相干性：基于相干函数的双麦克风降噪

语音测试WAV噪声库.zip

可用于音频信号处理的学习，兼容Octave！

SVD曲率谱降噪和快速谱峭度的滚动轴承微弱故障特征提取，刘鹏，汤宝平，针对轴承振动信号信噪比低，故障信号微弱，快速谱峭度分析选取共振中心频率和带宽不准确等问题，提出基于奇异值分解(Singular value de

使用小波包对一维信号进行降噪或压缩实例分析.m

利用小波降噪预处理的时频分布分析柴油机漏油故障。诊断实例为斯太尔实车发动机漏油故障，振动传感器放置在第3、第4缸中间，设置故障为第3缸油路漏油，同时采集振动信号和第4缸喷油压力信号，采样频率为12.8kHz，发动机转速为1300r/min，Sig1.txt是正常工况下第4缸上止点后两个工作循环的振动信号，Sig2.txt是第3缸漏油工况下的振动信号。 如有任何疑问，请私信博主。

matlab代码放大 PyTorch版本 抽象的 基于模型的优化方法和判别式学习方法已成为解决低视力中各种逆问题的两种主要策略。 通常，这两种方法都有其各自的优缺点，例如，基于模型的优化方法可灵活地处理不同的逆问题，但出于性能良好的目的，通常以复杂的先验条件耗时； 同时，判别式学习方法测试速度较快，但其应用范围受到专门任务的极大限制。 最近的工作表明，借助可变分割技术，可以将去噪器先验插入为基于模型的优化方法的模块部分，以解决其他反问题（例如，去模糊）。 当通过判别学习获得降噪器时，这样的集成会带来相当大的优势。 但是，仍然缺乏与快速判别去噪器集成的研究。 为此，本文旨在训练一组快速有效的CNN（卷积神经网络）去噪器，并将其集成到基于模型的优化方法中，以解决其他逆问题。 实验结果表明，学习的去噪器集不仅可以实现有希望的高斯去噪结果，而且可以用作为各种低级视觉应用提供良好性能的先决条件。 基本思想 借助可变分裂技术，例如乘数交替方向方法（ADMM）和半二次分裂（HQS）方法，可以分别处理一般图像恢复公式的保真度项和正则项项，尤其是正则化项仅对应于降噪子问题。 因此，这可以将任何区分式去噪

本论文提出了3D 基于空域和时域混合去除噪声的演算法，此算法包含了2D 的自适应可调式参数分频降噪算法以及3D 混合降噪算法。2D 的可 调式参数降噪算法主要利用时间域为频域中所有频域叠加的原理，以及在各分频中噪声模型统计，达到自适应各频段降噪的结果。

gn算法matlab代码自述文件 本自述文件记录了运行测试的必要步骤。 这个仓库是做什么用的？ 结合3D非局部均值和LBP-TOP（三个正交平面上的局部二进制模式）的新降噪方法 代码版本：0.01-alpha 依存关系 Python 2.7 OpenCV（适用于Python） NumPy 科学 scikit图像 bob.ip.base（来自库）。 另请参阅 实验内容 文件runNonLocalMeans使用用户参数运行筛选过程： -in或--input ：输入带有输入图像的PATH（带有噪声） -out或--output ：输入PATH以保存输出图像（去噪） -ori或--originals ：输入带有原始图像的PATH（无噪声） -H或--filterStrength ：输入参数H（过滤强度） -p或--patch ：输入补丁的大小（居中体素的邻域大小） -w或--window ：输入搜索窗口的大小（居中像素的窗口大小） -msb或--MSBValue ：最高有效位的值 -seq或--sequence ：测试的序列名称（例如seq1） -f或--folder ：输入带有数据库的PAT

针对传统降噪方法处理激发极化法（激电法）测量数据的效果不理想的问题，对经验模态分解方法和独立分量分析技术进行了研究，提出了一种新的激电数据降噪方法。首先，采用经验模态分解方法将原始测量数据自适应分解为有限个固有模态函数，再根据其与激发信号的相关性选择固有模态函数构造虚拟噪声通道，最后利用独立分量分析技术提取多维混合数据中的激电信号。利用仿真信号和实际数据对该方法进行实验，对比普通滤波方法和小波阈值算法，结果表明该方法能有效提高激电数据的信噪比。