matlab产生随机数
Matlab(mathworks) 随机数生成方法：

第一种方法是用 random 语句，其一般形式为
                    y = random('分布的英文名',A1,A2,A3,m,n)，
表示生成 m 行 n 列的 m × n 个参数为 ( A1 , A2 , A3 ) 的该分布的随机数。例如:
(1) R = random('Normal',0,1,2,4): 生成期望为 0,标准差为 1 的(2 行 4 列)2× 4 个正态随机数
(2) R = random('Poisson',1:6,1,6):　 依次生成参数为 1 到 6 的(1 行 6 列)6 个 Poisson 随机数

第二种方法是针对特殊的分布的语句：
一． 几何分布随机数　 （下面的 P，m 都可以是矩阵）
  R = geornd(P) 　 （生成参数为 P 的几何随机数）
  R = geornd(P,m)　 （生成参数为 P 的 × m 个几何随机数）
                                    １
  R = geornd(P,m,n)　 （生成参数为 P 的 m 行 n 列的 m × n 个几何随机数）
    例如
(1)　 R = geornd(1./ 2.^(1:6)) ( 生成参数依次为 1/2,1/2^2,到 1/2^6 的 6 个几何随机数)
(2)　 R = geornd(0.01,[1 5]) (生成参数为 0.01 的（１行５列）5 个几何随机数).

二．Beta 分布随机数
R = betarnd(A,B)　 （生成参数为 A,B 的 Beta 随机数）
R = betarnd(A,B,m)　 （生成 × m 个数为 A,B 的 Beta 随机数）
                          １
R = betarnd(A,B,m,n)　 （生成 m 行 n 列的 m × n 个数为 A,B 的 Beta 随机数）.

三．正态随机数
R = normrnd(MU，SIGMA)　 （生成均值为 MU，标准差为 SIGMA 的正态随机数）
R = normrnd(MU，SIGMA,m)　 （生成 1× m 个正态随机数）
                                     
R = normrnd(MU，SIGMA,m,n) （生成 m 行 n 列的 m × n 个正态随机数）
  例如
(1) R = normrnd(0,1,[1 5]) 　 生成 5 个正态(0,1) 随机数
                                 
(2) R = normrnd([1 2 3;4 5 6],0.1,2,3)　 生成期望依次为[1,2,3;4,5,6], 方差为 0.1 的 2× 3 个正态随机数．

四．二项随机数：类似地有
R = binornd(N,P)  R = binornd(N,P,m)   R = binornd(N,p,m,n)
  例如
  n = 10:10:60; 　 r1 = binornd(n,1./n)　 或 r2 = binornd(n,1./n,[1 6]) （都生成参数分别为
  1          1  ), L, ( 60, ) 的６个二项随机数．
(10,
    10          60

五．自由度为 V 的 χ 2 随机数：
R = chi2rnd(V)　   R = chi2rnd(V   　R = chi2rnd(V
                                    ,m)            ,m,n)

六．期望为 MU 的指数随机数（即 Exp                      随机数）：
                                      1
                                      MU
R = exprnd(MU)  　R = exprnd(MU,m)  R = exprnd(MU,m,n)

七．自由度为 V1， V2 的 F 分布随机数：
  R = frnd(V1，V2)  R = frnd(V1， V2,m)  R = frnd(V1，V2,m,n)

八． Γ ( A, λ ) 随机数：
  R = gamrnd（A,lambda）　 R = gamrnd（A,lambda,m)　 R = gamrnd（A,lambda,m,n)

九．超几何分布随机数：
  R = hygernd(N,K,M)  　R = hygernd(N,K,M,m)  R = hygernd(N,K,M,m,n)

十．对数正态分布随机数
  R = lognrnd(MU，SIGMA)　 R = lognrnd(MU，SIGMA,m)　 R = lognrnd(MU，SIGMA,m,n)

十一．负二项随机数：
  R = nbinrnd(r,p)  　R = nbinrnd(r,p,m)  　R = nbinrnd(r,p,m,n)

十二．Poisson 随机数：
  R = poissrnd(lambda)   R = poissrnd(lambda,m)  R = poissrnd(lambda,m,n)
    例如，以下 3 种表达有相同的含义：lambda = 2;　 R = poissrnd(lambda,1,10)
（或 R = poissrnd(lambda,[1 10])　 或 R = poissrnd(lambda(ones(1,10)))

十三．Rayleigh 随机数：
  R = raylrnd(B)   　R = raylrnd(B,m)  　R = raylrnd(B,m,n)

十四．V 个自由度的 t 分布的随机数：
  R = trnd(V)   　R = trnd(V,m)  　R = trnd(V,m,n)

                                              42
十五．离散的均匀随机数：
R = unidrnd(N)   R = unidrnd(N,m)  R = unidrnd(N,m,n)

十六．[A,B] 上均匀随机数
R = unifrnd(A,B)   R = unifrnd(A,B,m)  R = unifrnd(A,B,m,n)
例如 unifrnd(0,1:6)与 unifrnd(0,1:6,[1 6]) 都依次生成[0,1] 到[0,6]的６个均匀随机数．:

十七．Weibull 随机数
R = weibrnd(A,B)   R = weibrnd(A,B,m)  R = weibrnd(A,B,m,n)
MATLAB中产生高斯白噪声的两个函数
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（0dBmatlab生成随机数），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：

y=randn(1,2500);
y=y/std(y);
y=y-mean(y);
a=0.0128;
b=sqrt(0.9596);
y=a+b*y;

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。