各种评价体系完成对小波二层分解的评价，通过对图像加噪声然后分解的方法得出了噪声图像，继而去噪。程序可直接运行，只需要将各个函数提出来保存即可。5种评价体系，保证了评价的客观性和准确性。

matlab代码，读取图像，自动添加泊松噪声、高斯噪声、椒盐噪声，并展示三维结构图像

采用复仿射描述DG出力和状态变量的不确定性，建立复仿射迭代形式的Ybus高斯区间潮流方程。提出将同类噪声元合并的处理方法，减少迭代过程中增加的噪声元数量，兼顾区间潮流计算的效率和精度。提出从复仿射计算电压幅值区间值和相角区间值的方法。IEEE 33节点系统算例验证了所提方法的有效性和准确性。

线谱的提取为舰船的检测识别和方位跟踪提供了依据,研究线谱的提取具有实际的应用意义。采用Welch算法和Chirp-Z变换联合处理舰船的辐射噪声信号能够有效地提取线谱。根据对仿真信号和某实船的辐射噪声信号分析的结果表明,该方法原理简单,能够精确地提取特征线谱,其中频率分辨力可达0.36Hz;根据所提取的船只的特征线谱,设定滤波区间对船辐射的噪声信号进行滤波,可以更准确地跟踪船的航迹。

高斯白噪声matlab代码噪声辅助的多元变量模式分解（ICASSP 2021上的论文） 作者： Charilaos A. Zisou，Georgios K. Apostolidis，Leontios J. Hadjileontiadis 摘要：变分模式分解（VMD）是一种广泛使用的基于优化的方法，可以同时分析非平稳信号。 相应地，其最近提出的多元扩展，即MVMD，在分析多通道信号中显示出了巨大的潜力。 但是，预设提取成分K的数量的要求降低了VMD和MVMD方法的分析性能。 这项工作将MVMD与噪声注入范例结合起来，为VMD和MVMD提出了一种有效的替代方案，即噪声辅助MVMD（NA-MVMD），其目的是放宽预设K的要求，并提高质量。结果分解。 通过在初始信号中添加噪声变量/通道来注入噪声，以激发高斯白噪声时VMD / MVMD的滤波器组特性。 此外，提出了一种更新中心频率的替代方法，该方法使用广义交叉频谱的质心，而不是单个频谱质心的简单平均值，从而显示出更快的收敛性。 NA–MVMD可应用于单变量和多变量合成信号，在选择K参数时显示出更高的分析能力，抗噪声能力以及较低的灵敏度。 致谢：

针对一类不确定时滞系统的鲁棒H∞稳定控制，设计了基于观测器的鲁棒H∞控制器。假定系统的不确定性是时变的且具有范数有界。基于线性矩阵不等式（linear matrix inequality-LMI），通过构造Lyapunov泛函，选取适当的观测器，给出了控制器的设计方法，通过求解相应的线性矩阵不等式，就可以得到基于观测器的H∞控制器，并证明了该控制器在使闭环系统渐近稳定的同时，又能保证闭环系统满足一定的H∞性能指标。最后，数值算例验证了所给方法的有效性。

这是振动控制相关的经典教材值得一读

matlab开发-一幅图像的噪声估计。它可以从单个图像精确地估计噪声级。

matlab开发-信号相关噪声估计。该代码将估计信号相关噪声模型的三个参数。

NoiseLevel 估计输入单个噪声图像的噪声水平。 [nlevel th num] = NoiseLevel(img,patchsize,decim,conf,itr) 输出参数nlevel：估计的噪音水平。 th：在最后一次迭代中提取弱纹理补丁的阈值。 num：上次迭代中提取的弱纹理补丁的数量。 维度输出参数与输入图像的通道相同。 输入参数img：输入单张图片patchsize（可选）：补丁大小（默认值：7） decim（可选）：抽取因子。 如果你输入大数，计算会加速。 （默认值：0） conf（可选）：确定弱纹理阈值的置信区间。 在此算法中，通常将此值设置为非常接近的值。 （默认值：0.99） itr（可选）：迭代次数。 （默认：3） 例子： img = double(imread('img.png')); nlevel = NoiseLevel(img); 网页： http