matlab生成0.3~10Hz非线性非平稳的含噪随机信号的代码，然后对这个信号使用奇异谱分析SSA进行信号去噪并用信噪比和峰值信噪比评价去噪效果的matlab代码

生成0.3~10Hz非线性非平稳的含噪随机信号的代码：

% 生成随机信号
t = 0:0.001:10; % 时间范围
x = sin(2*pi*0.3*t) + 0.5*sin(2*pi*1.5*t) + 0.2*sin(2*pi*5*t) + 0.1*sin(2*pi*10*t); % 生成包含多个频率的信号
x = x + 0.5*randn(size(x)); % 加入高斯白噪声

使用奇异谱分析SSA进行信号去噪并用信噪比和峰值信噪比评价去噪效果的matlab代码：

% 奇异谱分析SSA信号去噪
k = 50; % 设置信号的分解级数
X = hankel(x(1:k),x(k:end)); % 构建Hankel矩阵
[U,S,V] = svd(X); % 对Hankel矩阵进行奇异值分解
r = rank(X); % 计算秩
Ur = U(:,1:r); % 取前r个左奇异向量
Sr = S(1:r,1:r); % 取前r个奇异值
Vr = V(:,1:r); % 取前r个右奇异向量
x_hat = Ur*Sr*Vr'; % 重构信号

% 计算信噪比和峰值信噪比
SNR = snr(x,x-x_hat); % 计算信噪比
PSNR = psnr(x,x_hat); % 计算峰值信噪比

% 画图
subplot(2,1,1);
plot(t,x,'b',t,x_hat,'r');
xlabel('Time (s)');
ylabel('Amplitude');
legend('Original signal','Reconstructed signal');
title(['SNR = ', num2str(SNR), ' dB, PSNR = ', num2str(PSNR), ' dB']);

subplot(2,1,2);
[~,f,psdx] = periodogram(x,[],[],1000);
[~,f_hat,psdx_hat] = periodogram(x-x_hat,[],[],1000);
plot(f,10*log10(psdx),'b',f_hat,10*log10(psdx_hat),'r');
xlabel('Frequency (Hz)');
ylabel('Power/frequency (dB/Hz)');
legend('Original signal','Reconstructed signal');

其中，SNR和PSNR分别表示信噪比和峰值信噪比。在画图时，上图为原始信号和去噪后的信号的时域波形对比，下图为原始信号和去噪后的信号的功率谱密度对比。