matlab代码，采用多种阈值方式降噪，代码直接运行，有详细注释，小白可读懂。采用了以下几种小波去噪方法： 1.用全局默认阈值进行去噪处理 2.启发式SURE域值选择法对信号去噪，sym3小波分解 3.’sym8’小波对信号分解，软SURE域值 4.db3小波固定式阈值去噪

将db小波设定不同的尺度，不同的db小波，处理构造的加噪信号，输出去噪前后的对比波形图，和信噪比，并将信噪比存储，可导出到excel中。

低信噪比下基于信号子空间的语音增强算法研究

峰值信噪比的计算及代码部分，包含定义 及代码的实现

M文件，编程产生高斯白噪声，对语音进行加噪、信噪比计算等

求衣服图像的信噪比，用MATLAB语言进行的编程原函数

光子时间拉伸相干雷达的信噪比提高，可实现高灵敏度超宽带W波段操作

一种改进的BPSK信噪比估计方法及其FPGA实现

以前的分散式认知媒体访问控制（DC-MAC）协议允许次要用户（SU）独立搜索频谱访问机会，而无需中央协调员。 DC-MAC假定检测方案在物理（PHY）层是理想的。 实际上，在分布式频谱共享方案中，更复杂的检测算法是不切实际的。 由于PHY层的能量检测（ED）计算和实现复杂度较低，因此已成为最常用的方法。 因此，至关重要的是在PHY层将DC-MAC与ED集成在一起。 但是，ED需要最低采样时间（MST）持续时间才能在低信噪比（SNR）环境中实现目标检测概率。 否则，将无法达到预期的检测性能。 在本文中，我们推导了在低SNR环境中ED的MST的准确表达。 然后，我们提出了一种基于MST的优化DC-MAC（ODC-MAC）协议，该协议对上述带有ED的DC-MAC问题进行了修正。 此外，对于DC-MAC和ODC-MAC都导出了不可靠的数据传输概率的闭式表达式。 我们表明，仿真结果与理论分析吻合良好。 与传统的DC-MAC相比，所提出的ODC-MAC可以提高数据传输的可靠性并提高吞吐量。

结合图像处理技术和概率数据关联（PDA）运动模型，我们开发了一种新颖的框架来解决噪声背景不佳的非机电系统的对象跟踪问题。 新模型具有两个优点：（1）通过集成统计运动模型，可以比现有模型更精确地模拟许多非机电系统中的对象运动。 （2）由于采用了全局搜索的最佳模型参数，与依赖连续帧区分的其他方法相比，该模型更好地在高噪声环境中跟踪对象。 我们在提出的模型中推导了期望最大化（EM）算法。 合成数据和图像数据集都证明了其有用性。 引入了模型稳定性以量化模型的实用性。