简要叙述了小波变换在信号降噪中得应用,并附有MATLAB程序.

语音信号处理-降噪算法模型：内含数据集以及源码

理论部分见这里：https://blog.csdn.net/fengzhuqiaoqiu/article/details/128225117 笔者改造了wden、thselect和wthresh三个函数文件，并进一步封装成filterWaveletTh函数，延续本专栏中以往代码的风格，实现“一行代码”完成小波阈值去噪的效果。当然啦，这里所说的“一行代码”还需要配合一些参数的设置。

去噪声代码matlab 有限数据光声层析成像的Singram超分辨率和去噪卷积神经网络（SRCN） Python代码：（需要使用Tensorflow作为后端的keras） #Python拟议的深层神经网络的实现以及训练例程：SRCNTrain.py＃用于重新训练网络现有模型的Python代码：SRCNRetrain.py＃用于测试模型的Python代码：SRCNTest.py #MATLAB函数可将噪声添加到PAT正弦图中：addNoise.m #MATLAB代码制作正弦图补丁以创建训练和测试数据集：makePatches.m #MATLAB函数内插singoram（最近内插）：generalTwiceInterpolate.m 此Python和MATLAB代码用作以下工作的一部分：Navchetan Awasthi，Rohit Pardasani，Sandeep Kumar Kalva，Manojit Pramanik和Phaneendra K. Yalavarthy“ Sinogram超分辨率和降噪卷积神经网络（SRCN），用于有限的数据光声断层扫描” 该代码没有任何保证，可以随意

通过简化四元数矩阵奇异值分解对彩色图像进行去噪

电路设计，前后级匹配，使用元件，ADS仿真

图像去噪最简单的网络之一DnCNN之讲解 softmax softmax​ ​关注他 67 人赞同了该文章 关于DNCNN图像去噪网络的简介 DnCNN是图像去噪领域一篇鼻祖类型的文章，本文是关于该文章主要原理的解读。DnCNN（Denoising Convolutional Neural Network）顾名思义，就是用于去噪的卷积神经网络。 文章标题：Beyond a Gaussian Denoiser: Residual Learning of Deep CNN for Image Denoising 文章链接：https://arxiv.org/pdf/1608.03981.pdf 如果加载太慢也可以用镜像：http://xxx.itp.ac.cn/pdf/1608.03981.pdf 代码链接： https://github.com/cszn/DnCNN（官方） 或者： https://github.com/SaoYan/DnCNN-PyTorch

基于深度学习的低剂量CT去噪后处理算法研究.doc

针对奇异值分解信号降噪方法中吸引子轨迹矩阵（Hankel矩阵）结构的确定，以及有效奇异值的选择两个关键问题，提出了一种基于遗传算法的奇异值分解信号去噪算法。首先，利用原始信号构造Hankel矩阵，运用遗传算法对矩阵结构进行优化，然后对含噪声信息的矩阵进行奇异值分解，最后通过K-medoids聚类算法确定有效奇异值个数，对有效奇异值和其对应的向量进行奇异值分解反变换，还原原始信号，达到去噪目的。通过仿真实验并与小波包变换、小波变换以及传统快速傅氏变换（FFT）去噪方法相比较，结果表明该算法具有良好的去噪效果。

在压缩成像应用中实现降噪的双阈值技术