《3D point cloud denoising using graph Laplacian regularization of a low dimensional manifold model》PPT链接：https://blog.csdn.net/weixin_43042683/article/details/120369183?spm=1001.2014.3001.5501

通过对TCDl50lD输出图像信号特征的简要分析，分别阐述了内、外2种除噪方法，并给出了相应的时序，再利用Quartus II 7．2软件平台对TCDl501D CCD驱动时序及AD9826的采样时序进行了设计及结果仿真，使CCD的驱动变得简单且易于处理，这是传统逻辑电路无法比拟的，对其他CCD时序驱动及后续处理提供了一定的参考价值。

matlab除噪声代码DD-SRAD DD-SRAD代表距离驱动散斑减少各向异性扩散，用于消除SAR时间堆栈的噪声。 该代码是为与MATLAB一起使用而编写的。 用于对合成Kong径雷达数据的时间堆栈进行去噪，但可用于随时间推移而被噪声破坏的任何图像数据。 可以在下面列出的相关论文中找到更多详细信息。 如果使用此代码，请引用以下内容： N. Tabassum，A。Vaccari和S. Acton，“通过合成Kong径雷达时间堆栈的距离驱动各向异性扩散进行斑点去除和变化保留”，《数字信号处理》，第1卷。 74，第43-55页，2018年。 该代码提供了两个数据集，一个是合成生成的，另一个是一组实际SAR幅度数据。 原始合成数据也包括在内以进行比较。 要运行演示，请运行DD_SRAD.m。 如有任何疑问，请联系。 谢谢！

通过Matlab模拟了随机产生的一定概率分布的信号序列,叠加高斯噪声后利用最大后验概率(MAP)检 测到的误码率,做出BER～SNR曲线,并与理论计算得到的曲线进行比较,两者吻合

高速光传输系统中基于光滤波效应的光信噪比监控

介绍了在加性高斯噪声干扰条件下，多种二进制通信系统信号的传递与最佳接收，根据蒙特卡罗仿真方法基本思想，建立在加性噪声干扰下的相关检测系统蒙特卡罗仿真模型。模型通过Matlab软件方法实现，最终仿真结果与对应系统的理论误码率基本符合。

超分辨荧光成像实验的分辨率和成像质量与实验过程中收集到的荧光分子光子数和背景噪声有着密切的关系。为了实现低光子数、高背景光下的快速超分辨荧光显微成像,利用所提卷积神经网络算法实现了对极低信噪比信号的恢复,并结合重构网络进行了超分辨成像。结果表明:利用该方法可以实现荧光信号在低信噪比下的有效恢复,峰值信噪比可达27 dB,明显优于同类的其他两种算法。该方法还可以配合Deep-STORM重构网络在低信噪比下实现快速的超分辨成像。重构结果的归一化均方误差为7.5%,分辨率相较其他算法有明显提升。实验条件下的重构结果验证了该方法的能力,为弱信号下的荧光快速超分辨成像提供了可行方案。

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