- 统计教程
- 家
- 调整后的 R 平方
- 方差分析
- 算术平均值
- 算术中位数
- 算术模式
- 算术范围
- 条状图
- 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
- 循环排列
- 整群抽样
- 科恩卡帕系数
- 组合
- 与替换组合
- 比较图
- 连续均匀分布
- 连续级数算术平均值
- 连续级数算术中位数
- 连续级数运算模式
- 累积频率
- 变异系数
- 相关系数
- 累计地块
- 累积泊松分布
- 数据采集
- 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
- 离散级数算术平均值
- 离散级数算术中位数
- 离散级数运算模式
- 点图
- 指数分布
- F分布
- F测试台
- 阶乘
- 频率分布
- 伽玛分布
- 几何平均数
- 几何概率分布
- 拟合优度
- 中庸之道
- 甘贝尔分布
- 调和平均值
- 谐波数
- 谐波共振频率
- 直方图
- 超几何分布
- 假设检验
- 个别系列算术平均值
- 个别系列算术中位数
- 个别系列运算模式
- 区间估计
- 逆伽玛分布
- 柯尔莫哥洛夫斯米尔诺夫检验
- 峰度
- 拉普拉斯分布
- 线性回归
- 对数伽玛分布
- 逻辑回归
- 麦克尼马尔测试
- 平均偏差
- 均值差异
- 多项式分布
- 负二项分布
- 正态分布
- 奇数和偶数排列
- 一比例 Z 检验
- 异常值函数
- 排列
- 置换置换
- 饼形图
- 泊松分布
- 合并方差 (r)
- 功率计算器
- 可能性
- 概率加性定理
- 概率倍数定理
- 概率贝叶斯定理
- 概率密度函数
- 过程能力 (Cp) 和过程性能 (Pp)
- 过程西格玛
- 二次回归方程
- 定性数据与定量数据
- 四分位数偏差
- 范围经验法则
- 瑞利分布
- 回归截距置信区间
- 相对标准偏差
- 可靠性系数
- 所需样本量
- 残差分析
- 残差平方和
- 均方根
- 样品策划
- 取样方式
- 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)
- 标准普通表
- 统计学意义
- 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
- 弱大数定律
- Z工作台
- 统计有用资源
- 统计 - 讨论
统计数据 - 信噪比
信号与噪音比(收缩信噪比)是科学和设计的一部分,用于分析令人垂涎的信号强度与基本噪音水平的关系。它的特征是信号能量与噪音功率的比例,通常以分贝为单位进行交流。高于 1:1(比 0 dB 更突出)的比例表明旗帜多于喧闹。虽然信噪比经常被引用来表示电信号,但它可以与任何类型的信号相关(例如,冰中心的同位素水平或细胞之间的生化运动)。
信噪比定义为信号(有意义的信息)的功率与背景噪声(无用信号)的功率之比:
${SNR = \frac{P_{信号}}{P_{噪声}}}$
如果信号和噪声的方差已知,并且信号为零:
${信噪比 = \frac{\sigma^2_{信号}}{\sigma^2_{噪声}}}$
如果在同一阻抗上测量信号和噪声,则可以通过计算幅度比的平方来获得 SNR:
${SNR = \frac{P_{信号}}{P_{噪声}} = {(\frac{A_{信号}}{A_{噪声}})}^2} $
其中 A 是均方根 (RMS) 幅度(例如 RMS 电压)。
分贝
由于许多信号具有非常宽的动态范围,因此信号通常使用对数分贝标度来表示。根据分贝的定义,信号和噪声可以用分贝 (dB) 表示:
${P_{信号,dB} = 10log_{10}(P_{信号})} $
和
${P_{噪声,dB} = 10log_{10}(P_{噪声})} $
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_{信号}}{P_{噪声}})} $
使用对数的商规则
${10log_{10}(\frac{P_{信号}}{P_{噪声}}) = 10log_{10}(P_{信号}) - 10log_{10}(P_{噪声})} $
当信号和噪声也以分贝为单位时,将 SNR、信号和以分贝为单位的噪声的定义代入上述方程,得出以分贝为单位计算信噪比的重要公式:
${SNR_{dB} = P_{信号,dB} - P_{噪声,dB}} $
上式中,P以功率单位测量,例如瓦特或毫瓦,信噪比是纯数。
然而,当信号和噪声以伏特或安培为单位(振幅的度量)进行测量时,必须对它们进行平方才能与功率成比例,如下所示:
${SNR_{dB} = 10log_{10}[{(\frac{A_{信号}}{A_{噪声}})}^2] \\[7pt] = 20log_{10}(\frac{A_{信号} }}{A_{噪声}}) \\[7pt] = A_{信号,dB} - A_{噪声,dB}} $
例子
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:
${ F_i = 2500; F_s = 48e3; N = 1024; \\[7pt] x = sin(2 \times pi \times \frac{F_i}{F_s} \times (1:N)) + 0.001 \times randn(1,N); \\[7pt] 信噪比 = snr(x,Fs) \\[7pt] 信噪比 = 57.7103}$