用于灰度图像中高密度椒盐噪声去除的不同自适应修正Riesz均值滤波器 引文： S.Memiş和U. Erkan，2021。《用于灰度图像中高密度盐和胡椒噪声去除的不同自适应修正Riesz均值滤波器》，《欧洲科学技术杂志》，（23），359-367。 doi：https ：//doi.org/10.31590/ejosat.873312 抽象的： 本文提出了一种新的滤波器，差分自适应修正里氏均值滤波器（DAMRmF），用于去除高密度椒盐噪声（SPN）。 DAMRmF可操作像素加权函数和自适应中值滤波器（AMF）的适应性条件。 在仿真中，将所提出的滤波器与自适应频率中值滤波器（AFMF），三值加权方法（TVWM），无偏加权均值滤波器（UWMF），不同应用中值滤波器（DAMF），自适应加权均值滤波器（AWMF）进行了比较。 ），自适应Cesáro均值滤波器（ACmF），自适应Riesz均

全面综述基于事件的控制系统的研究现状与最新成果.主要介绍事件驱动通信机制的各种类型和事件触发控制的主要研究内容,包括不同的建模方法以及控制器与事件产生器的联合设计方案,重点对时延系统建模方法进行分析,将事件触发闭环控制系统建模成连续时滞模型.此外,关于网络诱导因素对事件触发机制的影响以及网络化事件触发控制的一些应用也进行说明.最后,提出目前研究工作所存在的不足,以及下一步需要解决的开放难题.

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。

针对现有的助听器语音增强算法在非平稳噪声环境下，残留大量背景噪声的同时还引入了“音乐噪声”，致使增强语音可懂度和信噪比不理想等问题。提出了一种基于噪声估计的二值掩蔽语音增强算法，该算法利用人耳听觉感知理论，结合人耳的听觉特性和耳蜗的工作机理。采用最小值控制递归平均（Minima-Controlled Recursive Averaging，MCRA）算法获得估计噪声和初步增强语音；将估计噪声和初步增强语音分别通过可以模拟人工耳蜗模型的gammatone滤波器组进行滤波处理，得到各自的时频表示形式；利用人耳的听觉掩蔽特性，计算含噪语音在时频域的二值掩蔽；利用二值掩蔽得到增强语音。实验结果表明：该算法很大程度上去除了谱减法引入的“音乐噪声”，与基于MCRA谱减法相比，增强语音的语言可懂度指数（Speech Intelligibility Index，SII）、主观语音质量评估（Perceptual Evaluation of Speech Quality，PESQ）和信噪比（Signal to Noise Ratio，SNR）都得到了提高。

仅支持16bit位宽、单声道的wav音频文件 用途：音频噪声规避辅助分析、音频各精度（位宽）效果对比、辅助教学等 用法：把要分析的wav格式音频文件修改为in.wav，放在本工具同一个文件夹下，运行本工具，输入需要保留的位数（保留高位），取值范围为4~15。16位就相当于没做任何处理，无意义，小于4位大部分音频数据已经没有数据了，所以取这个范围。 处理之后可以使用cooledit对比

为了使说话人识别系统在语音较短和存在噪声的环境下也具有较高的识别率, 基于矢量量化识别算法, 对提取的特征参数进行研究。把小波变换与美尔频率倒谱系数(MFCC )的提取相结合, 并将改进后的特征与谱质心 特征进行了组合, 建立了一种美尔频率小波变换系数+ 谱质心(MFWTC+ SC) 的新的组合特征参数。经实验表明, 该 组合特征可以有效地提高说话人识别系统的性能。

传输信号的高峰均功率比 (PAPR) 是多载波调制系统中的一个严重问题。 在此代码中，多载波码分多址 (MC CDMA) 信号的 PAPR 计算是在具有 AWGN 噪声的瑞利衰落信道上完成的。 使用MATLAB对其进行分析和实现。 通过评估互补累积分布函数 (CCDF) 和 PAPR 来分析不同用户数量的仿真结果，这表明 MC CDMA 信号的 PAPR 显着降低。

当无限脉冲响应(IIR)系统输入和输出信号被α稳定噪声干扰时,传统的最小平均 P-范数(LMP) 算法的解会出现较大偏差,而整体最小平均 P-范数(TLMP)算法存在收敛速度慢的问题 。为此提出一种适用于自适应 IIR滤波的递归整体最小 P-范数(IIR RTLP)算法,首先整体考虑输入和输出信号受α稳定噪声干扰的影响,使得基于 P-范数的误差期望值达到最小;然后采用矩阵求逆引理和幂迭代法递归更新自适应滤波器的系数,使其可跟踪时变系统,并提高算法收敛速度 。仿真结果表明,IIR RTLP算法比 TLMP算

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。

此函数从以 (fs) Hz 采样的 (chans/trials x samples) 矩阵去除线路噪声 (50/60 Hz)，并返回去噪矩阵。 此 m 文件是 Mewett、Nazeran 和 Reynolds 中提出的频谱估计技术的实现和扩展。 “从记录的 EMG 中去除电源线噪声”，EMBS，IEEE 2001（DOI：10.1109/IEMBS.2001.1017205）。 算法是： 1. 选择一个窗口长度 m，使得 m 是 2 的幂，并且 m 将线路频率采样到某个容差范围内。 2. 用适合第一个和最后一个波形片段的相位和幅度的 (50 Hz) 正弦波填充波形的起点和终点，以最大限度地减少起点和终点瞬变。 2. 使用 m 点汉宁（或其他）窗口和离散傅立叶变换，计算每个窗口和通道/试验中信号的平均 m 点频谱 S(w)。 3. 通过在 S(w-dw) 和 S(w+dw) 之间进行插值