利用小波分析法，对被污染信号进行去噪处理以回复原始信号，在整体的效果上取得不错的效果！

hsi matlab代码QRNN3D TNNLS 2020论文的实施 强调 我们的网络在高斯和复杂噪声情况下均优于ICVL数据集上的所有领先方法（2019），如下所示： 我们证明了在31频段自然HSI数据库（ICVL）上进行预训练的网络可用于恢复由于恶劣的大气和水吸收而被现实世界的非高斯噪声破坏的遥感HSI（> 100频段） 先决条件 Python> = 3.5，PyTorch> = 0.4.1 要求：opencv-python，tensorboardX，caffe 平台：Ubuntu 16.04，cuda-8.0 快速开始 1.准备训练/测试数据集 从以下位置下载ICVL高光谱图像数据库（我们仅需要.mat版本） 火车测试拆分可在ICVL_train.txt和ICVL_test_*.txt 。 （请注意，我们分别将101个测试数据分为高斯和复数降噪两部分。） 训练数据集 注意cafe（通过conda安装）和lmdb是执行以下说明所必需的。 阅读utility/lmdb_data.py的函数create_icvl64_31 ，并按照指令注释定义您的数据/数据集地址。 通过python

hsi matlab代码

hsi matlab代码代码：用于高光谱图像去噪的低阶张量字典学习方法 《 TSP2020一种用于高光谱图像去噪的低秩张量字典学习方法》一文中的所有matlab代码。 数据集 从来自的ICVL。 我们通过msi=msi(1:2:size(msi,1),1:2:size(msi,2), :)下采样ICVL数据集。 来自的贾斯珀里奇（Jasper Ridge） 资料夹结构 Demo_DL_syn.m : Detect the object ' road ' on denoised jasperRidge HSIs via different methods (Fig. 7, 8). Please run it where we provide the pre‐computing denoising results and you can get the results in Fig. 7 and Fig. 8. Demo_denoise_ge.m : Denoise the CAVE- ' watercolors ' HSI with generated noise. It needs t

设计了一种在室内可见光MIMO通信系统(MIMO-VLC)中使用具有两个不同视场角(FOV)的光电二极管(PD)的角度分集光接收机(2FOV-ADR),其兼具两个不同视场角的接收机(2-FOV)和传统角度分集接收机(ADR)的优点,实现了更优的接收性能。对将LED灯用作数据发射器的典型室内可见光通信场景进行仿真,结果表明,2FOV-ADR均衡器输出端的最小信噪比(minSNR)要高于2-FOV接收机和传统ADR,实现了室内97%的位置的minSNR在45 dB以上,相比于前两种接收机,这一比例分别提高了96%和32%。最后,对使用非对称限幅光正交频分复用(ACO-OFDM)作为调制方案的系统,计算总误码率(BER),给出了迫零和最小均方误差均衡器的结果。结果表明,对于所考虑的室内位置,2FOV-ADR都具有最低的误码率。

摘要：小波变换是在局部放电信号去噪过程中常用的方法，由于实际信号中噪声频带较宽，仅用小波变换去噪有可能带来波形畸变。文中将经验模态分解( EmpircialMode Decomposition，EMD)引入小波阈值去噪算法中，提出了一种基于EMD的小波阈值去噪算法，信号经EMD变换后被分解成若干个频率的本征模态函数( IntrinsicMode Function，IMF)，再对各个频率的IMF分量进行小波阈值去噪。相比于普通的小波阈值去噪算法，该方法能取得更好的去噪效果。对仿真信号和实测信号的处理结果验证了该方法的有效性。 　　局部放电(以下简称局放)信号的去噪一直是局放检测中的难点和重点问

提出一种基于非下采样Contourlet变换的径向基神经网络(RBF)自适应阂值去噪方法。在NSCT域通过RBF神经网络使目标误差函数GCV(T)的最小化,从而确定最优阂值,再通过软阂值函数去噪。利用NSCT的平移不变性来抑制伪Gibbs失真,从而能完整地保留图像的纹理和边缘等信息。实验结果表明,该方法可以有效去除高斯噪声,提高图像的峰值信噪比。

利用webRTC对语音进行处理，实现VAD和降噪处理 使用方法 语音处理代码文档 环境：vs2015 python3 文件： wav2pcm.py 将wav文件转换成pcm格式 pcm2wav.py 将pcm格式转换成wav格式

短时FFT降噪的论文（英文）与matlab仿真程序

IIR滤波器语音去噪处理.doc