建立雜訊訊號源，可產生七種不同雜訊(Noise)。
說明
以下介紹各項雜訊的定義，令
代表雜訊：
|
雜訊 |
數學表示式 |
說明 |
|
White noise |
|
白雜訊的數學期望為 0，雜訊之平均值為零， |
|
GaussianNoise |
|
若雜訊在統計上呈現Normal Distribution高斯分佈，則此雜訊為Gaussian
Noise。高斯分佈的期望值 |
|
SpeckleNoise |
- |
斑點型雜訊，振幅非最大值、則即為零，依照機率P 控制出現次數。 |
|
Pink Noise |
|
此雜訊之傅立葉轉換之密度值反比於頻率；F 表示傅立葉轉換之密度值，f 表示頻率。 |
|
Brownian Noise |
|
此雜訊之傅立葉轉換密度值反比於頻率平方；F 表示傅立葉轉換之密度值，f 表示頻率。 |
|
Blue Noise |
|
此雜訊之傅立葉轉換密度值正比於頻率；F 表示傅立葉轉換之密度值，f 表示頻率。 |
|
Violet Noise |
|
此雜訊之傅立葉轉換密度值正比於頻率平方；F 表示傅立葉轉換之密度值，f 表示頻率。 |
參數設定(Properties)
|
參數名稱 |
參數定義 |
預設值 |
|
TimeUnit |
時間單位，可為皮秒(ps)、奈秒(ns)、微秒(us)、毫秒(ms)、秒(sec)、分(minute)、時(hour)、日(day)、月(month)、年(year)。 |
秒 |
|
TimeLength |
時間長度，時間單位為TimeUnit。 |
1 |
|
SamplingFreq |
取樣頻率，單位時間內共要取幾個點。 |
1000 |
|
DataLength |
產生信號的資料長度，即總共的取樣點數。為取樣頻率 |
1001 |
|
Amplitude |
雜訊之振幅。 |
1 |
|
AmplitudeOffSet |
雜訊振幅之平移量。 |
0 |
|
TimeStart |
設定雜訊之時間起點。 |
0 |
其中 Gaussian Noise 與 Speckle Noise 還需多兩參數 :
|
參數名稱 |
參數定義 |
預設值 |
|
Sigma(Gaussian) |
設定高斯函數之寬度。 |
1 |
|
Probability(Speckle) |
設定 Speckle 雜訊發生之機率。 |
0.005 |
範例(Example)
雜訊檢測：
-
以 Source / Noise 建立七個不同種類的雜訊訊號源，全部以 Viewer / Channel Viewer 繪出。
-
接下來測試各雜訊的行為：將 Pink Noise 做 Compute / Transform / FFT 傅立葉轉換，取Conversion / Map ToReal，再將 ToReal 中的 Properties / MapMethod 設定為 PowerSpectrum，可發現此頻譜密度值大體上與頻率成反比 ( 也可不接 Map to Real 直接將 Viewer 中的 YValueType 設為 Powerspectrum )。
-
步驟2的作法同樣可應用於 Brown、Blue、Violet 等其他有色雜訊，如對 Blue Noise 可得下面之頻譜密度值，可見 Blue Noise 之頻譜密度值正比於頻率。
-
將 Noise Type 設定為 Gaussian Noise，且 Time Length 設為 100 秒，以 Viewer / Histogram Viewer 可以畫出 Gaussin Noise 的統計直方圖，其分佈曲線即為常態分怖。
相關指令
Channel Viewer，Fourier Transform，Map To Real。
相關資料