- 統計學教程
- 首頁
- 調整後的R平方
- 方差分析
- 算術平均數
- 算術中位數
- 算術眾數
- 算術極差
- 條形圖
- 最佳點估計
- 貝塔分佈
- 二項分佈
- 布萊克-斯科爾斯模型
- 箱線圖
- 中心極限定理
- 切比雪夫定理
- 卡方分佈
- 卡方表
- 環排列
- 整群抽樣
- 科恩Kappa係數
- 組合
- 有放回組合
- 比較圖表
- 連續均勻分佈
- 連續數列算術平均數
- 連續數列算術中位數
- 連續數列算術眾數
- 累積頻率
- 變異係數
- 相關係數
- 累積圖
- 累積泊松分佈
- 資料收集
- 資料收集 - 問卷設計
- 資料收集 - 觀察
- 資料收集 - 案例研究方法
- 資料模式
- 十分位數統計
- 離散數列算術平均數
- 離散數列算術中位數
- 離散數列算術眾數
- 點圖
- 指數分佈
- F分佈
- F檢驗表
- 階乘
- 頻率分佈
- 伽馬分佈
- 幾何平均數
- 幾何機率分佈
- 擬合優度
- 總平均數
- Gumbel分佈
- 調和平均數
- 調和數
- 諧振頻率
- 直方圖
- 超幾何分佈
- 假設檢驗
- 個體數列算術平均數
- 個體數列算術中位數
- 個體數列算術眾數
- 區間估計
- 逆伽馬分佈
- Kolmogorov-Smirnov檢驗
- 峰度
- 拉普拉斯分佈
- 線性迴歸
- 對數伽馬分佈
- 邏輯迴歸
- 麥克尼馬爾檢驗
- 平均差
- 均值差異
- 多項分佈
- 負二項分佈
- 正態分佈
- 奇排列和偶排列
- 單比例Z檢驗
- 異常值函式
- 排列
- 有放回排列
- 餅圖
- 泊松分佈
- 合併方差(r)
- 功效計算器
- 機率
- 機率加法定理
- 機率乘法定理
- 機率貝葉斯定理
- 機率密度函式
- 過程能力(Cp)和過程效能(Pp)
- 過程Sigma
- 二次迴歸方程
- 定性資料與定量資料
- 四分位差
- 經驗法則
- 瑞利分佈
- 迴歸截距置信區間
- 相對標準偏差
- 信度係數
- 所需樣本量
- 殘差分析
- 殘差平方和
- 均方根
- 樣本計劃
- 抽樣方法
- 散點圖
- 夏農-維納多樣性指數
- 信噪比
- 簡單隨機抽樣
- 偏度
- 標準差
- 標準誤差(SE)
- 標準正態分佈表
- 統計顯著性
- 統計公式
- 統計符號
- 莖葉圖
- 分層抽樣
- 學生t檢驗
- 平方和
- t分佈表
- TI 83指數迴歸
- 轉換
- 截尾均值
- I型和II型錯誤
- 方差
- 維恩圖
- 大數弱定律
- Z表
- 統計學有用資源
- 統計學 - 討論
統計學 - 信噪比
信噪比(SNR)是科學和工程中使用的一種度量,用於分析所需訊號的電平與背景噪聲的電平。它定義為訊號能量與噪聲功率之比,通常以分貝表示。大於1:1(大於0 dB)的比率表示訊號大於噪聲。雖然SNR通常用於電訊號,但它可以應用於任何型別的訊號,例如冰芯中的同位素水平或細胞之間的生化訊號。
信噪比定義為訊號(有意義的資訊)功率與背景噪聲(不需要的訊號)功率之比。
${SNR = \frac{P_{signal}}{P_{noise}}}$
如果已知訊號和噪聲的方差,並且訊號為零
${SNR = \frac{\sigma^2_{signal}}{\sigma^2_{noise}}}$
如果訊號和噪聲是在相同的阻抗上測量的,則可以透過計算幅度比的平方來獲得SNR
${SNR = \frac{P_{signal}}{P_{noise}} = {(\frac{A_{signal}}{A_{noise}})}^2} $
其中A是均方根(RMS)幅度(例如,RMS電壓)。
分貝
因為許多訊號具有非常寬的動態範圍,所以訊號通常使用對數分貝標度表示。根據分貝的定義,訊號和噪聲可以用分貝(dB)表示為
${P_{signal,dB} = 10log_{10}(P_{signal})} $
和
${P_{noise,dB} = 10log_{10}(P_{noise})} $
以類似的方式,SNR可以用分貝表示為
${SNR_{dB} = 10log_{10}(SNR)} $
使用SNR的定義
${SNR_{dB} = 10log_{10}(\frac{P_{signal}}{P_{noise}})} $
使用對數的商法則
${10log_{10}(\frac{P_{signal}}{P_{noise}}) = 10log_{10}(P_{signal}) - 10log_{10}(P_{noise})} $
將SNR、訊號和噪聲的分貝定義代入上述等式,得到一個計算分貝信噪比的重要公式,當訊號和噪聲也以分貝表示時
${SNR_{dB} = P_{signal,dB} - P_{noise,dB}} $
在上述公式中,P以功率單位(如瓦特或毫瓦)測量,信噪比是一個純數。
但是,當訊號和噪聲以伏特或安培測量時,它們是幅度的量度,必須將其平方才能與功率成正比,如下所示
${SNR_{dB} = 10log_{10}[{(\frac{A_{signal}}{A_{noise}})}^2] \\[7pt] = 20log_{10}(\frac{A_{signal}}{A_{noise}}) \\[7pt] = A_{signal,dB} - A_{noise,dB}} $
示例
問題陳述
計算以48 kHz取樣的2.5 kHz正弦波的SNR。新增標準差為0.001的白噪聲。將隨機數生成器設定為預設設定以獲得可重現的結果。
解決方案
${ F_i = 2500; F_s = 48e3; N = 1024; \\[7pt] x = sin(2 \times pi \times \frac{F_i}{F_s} \times (1:N)) + 0.001 \times randn(1,N); \\[7pt] SNR = snr(x,Fs) \\[7pt] SNR = 57.7103}$
廣告