该函数对信号 x 执行自适应噪声消除。 滤波器长度为L，mu为适应率。 输出是一个包含滤波器权重和信号与滤波信号之间的误差的结构。
2021-08-26 16:49:28
2KB
1
博客地址：https://mp.csdn.net/article/details/100150637
Android(jni) 单独抽取 WebRtc-AGC（音频增益） 模块
Android(jni) 单独抽取 WebRtc-NS（音频降噪） 模块
2021-08-25 20:11:43
2.19MB
1
Waves.Znoise---音频 降噪 的处理工具
Native Reverb---一款模拟混响效果器
GoldenGate插件
2021-08-24 11:39:32
13.5MB
1
用卷积滤波器matlab代码使用深度学习网络对PPG进行降噪
DenoiseDeepPPG是高级可穿戴技术中心（CWAT）项目的成果之一。
该特定部分着重于消除在光电容积描记术（PPG）信号的测量过程中产生的噪声伪影。
所使用的信号是使用（）的alogorithm提示生成的。
对于降噪器，我们使用了包含16个卷积层的完全卷积网络的层。
前15个卷积层是3层的组，重复5次，滤镜宽度分别为9、5和9，滤镜数量分别为18、30和8。
最后一个卷积层的过滤器宽度为129，过滤器为1。
对于DenoiseDeepPPG，已将Matlab的代码改编为可与生成的PPG信号一起使用，已将代码改编为
该项目能够从生物医学应用中使用的PPG信号中去除高水平的噪声。
该项目已使用Matlab
2021。
创建PPG综合数据集
为了创建数据集，我们使用了Qunfeng
Tang等人发表的著作（``PPGSynth：用于合成常规和不规则光电容积描记波形的创新工具箱''），这项工作基于使用两个高斯函数（）的光电容积描记图生成。
在此基础上，我们修改了原始代码以生成具有高斯噪声的相同信号，以便用作降噪器的输入。
从
2021-08-22 23:21:53
14.43MB
1
去噪自动编码器
可以训练去噪自动编码器，以无人监督的方式学习特征空间的高级表示。 可以通过将经过预训练的自动编码器的一层一层堆叠在一起来创建深度神经网络。 整个网络的培训分三个阶段进行：
1.预训练：在此阶段中，对每个层进行训练，以从损坏的版本中重建原始数据。 破坏输入的不同有效方法包括： -添加小高斯噪声-将变量随机设置为任意值-随机将输入变量设置为0 2.学习：在此阶段中，将S形层和softmax层放置在堆栈的顶部，并接受有关分类任务的培训。 3.微调：使用标准反向传播算法对整个网络进行微调
＃创建堆叠降噪自动编码器的结构sDA = StackedDA（[300，100]） # Pre-train layers one at a time, with 50% Salt and Pepper noise
sDA.pre_train(X[:1000], rate=0.5, n_iters
2021-08-20 16:02:55
16.55MB
1