如何在Julia中按任意指数生成幂律噪声？有无TK95等效函数？

目前Julia生态中没有与R的TK95函数完全等效的开箱即用工具，但可以通过手动实现傅里叶域缩放的方式，生成任意幂律指数的有色噪声——这也是TK95函数的核心原理。

已知SignalAnalysis.jl的rand(RedGaussian(size))仅支持幂律指数为2的红噪声，以下是通用实现方案：

核心实现思路 #

TK95通过构造傅里叶谱幅度与频率呈f^(-α)（α为输入的幂律指数）关系的信号，再经逆傅里叶变换得到有色噪声。我们可以直接复现这个逻辑：

1. 生成白噪声的傅里叶变换结果
2. 对傅里叶系数的幅度按幂律关系缩放
3. 逆傅里叶变换并取实部，得到实值有色噪声

代码实现 #

using FFTW

function generate_power_law_noise(sample_count::Int, power_law_exponent::Float64)
    # 生成白噪声并计算傅里叶变换
    fft_vals = fft(randn(sample_count))
    # 获取频率轴（避免零频率分量出现除以0的情况）
    frequencies = fftfreq(sample_count)
    frequencies[1] = 1e-10  # 替换零频率为极小值
    # 计算幅度缩放因子：|f|^(-α/2)，对应功率谱|f|^(-α)
    scaling_factors = abs.(frequencies) .^ (-power_law_exponent / 2)
    # 应用缩放并逆变换回时域
    scaled_fft = fft_vals .* scaling_factors
    noise_signal = real(ifft(scaled_fft))
    # 可选：归一化噪声的标准差为1
    noise_signal = noise_signal ./ std(noise_signal)
    return noise_signal
end

使用示例 #

生成包含1000个样本、幂律指数为1.5的有色噪声：

noise = generate_power_law_noise(1000, 1.5)

细节说明 #

• 函数中的power_law_exponent对应R的TK95函数中的alpha参数，即傅里叶功率谱与频率的负指数成正比
• 零频率分量被替换为极小值，避免计算时出现除以0的错误
• 最终取逆傅里叶变换的实部，保证输出为实值信号
• 如果需要完全对齐TK95的输出特性，可以参考其源码中的归一化或频率处理细节进行微调

内容的提问来源于stack exchange，提问作者João Vitor Vieira Flauzino