如何为余弦信号添加SNR为2dB的正弦+随机混合噪声？

没问题，我来一步步帮你完成噪声功率的调整，实现目标2dB信噪比。你已经完成了噪声合并和功率计算这两个关键步骤，接下来的核心是通过幅度缩放因子调整噪声功率，具体操作如下：

1. 明确SNR的定义与转换 #

首先要明确，信噪比（SNR）的dB值和线性值的转换关系：

SNR(dB) = 10 * log₁₀(信号功率 / 噪声功率)

你的目标是2dB SNR，先把它转换成线性SNR值：

snr_dB = 2
snr_linear = 10 ** (snr_dB / 10)

2. 计算目标噪声功率 #

设你已经算出：

• 余弦信号的功率为 P_signal（通过Parseval定理得到）
• 合并后原始噪声的功率为 P_noise_original

根据SNR的定义，线性SNR = 信号功率 / 目标噪声功率，因此可以反推目标噪声功率：

P_noise_target = P_signal / snr_linear

3. 计算噪声的幅度缩放因子 #

因为信号功率和幅度的平方成正比，所以调整后的噪声功率 = 缩放因子² × 原始噪声功率。由此可以解出缩放因子 alpha：

import numpy as np

alpha = np.sqrt(P_noise_target / P_noise_original)

4. 缩放噪声并生成带噪信号 #

用计算出的缩放因子乘以原始合并噪声，得到符合功率要求的噪声，再和余弦信号相加：

# 假设cos_signal是你的余弦信号数组，combined_noise是原始合并噪声数组
adjusted_noise = alpha * combined_noise
noisy_signal = cos_signal + adjusted_noise

5. 验证最终SNR（可选但推荐） #

为了确保调整正确，可以重新计算带噪信号的SNR：

# 计算调整后噪声的实际功率
P_noise_actual = np.sum(np.square(adjusted_noise)) / len(adjusted_noise)
# 计算实际SNR（dB）
actual_snr_dB = 10 * np.log10(P_signal / P_noise_actual)
print(f"实际SNR: {actual_snr_dB:.2f} dB")

关键注意事项 #

• 确保你用Parseval定理计算功率时，是离散信号的正确版本：对于长度为N的离散信号，功率等于时域平方和除以N（或者频域幅度平方和除以N²，两者结果一致）。
• 如果你的噪声存在直流分量，建议先减去均值再进行功率计算，否则会影响SNR的准确性。

内容的提问来源于stack exchange，提问作者AAA