精通MATLAB randn函数：从正态矩阵生成到噪声数据模拟，掌握随机误差建模核心
在MATLAB数值仿真与数据建模体系中，`randn`函数是生成正态分布随机矩阵的核心工具——其专注于生成服从标准正态分布（均值为0、方差为1）的随机元素，是模拟自然随机误差、物理噪声、信号扰动等场景的必备工具。相较于生成均匀分布的`rand`函数，`randn`函数更贴合现实世界中多数随机现象的分布规律，广泛应用于信号处理、实验数据分析、系统仿真等领域。本文将系统讲解`randn`函数的核心语法，聚焦`randn(4)`、均值方差调整等典型案例，以及在噪声数据模拟中的实战应用，帮助你精准掌握这一随机建模核心技能。
一、认识MATLAB randn函数：定义与核心价值
1. 正态矩阵的数学本质
`randn`函数生成的矩阵元素遵循**标准正态分布**（Standard Normal Distribution），也称为高斯分布，其概率密度函数为：
$$f(x) = \frac{1}{\sqrt{2\pi}} e^{-\frac{x^2}{2}}$$
该分布具有“均值为0、方差为1、对称性强、极端值概率低”的特性，完美契合现实中多数随机噪声（如电子设备热噪声、测量仪器随机误差、信号传输扰动）的分布规律，是随机误差建模的最优选择。
2. randn函数核心语法与参数
`randn`函数的语法与`rand`、`zeros`等矩阵生成函数高度统一，支持不同维度正态矩阵生成，核心格式如下：
% 基础格式：生成n×n标准正态分布随机方阵 R = randn(n); % 扩展格式：生成m×n标准正态分布随
