MATLAB 中产生高斯白噪声非常方便，可以直接应用两个函数，一个是 WGN，另一个是 AWGN。WGN 用于产生高斯白噪 声，AWGN 则用于在某一信号中加入高斯白噪声。 1. WGN：产生高斯白噪声 y = wgn(m,n,p) 产生一个 m 行 n 列的高斯白噪声的矩阵，p 以 dBW 为单位指定输出噪声的强度。 y = wgn(m,n,p,imp) 以欧姆(Ohm)为单位指定负载阻抗。 y = wgn(m,n,p,imp,state) 重置 RANDN 的状态。 在数值变量后还可附加一些标志性参数： y = wgn(…,POWERTYPE) 指定 p 的单位。POWERTYPE 可以是'dBW', 'dBm'或'linear'。线性强度(linear power)以瓦特(Watt)为 单位。 y = wgn(…,OUTPUTTYPE) 指定输出类型。OUTPUTTYPE 可以是'real'或'complex'。 2. AWGN：在某一信号中加入高斯白噪声 y = awgn(x,SNR) 在信号 x 中加入高斯白噪声。信噪比 SNR 以 dB 为单位。x 的强度假定为 0dBW。如果 x 是复数，就加入 复噪声。 y = awgn(x,SNR,SIGPOWER) 如果 SIGPOWER 是数值，则其代表以 dBW 为单位的信号强度；如果 SIGPOWER 为'measured'， 则函数将在加入噪声之前测定信号强度。 y = awgn(x,SNR,SIGPOWER,STATE) 重置 RANDN 的状态。 y = awgn(…,POWERTYPE) 指定 SNR 和 SIGPOWER 的单位。POWERTYPE 可以是'dB'或'linear'。如果 POWERTYPE 是'dB'，那么 SNR 以 dB 为单位，而 SIGPOWER 以 dBW 为单位。如果 POWERTYPE 是'linear'，那么 SNR 作为比值来度量，而 SIGPOWER 以瓦特为单位。 注释 1. 分贝(decibel, dB)：分贝（dB）是表示相对功率或幅度电平的标准单位，换句话说，就是我们用来表示两个能量之间的 差别的一种表示单位，它不是一个绝对单位。例如，电子系统中将电压、电流、功率等物理量的强弱通称为电平，电平 的单位通常就以分贝表示，即事先取一个电压或电流作为参考值（0dB），用待表示的量与参考值之比取对数，再乘以 20 作为电平的分贝数（功率的电平值改乘 10）。 2. 分贝瓦(dBW, dB Watt)：指以 1W 的输出功率为基准时，用分贝来测量的功率放大器的功率值。 3. dBm (dB-milliWatt)：即与 1milliWatt（毫瓦）作比较得出的数字。 0 dBm = 1 mW 10 dBm = 10 mW 20 dBm = 100 mW 也可直接用 randn 函数产生高斯分布序列，例如： 程序代码 y=randn(1,2500); y=y/std(y); y=y-mean(y); a=0.0128; b=sqrt(0.9596); y=a+b*y; 就得到了 N ( 0.0128, 0.9596 ) 的高斯分布序列 

产生指定方差和均值的随机数 设某个随机变量 x 均值为 mu，方差为 var^2，若要产生同样分布的随机变量 y，但使新的随 机变量参数改变，均值为 mu_1，方差为 var_1^2，可以用如下公式进行变换： y=var_1/var*(x-mu)+mu_1，其中 x 为随机变量，其余为常数（原分布参数）。 具体到正态分布，若要产生均值为 u，方差为 o^2 的 M*N 的随机数矩阵，可以用 y=o*randn(M,N)+u 得到。 对于均匀分布，若要产生[a,b]区间的均匀分布的 M*N 的随机数矩阵，则可以用 y=rand(M,N)*(b-a)+a 得到。 %===========================================================% 上述资料基本上完整地描述了原始问题，不过有几点内容附带说明一下： 1. 首先更正一个错误，我认为在“生成 N ( 0.0128, 0.9596 ) 的高斯分布序列”的程序中，应该改为以下的代码： 程序代码 y=randn(1,2500); y=y-mean(y); y=y/std(y); a=0.0128; b=sqrt(0.9596); y=a+b*y; 2. 上面资料最后部分隐含了一个出自 zhyuer 版友的结论： %==========================zhyuer===================================% 1) rand 产生的是[0，1]上的均匀分布的随机序列 2) randn 产生均值为 0，方差为 1 的高斯随机序列，也就是白噪声序列； %===================================================================% 也就是说，可以直接使用上面两个函数对原始信号添加噪声（例如 y=x+rand(length(x),1)或者 y=x+randn(length(x),1)） 3. 事实上，无论是 wgn 还是 awgn 函数，实质都是由 randn 函数产生的噪声。即，wgn 函数中调用了 randn 函数，而 awgn 函数中调用了 wgn 函数。下面就我熟悉的“向已知信号添加某个信噪比（SNR）的高斯白噪声”来说明一下，不过如果大 家阅读过 awgn 的实现代码就不用看下去了，呵呵。从上述可知，这个任务可以使用 awgn 函数实现，具体命令是： awgn(x,snr,’measured’,'linear’)，命令的作用是对原信号 f(x)添加信噪比（比值）为 SNR 的噪声，在添加之前先估计信号 f 的强度。这里涉及三个问题：在 awgn 这个函数中，SNR 是如何计算的？什么是信号的强度？awgn 函数具体是如何添加 噪声的？事实上，前两个问题是相关的，因为根据定义，SNR 就是信号的强度除以噪声的强度，所以，首先来讲讲信号 的强度。其实信号的强度指的就是信号的能量，在连续的情形就是对 f(x)平方后求积分，而在离散的情形自然是求和代 替积分了。在 matlab 中也是这样实现的，只不过多了一个规范化步骤罢了： sigPower = sum(abs(sig().^2)/length(sig() 这就是信号的强度。至此，SNR 的具体实现也不用多说了（注：由于采用的是比值而非 db，所以与下面“计算信噪比”所 使用的方式不同，即没有求对数步骤）。 最后说说 awgn 函数具体是如何添加噪声的。事实上也很简单，在求出 f 的强度后，结合指定的信噪比，就可以求出需 要添加的噪声的强度 noisePower=sigPower/SNR。由于使用的是高斯白噪声即 randn 函数，而 randn 的结果是一个强度为 1 的随机序列（自己试试 sum(randn(1000,1).^2)/1000 就知道了，注意信号的长度不能太小）。于是，所要添加的噪声信 

号显然就是：sqrt(noisePower)*randn(n,1)，其中 n 为信号长度。