使用python生成正弦信号并添加标准白噪声

生成正弦信号可以使用Python中的NumPy库中的sin函数，添加标准白噪声可以使用NumPy库中的random.normal函数。以下是代码示例：

import numpy as np
import matplotlib.pyplot as plt

# 设置参数
fs = 1000  # 采样频率
f = 50  # 正弦信号频率
amp = 1  # 正弦信号幅度
duration = 1  # 信号持续时间

# 生成时间序列
t = np.arange(0, duration, 1/fs)

# 生成正弦信号
x = amp * np.sin(2*np.pi*f*t)

# 生成标准白噪声
noise = np.random.normal(0, 1, len(x))

# 添加噪声
x_noise = x + noise

# 绘制图像
plt.plot(t, x_noise)
plt.xlabel('Time (s)')
plt.ylabel('Amplitude')
plt.show()

在上述代码中，我们首先设置了采样频率、信号频率、信号幅度和信号持续时间等参数。然后，利用np.arange函数生成时间序列，再使用np.sin函数生成正弦信号。接着，使用np.random.normal函数生成标准白噪声，最后将噪声添加到正弦信号上。最终，使用matplotlib库中的plot函数绘制出信号的波形图。

相关问题

使用python生成幅值不断变化的正弦信号并添加标准白噪声

生成幅值不断变化的正弦信号可以使用Python中的NumPy库中的sin函数，而幅值不断变化可以通过一个函数来实现。添加标准白噪声可以使用NumPy库中的random.normal函数。以下是代码示例：

import numpy as np
import matplotlib.pyplot as plt

# 设置参数
fs = 1000  # 采样频率
f = 50  # 正弦信号频率
duration = 1  # 信号持续时间

# 定义幅值变化函数
def envelope(t):
    return 1 + 0.5*np.sin(2*np.pi*2*t)

# 生成时间序列
t = np.arange(0, duration, 1/fs)

# 生成正弦信号
x = envelope(t) * np.sin(2*np.pi*f*t)

# 生成标准白噪声
noise = np.random.normal(0, 1, len(x))

# 添加噪声
x_noise = x + noise

# 绘制图像
plt.plot(t, x_noise)
plt.xlabel('Time (s)')
plt.ylabel('Amplitude')
plt.show()

在上述代码中，我们首先设置了采样频率、信号频率和信号持续时间等参数。然后，定义了一个幅值变化函数envelope(t)，该函数在时间t上的幅值为1加上0.5乘以一个频率为2的正弦信号。接着，生成时间序列，再使用envelope(t)函数生成幅值不断变化的正弦信号。接下来，使用np.random.normal函数生成标准白噪声，最后将噪声添加到幅值不断变化的正弦信号上。最终，使用matplotlib库中的plot函数绘制出信号的波形图。

.编程设计一正弦信号(频率 10hz)加高斯白噪声的复合信号(信号比取 10),抽样频率 1

首先，我们可以使用Python语言编写程序来生成正弦信号和高斯白噪声信号。为了生成一个频率为10Hz的正弦信号，我们可以使用正弦函数sin()，并设置其频率为10Hz，采样频率为1Hz。同时，为了生成高斯白噪声信号，我们可以使用numpy库中的random模块中的normal()函数，设置其均值为0和标准差为1。然后，将两个信号混合在一起，信号比设定为10。最后，将混合信号进行抽样，抽样频率为1Hz。

以下是一个示例代码：

import numpy as np
import matplotlib.pyplot as plt

# 生成正弦信号
frequency = 10  # 频率为10Hz
sampling_rate = 1  # 采样频率为1Hz
time = np.arange(0, 1, 1/sampling_rate)  # 时间从0到1秒
amplitude = np.sin(2*np.pi*frequency*time)  # 正弦信号的幅值

# 生成高斯白噪声信号
mean = 0
std_deviation = 1
noise = np.random.normal(mean, std_deviation, len(time))

# 将两个信号混合
signal_ratio = 10
composite_signal = amplitude + signal_ratio*noise

# 进行抽样
sampling_frequency = 1
sampled_time = np.arange(0, 1, 1/sampling_frequency)
sampled_signal = np.interp(sampled_time, time, composite_signal)

# 绘制混合信号图像
plt.plot(time, composite_signal)
plt.xlabel('Time (s)')
plt.ylabel('Amplitude')
plt.title('Composite Signal: Sinusoidal signal + Gaussian White Noise')
plt.show()

这段代码会生成一个混合信号的图像，其中包含一个频率为10Hz的正弦信号和一个加入了高斯白噪声的复合信号。混合信号的信号比为10，抽样频率为1Hz。你可以通过调整代码中的参数来改变信号的性质。