我想向多变量数据添加 5% 的高斯噪声。 这是方法
import numpy as np
mu, sigma = 0, np.std(data)*0.05
noise = np.random.normal(mu, sigma, data.shape)
noise.shape
最佳答案
我认为您走在正确的轨道上,噪声本质上是加性的,如果您查看 (SNR) 信噪比计算
信噪比 = 20 * log(p_s)/(p_n)
不过是
SNR = 20 (log(p_s) - log(p_n))
所以我们基本上是从信号(有噪声)中减去噪声的功率
为整个信号添加噪声
我会像你发布的那样做
import numpy as np
import matplotlib.pyplot as plt
np.random.seed(137)
t = np.linspace(0, 10, 100)
p = np.sin(t)
percentage = 0.05
n = np.random.normal(0, p.std(), t.size) * percentage
pn = p + n
fig = plt.figure()
ax1 = fig.add_subplot(211)
ax1.set_title('Noise added to entire signal')
ax1.plot(t, p, label='pure signal')
ax1.plot(t, pn, label='signal+noise')
ax2 = fig.add_subplot(212)
ax2.plot(t, pn - p, label='added noise', c='r')
plt.legend()
fig = plt.figure()
ax1 = fig.add_subplot(211)
ax1.set_title('Noise added to part of the signal')
ax1.plot(t, p, label='pure signal')
random_indices = np.random.randint(0, t.size, int(t.size*percentage))
pr = p.copy()
pr[random_indices] += n[random_indices]
ax1.plot(t, pr, label='signal+noise')
ax2 = fig.add_subplot(212)
ax2.plot(t, pr - p, label='added noise', c='r')
plt.legend()
plt.show()
注意事项
我注意到的一个有趣的事情是 np.random.normal
对于非常小的方差值主要采样正值,所以最好缩放 5%,即采样后的方差更高的方差值
关于python - 如何在信号数据中添加 5% 的高斯噪声,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/64074698/