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：

%% 生成原始信号
fs = 1024; % 采样频率
t = 0:1/fs:10-1/fs; % 时间向量
f1 = 0.3; % 信号频率1
f2 = 10; % 信号频率2
x = sin(2*pi*f1*t) + sin(2*pi*f2*t); % 生成两个正弦信号
x = x + randn(size(x)); % 加入高斯噪声

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：

%% 奇异谱分析SSA去噪
L = 128; % 窗口长度
ssa = ssadata(x, L); % 用SSA分解信号
k = 15; % 选取的奇异值个数
y = zeros(size(x)); % 去噪后的信号
for i = 1:k
    Ei = ssa.E(i); % 获取第i个奇异值
    Si = ssa.Si(:, i); % 获取第i个奇异向量
    y = y + (Si*Si')*x/Ei; % 恢复第i个信号分量
end
y = real(y); % 取实部

计算信噪比和峰值信噪比的代码：

%% 评价去噪效果
SNR = snr(x, x-y); % 计算信噪比
PSNR = psnr(x, y); % 计算峰值信噪比
disp(['信噪比SNR：', num2str(SNR), ' dB']);
disp(['峰值信噪比PSNR：', num2str(PSNR), ' dB']);

完整代码如下：

%% 生成原始信号
fs = 1024; % 采样频率
t = 0:1/fs:10-1/fs; % 时间向量
f1 = 0.3; % 信号频率1
f2 = 10; % 信号频率2
x = sin(2*pi*f1*t) + sin(2*pi*f2*t); % 生成两个正弦信号
x = x + randn(size(x)); % 加入高斯噪声

%% 奇异谱分析SSA去噪
L = 128; % 窗口长度
ssa = ssadata(x, L); % 用SSA分解信号
k = 15; % 选取的奇异值个数
y = zeros(size(x)); % 去噪后的信号
for i = 1:k
    Ei = ssa.E(i); % 获取第i个奇异值
    Si = ssa.Si(:, i); % 获取第i个奇异向量
    y = y + (Si*Si')*x/Ei; % 恢复第i个信号分量
end
y = real(y); % 取实部

%% 评价去噪效果
SNR = snr(x, x-y); % 计算信噪比
PSNR = psnr(x, y); % 计算峰值信噪比
disp(['信噪比SNR：', num2str(SNR), ' dB']);
disp(['峰值信噪比PSNR：', num2str(PSNR), ' dB']);

%% 绘图
figure;
subplot(2,1,1);
plot(t, x);
title('原始信号');
xlabel('时间/s');
ylabel('幅值');
subplot(2,1,2);
plot(t, y);
title('去噪后的信号');
xlabel('时间/s');
ylabel('幅值');