Microsoft可伸缩的嘈杂语音数据集（MS-SNSD） 此数据集包含大量以16 kHz采样的.wav格式的干净语音文件和各种环境噪声文件。 该数据集的主要应用是训练深度神经网络（DNN）模型以抑制背景噪声。 但是它可以用于其他音频和语音应用程序。 我们提供了在各种信噪比（SNR）条件下混合干净语音和噪声以生成大型嘈杂语音数据集的方法。 可以根据应用要求配置SNR条件和所需的数据小时数。 随着我们鼓励研究人员和从业人员通过添加更多清晰的语音和噪声片段为该数据集做出贡献，该数据集的大小将继续增长。 该数据集将极大地帮助学院和行业的研究人员和从业人员开发更好的模型。 我们还提供与训练集不同的测试集，以评估开发的模型。 我们提供html代码，用于构建两个Human Intelligence Task（HIT）众包应用程序，以允许用户对嘈杂的音频片段进行评分。 我们根据ITU-T

【图像去噪】基于均值+中值+高通低通+巴特沃斯+PCA+小波+维纳滤波实现图像去噪含Matlab源码

语音测试WAV噪声库.zip

开放网格 OpenMesh 实践 1.ICP ANN、GSL和OpenMesh库用于实现ICP网格对齐算法。 使用 ANN 库，构建 kd-tree 以查找最近邻点。 GSL 库中提供了矩阵计算。 UI 内置于 MFC 中。 （使用度数180的兔子作为第二个网格时发现了一个错误） 2.去噪 网格去噪实现了五种不同的方法； Denoise1 - 对顶点应用双边滤波器，使用 KNN 进行正常计算[1]； Denoise2 - 对顶点应用双边滤波器，使用单环邻居进行正常计算[1]； Denoise3 - 将双边滤波器应用于顶点，直接使用 OpenMesh 库中的法线顶点； LaplaceDenoise - 应用统一的拉普拉斯滤波器去噪； BiNormDenoise - 将双边滤波器应用于面法向量，​​然后更新面 [2] 中的每个顶点。 [1] Fleishman、Shachar、Iddo D

经测试，具有不错的修复效果，缺点就是比较耗时。

为了提高信道在信噪比大范围变化环境下信道估计的精度，确保高速铁路通信系统的可靠性，提出高铁场景下一种基于信噪比判决的双模切换信道估计算法。该算法利用离散卡—洛基扩展模型（discrete Karhunen-Loeve basis expansion model，DKL-BEM）及线性最小均方误差（linear minimum mean square error， LMMSE）算法进行信道建模和不同速度环境下的信道估计。仿真发现，当信噪比增大至某值时，基于ICI消除的二次信道估计算法性能劣于传统的DKL-BEM算法（出现交叉点），且交叉点值随速度的提高左移（小信噪比方向）。通过对参数分析和两种算法交叉点值的提取，给出交叉点随速度变化的移动轨迹，自适应地实现两种算法的切换，提高信道估计算法的适应性和有效性。

基于小波变换的雷达回波信号去噪方法研究，写出了一种mallat算法在小波中的应用，进行雷达信号的去噪

可用于音频信号处理的学习，兼容Octave！

SVD曲率谱降噪和快速谱峭度的滚动轴承微弱故障特征提取，刘鹏，汤宝平，针对轴承振动信号信噪比低，故障信号微弱，快速谱峭度分析选取共振中心频率和带宽不准确等问题，提出基于奇异值分解(Singular value de

针对通常利用的匹配滤波法对低信噪比雷达LFM（linear frequency-modulated）进行信号检测和估计的不足，提出一种联合Gabor-Radon变换方法。通过计算雷达回波的Gabor时频变换，得到2D含强噪声和弱直线LFM的时频分布图；然后，利用Radon变换能对直线和边缘进行快速检测、抗噪能力强的特点，对时频2D图像进行Radon变换，检测出微弱LFM信号；再设置合适门限可对时频分布图去噪，进行Gabor逆变换可以得到去噪的时域波形。仿真结果证明了此方法能在低信噪比下有效地检测出LFM信