- 统计学教程
- 首页
- 调整后的R平方
- 方差分析
- 算术平均数
- 算术中位数
- 算术众数
- 算术极差
- 条形图
- 最佳点估计
- 贝塔分布
- 二项分布
- 布莱克-斯科尔斯模型
- 箱线图
- 中心极限定理
- 切比雪夫定理
- 卡方分布
- 卡方表
- 环排列
- 整群抽样
- 科恩Kappa系数
- 组合
- 有放回组合
- 比较图表
- 连续均匀分布
- 连续数列算术平均数
- 连续数列算术中位数
- 连续数列算术众数
- 累积频率
- 变异系数
- 相关系数
- 累积图
- 累积泊松分布
- 数据收集
- 数据收集 - 问卷设计
- 数据收集 - 观察
- 数据收集 - 案例研究方法
- 数据模式
- 十分位数统计
- 离散数列算术平均数
- 离散数列算术中位数
- 离散数列算术众数
- 点图
- 指数分布
- F分布
- F检验表
- 阶乘
- 频率分布
- 伽马分布
- 几何平均数
- 几何概率分布
- 拟合优度
- 总平均数
- Gumbel分布
- 调和平均数
- 调和数
- 谐振频率
- 直方图
- 超几何分布
- 假设检验
- 个体数列算术平均数
- 个体数列算术中位数
- 个体数列算术众数
- 区间估计
- 逆伽马分布
- Kolmogorov-Smirnov检验
- 峰度
- 拉普拉斯分布
- 线性回归
- 对数伽马分布
- 逻辑回归
- 麦克尼马尔检验
- 平均差
- 均值差异
- 多项分布
- 负二项分布
- 正态分布
- 奇排列和偶排列
- 单比例Z检验
- 异常值函数
- 排列
- 有放回排列
- 饼图
- 泊松分布
- 合并方差(r)
- 功效计算器
- 概率
- 概率加法定理
- 概率乘法定理
- 概率贝叶斯定理
- 概率密度函数
- 过程能力(Cp)和过程性能(Pp)
- 过程Sigma
- 二次回归方程
- 定性数据与定量数据
- 四分位差
- 经验法则
- 瑞利分布
- 回归截距置信区间
- 相对标准偏差
- 信度系数
- 所需样本量
- 残差分析
- 残差平方和
- 均方根
- 样本计划
- 抽样方法
- 散点图
- 香农-维纳多样性指数
- 信噪比
- 简单随机抽样
- 偏度
- 标准差
- 标准误差(SE)
- 标准正态分布表
- 统计显著性
- 统计公式
- 统计符号
- 茎叶图
- 分层抽样
- 学生t检验
- 平方和
- t分布表
- TI 83指数回归
- 转换
- 截尾均值
- I型和II型错误
- 方差
- 维恩图
- 大数弱定律
- Z表
- 统计学有用资源
- 统计学 - 讨论
统计学 - 信噪比
信噪比(SNR)是科学和工程中使用的一种度量,用于分析所需信号的电平与背景噪声的电平。它定义为信号能量与噪声功率之比,通常以分贝表示。大于1:1(大于0 dB)的比率表示信号大于噪声。虽然SNR通常用于电信号,但它可以应用于任何类型的信号,例如冰芯中的同位素水平或细胞之间的生化信号。
信噪比定义为信号(有意义的信息)功率与背景噪声(不需要的信号)功率之比。
${SNR = \frac{P_{signal}}{P_{noise}}}$
如果已知信号和噪声的方差,并且信号为零
${SNR = \frac{\sigma^2_{signal}}{\sigma^2_{noise}}}$
如果信号和噪声是在相同的阻抗上测量的,则可以通过计算幅度比的平方来获得SNR
${SNR = \frac{P_{signal}}{P_{noise}} = {(\frac{A_{signal}}{A_{noise}})}^2} $
其中A是均方根(RMS)幅度(例如,RMS电压)。
分贝
因为许多信号具有非常宽的动态范围,所以信号通常使用对数分贝标度表示。根据分贝的定义,信号和噪声可以用分贝(dB)表示为
${P_{signal,dB} = 10log_{10}(P_{signal})} $
和
${P_{noise,dB} = 10log_{10}(P_{noise})} $
以类似的方式,SNR可以用分贝表示为
${SNR_{dB} = 10log_{10}(SNR)} $
使用SNR的定义
${SNR_{dB} = 10log_{10}(\frac{P_{signal}}{P_{noise}})} $
使用对数的商法则
${10log_{10}(\frac{P_{signal}}{P_{noise}}) = 10log_{10}(P_{signal}) - 10log_{10}(P_{noise})} $
将SNR、信号和噪声的分贝定义代入上述等式,得到一个计算分贝信噪比的重要公式,当信号和噪声也以分贝表示时
${SNR_{dB} = P_{signal,dB} - P_{noise,dB}} $
在上述公式中,P以功率单位(如瓦特或毫瓦)测量,信噪比是一个纯数。
但是,当信号和噪声以伏特或安培测量时,它们是幅度的量度,必须将其平方才能与功率成正比,如下所示
${SNR_{dB} = 10log_{10}[{(\frac{A_{signal}}{A_{noise}})}^2] \\[7pt] = 20log_{10}(\frac{A_{signal}}{A_{noise}}) \\[7pt] = A_{signal,dB} - A_{noise,dB}} $
示例
问题陈述
计算以48 kHz采样的2.5 kHz正弦波的SNR。添加标准差为0.001的白噪声。将随机数生成器设置为默认设置以获得可重现的结果。
解决方案
${ F_i = 2500; F_s = 48e3; N = 1024; \\[7pt] x = sin(2 \times pi \times \frac{F_i}{F_s} \times (1:N)) + 0.001 \times randn(1,N); \\[7pt] SNR = snr(x,Fs) \\[7pt] SNR = 57.7103}$
广告