matlab产生随机数
Matlab(mathworks.com) 随机数生成方法：
第一种方法是用 random 语句，其一般形式为
y = random('分布的英文名',A1,A2,A3,m,n)，
表示生成 m 行 n 列的 m × n 个参数为 ( A1 , A2 , A3 ) 的该分布的随机数。例如:
(1) R = random('Normal',0,1,2,4): 生成期望为 0,标准差为 1 的(2 行 4 列)2× 4 个正态随机数
(2) R = random('Poisson',1:6,1,6): 依次生成参数为 1 到 6 的(1 行 6 列)6 个 Poisson 随机数
第二种方法是针对特殊的分布的语句：
一． 几何分布随机数 （下面的 P，m 都可以是矩阵） R = geornd(P) （生成参数为 P 的几何随机数）
R = geornd(P,m) （生成参数为 P 的 × m 个几何随机数） １
R = geornd(P,m,n) （生成参数为 P 的 m 行 n 列的 m × n 个几何随机数）
例如 (1) R = geornd(1./ 2.^(1:6)) ( 生成参数依次为 1/2,1/2^2,到 1/2^6 的 6 个几何随机数)
(2) R = geornd(0.01,[1 5]) (生成参数为 0.01 的（１行５列）5 个几何随机数).
二．Beta 分布随机数
R = betarnd(A,B) （生成参数为 A,B 的 Beta 随机数）
R = betarnd(A,B,m) （生成 × m 个数为 A,B 的 Beta 随机数） １
R = betarnd(A,B,m,n) （生成 m 行 n 列的 m × n 个数为 A,B 的 Beta 随机数）.
三．正态随机数 R = normrnd(MU，SIGMA) （生成均值为 MU，标准差为 SIGMA 的正态随机数） R = normrnd(MU，SIGMA,m) （生成 1× m 个正态随机数）
R = normrnd(MU，SIGMA,m,n) （生成 m 行 n 列的 m × n 个正态随机数） 例如
(1) R = normrnd(0,1,[1 5]) 生成 5 个正态(0,1) 随机数 (2) R = normrnd([1 2 3;4 5 6],0.1,2,3) 生成期望依次为[1,2,3;4,5,6], 方
差为 0.1 的 2× 3 个正态随机数．
四．二项随机数：类似地有
R = binornd(N,P) R = binornd(N,P,m) R = binornd(N,p,m,n) 例如 n = 10:10:60; r1 = binornd(n,1./n) 或 r2 = binornd(n,1./n,[1 6]) （都生成参数分别为
1 1 ), L, ( 60, ) 的６个二项随机数． (10,
10 60
五．自由度为 V 的 χ 2 随机数：
R = chi2rnd(V) R = chi2rnd(V R = chi2rnd(V ,m) ,m,n)
六．期望为 MU 的指数随机数（即 Exp 随机数）： 1 MU
R = exprnd(MU) R = exprnd(MU,m) R = exprnd(MU,m,n)
七．自由度为 V1， V2 的 F 分布随机数：
R = frnd(V1，V2) R = frnd(V1， V2,m) R = frnd(V1，V2,m,n)
八． Γ ( A, λ ) 随机数：
R = gamrnd（A,lambda） R = gamrnd（A,lambda,m) R = gamrnd（A,lambda,m,n)
九．超几何分布随机数：
R = hygernd(N,K,M) R = hygernd(N,K,M,m) R = hygernd(N,K,M,m,n)
十．对数正态分布随机数
R = lognrnd(MU，SIGMA) R = lognrnd(MU，SIGMA,m) R = lognrnd(MU，SIGMA,m,n)
十一．负二项随机数：
R = nbinrnd(r,p) R = nbinrnd(r,p,m) R = nbinrnd(r,p,m,n)
十二．Poisson 随机数：
R = poissrnd(lambda) R = poissrnd(lambda,m) R = poissrnd(lambda,m,n)
例如，以下 3 种表达有相同的含义：lambda = 2; R = poissrnd(lambda,1,10)
（或 R = poissrnd(lambda,[1 10]) 或 R = poissrnd(lambda(ones(1,10)))
十三．Rayleigh 随机数：
R = raylrnd(B) R = raylrnd(B,m) R = raylrnd(B,m,n)
十四．V 个自由度的 t 分布的随机数：
R = trnd(V) R = trnd(V,m) R = trnd(V,m,n)
42 十五．离散的均匀随机数：
R = unidrnd(N) R = unidrnd(N,m) R = unidrnd(N,m,n)
十六．[A,B] 上均匀随机数
R = unifrnd(A,B) R = unifrnd(A,B,m) R = unifrnd(A,B,m,n)
例如 unifrnd(0,1:6)与 unifrnd(0,1:6,[1 6]) 都依次生成[0,1] 到[0,6]的６个均匀随机数．:
十七．Weibull 随机数
R = weibrnd(A,B) R = weibrnd(A,B,m) R = weibrnd(A,B,m,n)
MATLAB中产生高斯白噪声的两个函数
MATLAB中产生高斯白噪声非常方便，可以直接应用两个函数，一个是WGN，另一个是AWGN。WGN用于产生高斯白噪声，AWGN则用于在某一信号中加入高斯白噪声。
1. WGN：产生高斯白噪声
y = wgn(m,n,p) 产生一个m行n列的高斯白噪声的矩阵，p以dBW为单位指定输出噪声的强度。 y = wgn(m,n,p,imp) 以欧姆(Ohm)为单位指定负载阻抗。 y = wgn(m,n,p,imp,state) 重置RANDN的状态。
在数值变量后还可附加一些标志性参数：
y = wgn(…,POWERTYPE) 指定p的单位。POWERTYPE可以是'dBW', 'dBm'或'linear'。线性强度(linear power)以瓦特(Watt)为单位。
y = wgn(…,OUTPUTTYPE) 指定输出类型。OUTPUTTYPE可以是'real'或'complex'。
2. AWGN：在某一信号中加入高斯白噪声
y = awgn(x,SNR) 在信号x中加入高斯白噪声。信噪比SNR以dB为单位。x的强度假定为0dBW。如果x是复数，就加入复噪声。
y = awgn(x,SNR,SIGPOWER) 如果SIGPOWER是数值，则其代表以dBW为单位的信号强度；如果SIGPOWER为'measured'，则函数将在加入噪声之前测定信号强度。 y = awgn(x,SNR,SIGPOWER,STATE) 重置RANDN的状态。
y = awgn(…,POWERTYPE) 指定SNR和SIGPOWER的单位。POWERTYPE可以是'dB'或'linear'。如果POWERTYPE是'dB'，那么SNR以dB为单位，而SIGPOWER以dBW为单位。如果POWERTYPE是'linear'，那么SNR作为比值来度量，而SIGPOWER以瓦特为单位。 注释
1. 分贝(decibel, dB)：分贝（dB）是表示相对功率或幅度电平的标准单位，换句话说，就是我们用来表示两个能量之间的差别的一种表示单位，它不是一个绝对单位。例如，电子系统中将电压、电流、功率等物理量的强弱通称为电平，电平的单位通常就以分贝表示，即事先取一个电压或电流作为参考值（0dB），用待表示的量与参考值之比取对数，再乘以20作为电平的分贝数（功率的电平值改乘10）。 2. 分贝瓦(dBW, dB Watt)：指以1W的输出功率为基准时，用分贝来测量的功率放大器的功率值。 3. dBm (dB-milliWatt)：即与1milliWatt（毫瓦）作比较得出的数字。 0 dBm = 1 mW 10 dBm = 10 mW 20 dBm = 100 mW
也可直接用randn函数产生高斯分布序列，例如：
y=randn(1,2500); y=y/std(y); y=y-mean(y); a=0.0128; b=sqrt(0.9596); y=a+b*y;
matlab产生随机数
