matlab产生一个10兆hz的正弦信号并添加信噪比为-10dB的高斯白噪声

可以使用以下代码来生成一个10 MHz的正弦信号，并添加信噪比为-10 dB的高斯白噪声：

% 设置信号参数
fs = 100e6;        % 采样率为100 MHz
f0 = 10e6;         % 正弦信号频率为10 MHz
t = 0:1/fs:1/f0;   % 时间向量

% 生成正弦信号
x = sin(2*pi*f0*t);

% 生成高斯白噪声
snr_db = -10;      % 信噪比为-10 dB
snr = 10^(snr_db/10);
noise_power = norm(x)^2/(snr*length(x));
noise = sqrt(noise_power)*randn(size(x));

% 添加高斯白噪声
y = x + noise;

% 绘制信号和噪声
figure;
plot(t*1e6, x, 'b', t*1e6, y, 'r');
xlabel('时间（微秒）');
ylabel('幅度');
legend('信号', '信号+噪声');

在上面的代码中，首先定义了采样率、正弦信号频率和时间向量。然后生成了一个10 MHz的正弦信号。接下来，计算出要添加的高斯白噪声的功率，并生成了一个相应的噪声向量。最后将正弦信号和噪声相加，并绘制出信号和噪声的波形图。

相关问题

用matlab实现正弦信号f=10MHz的图像并添加高斯白噪声使信噪比为10dB，0dB，-10dB并在一幅图中显示

首先生成正弦信号：

t = 0:1e-9:1e-6; % 时间范围
f = 10e6; % 信号频率
A = 1; % 信号幅度
x = A*sin(2*pi*f*t); % 生成正弦信号

然后添加高斯白噪声：

SNR = [10, 0, -10]; % 信噪比
for i = 1:length(SNR)
    noise_power = A^2/10^(SNR(i)/10); % 计算噪声功率
    noise = sqrt(noise_power)*randn(size(t)); % 生成高斯白噪声
    x_noisy{i} = x + noise; % 添加噪声
end

最后将三个信噪比的信号在一幅图中显示：

figure;
plot(t, x_noisy{1}, 'r', t, x_noisy{2}, 'g', t, x_noisy{3}, 'b');
xlabel('时间');
ylabel('幅度');
title('带有不同信噪比的正弦信号');
legend('10dB', '0dB', '-10dB');

完整代码如下：

t = 0:1e-9:1e-6; % 时间范围
f = 10e6; % 信号频率
A = 1; % 信号幅度
x = A*sin(2*pi*f*t); % 生成正弦信号

SNR = [10, 0, -10]; % 信噪比
for i = 1:length(SNR)
    noise_power = A^2/10^(SNR(i)/10); % 计算噪声功率
    noise = sqrt(noise_power)*randn(size(t)); % 生成高斯白噪声
    x_noisy{i} = x + noise; % 添加噪声
end

figure;
plot(t, x_noisy{1}, 'r', t, x_noisy{2}, 'g', t, x_noisy{3}, 'b');
xlabel('时间');
ylabel('幅度');
title('带有不同信噪比的正弦信号');
legend('10dB', '0dB', '-10dB');

matlab对一个高斯白噪声为-10dB的10khz正弦波进行FFT并画出频谱图分析信噪比

首先，生成一个10kHz的正弦波信号，并加入高斯白噪声：

fs = 100e3; % 采样率为100kHz
t = 0:1/fs:1-1/fs; % 1秒钟的采样点数
f0 = 10e3; % 10kHz的正弦波
x = sin(2*pi*f0*t) + 10^(-10/20)*randn(size(t)); % 添加-10dB的高斯白噪声

接下来，进行FFT变换，并计算频域信号的幅度谱：

N = length(x); % 信号长度
X = fft(x)/N; % 进行FFT变换
f = (0:N-1)*fs/N; % 计算频率轴
mag = 2*abs(X(1:N/2)); % 计算幅度谱

最后，画出频谱图，并计算信噪比：

plot(f(1:N/2)/1000, mag); % 画出频谱图
xlabel('Frequency (kHz)');
ylabel('Amplitude');
title('FFT Analysis');

% 计算信噪比
P_signal = sum(abs(X(1:50)).^2);
P_noise = sum(abs(X(51:end)).^2);
SNR = 10*log10(P_signal/P_noise);
fprintf('SNR = %.2f dB\n', SNR);

这里假设信号的频率范围为0-50kHz，因此信号占用了前50个FFT系数，而噪声占用了剩余的FFT系数。计算出信号和噪声的功率之后，就可以计算信噪比了。