简要介绍了稳定分布统计特性，推导了一种适用于α稳定分布噪声下盲信号分离的算法。该算法采用差分进化算法对目标函数自动寻优，求得分离矩阵，从而分离出信号。仿真结果表明：该算法分数低阶α稳定分布背景噪声条件下具有良好的分离效果。

研究非高斯噪声下基于循环平稳特征的主用户检测问题。结合主用户信号的多循环平稳特征，通过求和准则和最大准则对多个循环频率的谱相关函数进行整合，提高检测结果的可信度。在等权求和准则的基础上，利用不同循环频率处不同程度的循环平稳特征，提出一种基于谱相关函数的加权求和准则。仿真结果表明，多循环频率合作可以提高检测效率，并且加权求和准则的检测性能优于等权求和准则。

该程序用于计算加性高斯白噪声 (AWGN) 信道中 QPSK 的误码率 (BER)。 调制和解调是在基带上完成的。 复数用于模拟 QPSK 信号的同相和正交分量。 符号序列的长度和 EbNo 的范围可以改变。

了解对灰度图片处理的基本原理和方法； 熟悉掌握matlab软件； 对灰度图片模拟加入噪声； 利用matlab对加入噪声的该图片进行处理，记录每一种方法的过程，并进行比较，分析哪种噪声的所对应的增强方法效果最好； 在进行处理时要对每一步处理进行理论分析；

对于所有对象及其功能，质量是非常重要的参数。 在基于图像的对象识别中，图像质量是主要标准。 为了进行真实的图像质量评估，必须具备地面真实性。 但是在实践中，很难找到基本事实。 通常，图像质量是通过完整的参考指标（例如MSE（均方误差）和PSNR（峰值信噪比））进行评估的。 与MSE和PSNR相比，最近，又开发了两个更多的参考度量标准SSIM（结构相似性索引方法）和FSIM（特征相似性索引方法），目的是在此基础上比较还原对象和原始对象之间的结构和特征相似性度量知觉。 本文主要强调比较不同的图像质量指标以提供全面的观点。 通过对不同的噪声浓度进行降噪，可以使用基准图像对这些指标进行实验。 所有指标均给出一致的结果。 但是，从表示的角度来看，对SSIM和FSIM进行了归一化，但对MSE和PSNR未进行归一化。 从语义的角度来看，MSE和PSNR仅给出绝对误差。 另一方面，SSIM和PSNR给出了基于感知和显着性的误差。 因此，与MSE和PSNR相比，可以更容易理解SSIM和FSIM。

使用变分贝叶斯方法的非高斯噪声状态估计的交互多模型方法

主要介绍了使用Python-OpenCV向图片添加噪声的实现(高斯噪声、椒盐噪声) ，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧

产生一定频率的正弦信号，并利用matlab函数加瑞利噪声和高斯噪声，模拟传输信道的衰落，最后画图对比加噪前后的信号。

在matlab中，存在执行直接得函数来添加高斯噪声和椒盐噪声。Python-OpenCV中虽然不存在直接得函数，但是很容易使用相关的函数来实现。 代码： import numpy as np import random import cv2 def sp_noise(image,prob): ''' 添加椒盐噪声 prob:噪声比例 ''' output = np.zeros(image.shape,np.uint8) thres = 1 - prob for i in range(image.shape[0]): for j in range(image

高斯白噪声matlab代码高斯噪声发生器（GNG）Verilog IP内核 介绍 高斯噪声发生器内核产生标准正态分布的白高斯噪声，可用于将BER测量到极低的BER电平（〜$ 10 ^ {-15} $）。 内核使用64位组合Tausworthe生成器和逆正态累积分布函数的近似值，该函数获得的PDF是高斯的，最高为9.1 $ \ sigma $。 目录组织 doc *设计文件 sim *模拟文件modelsim * ModelSim模拟目录 c * C代码 matlab * MATLAB代码和C MEX代码 rtl * RTL代码（Verilog） TB *测试基准代码（SystemVerilog） syn *综合目录ise * Xilinx ISE项目目录 作者 广西刘（guangxi.liu（at）opencores.org）