1．用Matlab产生正弦波,矩形波,以及白噪声信号，并显示各自时域波形图 2．进行FFT变换，显示各自频谱图，其中采样率，频率、数据长度自选 3．做出上述三种信号的均方根图谱,功率图谱,以及对数均方根图谱 4．用IFFT傅立叶反变换恢复信号，并显示恢复的正弦信号时域波形图

用matlab对语音信号加入随机噪声，并且显示其时域波形和频谱。

雷达接收机的噪声系数以及灵敏度.pdf

这个 Matlab 代码展示了 5 种不同的边缘检测算法在正常和噪声图像上的应用。 使用的算法有：CANNY、PREWITT、ZERO CROSS、ROBERTS ans BOUDA。 使用的噪声是：高斯、泊松、盐和纸和斑点。 该文件文件夹包含6个文件： lena.pgm：图像文件 without_noise.m ：边缘检测器与正常图像的应用 With_Gaussian_noise.m ：边缘检测器与噪声（高斯）图像的应用 With_poisson_noise.m ：带有噪声（泊松）图像的边缘检测器的应用 With_Salt_paper_noise.m ：带有噪声（Salt & Paper）图像的边缘检测器的应用 With_speckle_noise.m ：带有噪声（散斑）图像的边缘检测器的应用 https://www.researchgate.net/publication/34

设计频域滤波器消除噪声 1.选择灰度图像：Lena； 2.对该灰度图像添加高斯噪声； 3.设计高斯低通滤波器以降低噪声：

addnoise(A,sz) A：图像矩阵sz：图像的噪声比（0 到 100） 该函数取图像和噪声比，然后输出具有均匀噪声的灰度图像。 均匀噪声范围从 0 到 255。

详细讲解了白噪声添加和输出，每一句都添加了详细的注释。 对数据的要求也做了些说明，很容易看懂并理解。

噪声图用于评估世界各地城市的噪声水平。 产生噪声图的方法主要有两种：一种是通过对周围环境（例如交通流量，建筑物分布等）的理论模拟来产生噪声图；另一种方法是通过对周围条件的理论模拟来产生噪声图。 另一个是使用来自噪声监控器的实际测量数据来计算噪声水平。 当前，文献主要集中在考虑更多因素，这些因素在基于噪声测量生成噪声图的过程中，在理论模拟和插值方法期间影响声音传播。 尽管在仿真过程中考虑了许多因素，但噪声图必须通过实际的噪声测量来校准。 因此，获得噪声数据的方式对于产生和校准噪声图都是重要的。 但是，很少有文献提及有关在放置指定数量的噪声传感器时确定正确的监视位置并给出由它们产生的数据所产生的噪声图的偏差的规则。 在这项工作中，利用矩阵灰色绝对关联度理论，我们计算出了最精确的噪声表面与内含指定数量的噪声数据的不同内插值之间的关系度。 我们发现，用噪声数据的不同组合绘制的曲面产生的关联度最高，而精确度最高。 然后，我们在总数中确定最低的一个，并计算出在制作噪声表面时将其排除在外的相应偏差。 以相同的方式处理左噪声数据，我们一一找出了左数据中最不重要的数据。 通过这种方法，我们优化了大约2

大时滞系统的模糊控制MATLAB仿真\大时滞系统的模糊控制MATLAB仿真.rar 大时滞系统的模糊控制MATLAB仿真\大时滞系统的模糊控制MATLAB仿真.rar

中值滤波器是一种非线性数字滤波技术，常用于通过拉普拉斯分布去除噪声。 中值滤波器的主要思想是逐个条目遍历信号条目，用相邻条目的中值替换每个条目。 邻居的模式称为“窗口”，它在整个信号上逐项滑动。