盲解卷积是指在不确切了解卷积中使用的脉冲响应函数的情况下对信号进行解卷积。 这通常是通过对输入和/或脉冲响应添加适当的假设来恢复输出来实现的。 我们在这里考虑输入信号的稀疏性或简约性。 它通常用 l0 成本函数来衡量，通常用 l1 范数惩罚来解决。 l1/l2 比率正则化函数在最近的一些工作中显示出检索稀疏信号的良好性能。 事实上，它受益于盲语境中非常理想的尺度不变性。 然而，l1/l2 函数在解决由于在当前恢复方法中使用这种惩罚项而导致的非凸和非光滑最小化问题时会带来一些困难。 在本文中，我们提出了一种基于对 l1/l2 函数的平滑逼近的新惩罚。 此外，我们开发了一种基于近端的算法来解决涉及该函数的变分问题，并推导出理论收敛结果。 我们通过与最近处理精确 l1/l2 项的交替优化策略进行比较，在地震数据盲解卷积的应用中证明了我们的方法的有效性。 SOOT 工具箱（Smooth One-O

用m序列产生均匀分布的噪声，然后运用中心极限定理将均匀的白噪声信号转换为高斯白噪声。噪声信号全程在ISE平台上仿真验证，并且把数据写入到TXT里面，然后导入到matlab中运用hist函数和求平均数函数求其值。

对于噪声数据，可以采用MATLAB实现，同时对于噪声数据要采用相关的滤波方式。

不同的3种掩模采用邻域平均法对被椒盐噪声和高斯噪声分别污染（噪声强度均设定为0.05）的图像进行滤波； 采用超限邻域平均法（阈值法）对被高斯噪声污染的图像（噪声强度均设定为0.05）进行滤波，可使用高斯掩模进行邻域平均； 采用中值滤波法对下图所示的图像分别进行滤波处理， 中值滤波模板不限，可自行选用，以效果最佳为宜。

用于图像处理实验，基于C#的图像处理项目，包含图像的打开与原图查看，对图像进行加噪【椒盐噪声、高斯噪声】，可以改变值达到不同等级的加噪处理。

基于MATLAB的QPSK调制解调系统仿真,此仿真是建立在高斯噪声，和多径延时信道的基础上进行的。

可直接进行应用，添加高斯噪声，方便，快捷，完整，实用。

为了抑制接收信号中的高斯噪声和窄带干扰,在进一步分析边带相关置换(SCR)算法的基础上,提出了一种新的高斯噪声和窄带干扰抑制算法———循环边带相关置换(CSCR)算法 。 CSCR算法将 SCR思想引入循环谱相关理论中,利用循环谱相关可有效抑制高斯噪声的技术优势,在接收信号的谱相关密度函数中用相对于窄带干扰的边带对称值代替干扰值来重构期望信号,从而实现了高斯噪声和窄带干扰的同时抑制 。该算法对谱相关密度谱对称的调制方式均适用 。通过对 2PSK信号的计算机仿真表明,循环边带相关置换算法可以有效抑制高斯噪声

图像高斯噪声及椒盐噪声去噪算法研究.pdf

分形高斯噪声与分形布朗运动序列的生成--及功率谱估计matlab "分数阶高斯噪声随机数据仿真系统的设计与实现.pdf" 1308.0399.pdf create_fgn.m degree_create.m degree_create_fbm_sucess.m EMD emd.m EMD.rar EMDfenshufourier.pdf fftconv.m fftfgn.m fftfgn2.m fftfgn3.m fgn_fbm.fig FGN水位值 FGN水位值2 fig_b6hourly.m fractional_brownian_motion.m generator_FFT.m IEEE_SP_Exact_Synthesis_1D.pdf lrd.m LRD_RESOUCE.m make_graphic.m power_spectrum_example.m PSD.m qq_31763735-10324094-分形高斯噪声完整版