加高斯噪声python代码

可以使用NumPy库中的random模块来添加高斯噪声。以下是一个简单的例子：

import numpy as np

# 生成一个长度为100的随机数列
x = np.random.rand(100)

# 添加高斯噪声
mu, sigma = 0, 0.1 # 均值和标准差
noise = np.random.normal(mu, sigma, size=x.shape)
x_noisy = x + noise

# 输出结果
print(x_noisy)

在上面的代码中，我们使用`np.random.normal`函数生成了一个均值为0，标准差为0.1的高斯分布的随机数列，并将其加到原始数列`x`上，得到了带有高斯噪声的数列`x_noisy`。

高斯噪声python

在Python中可以使用NumPy库生成高斯噪声。以下是一个例子：

import numpy as np

# 生成均值为0，标准差为1的高斯噪声
mean = 0
std = 1
size = 1000  # 噪声的长度为1000个数据点
gaussian_noise = np.random.normal(mean, std, size)

# 将高斯噪声添加到信号中
signal = np.sin(np.linspace(0, 2*np.pi, size))  # 假设信号为正弦波
noisy_signal = signal + gaussian_noise

在这个例子中，我们使用了NumPy的`np.random.normal()`函数生成了均值为0，标准差为1的高斯噪声，并将其添加到一个长度为1000的正弦波信号中。你可以根据你的具体需求调整均值、标准差和长度等参数。