PHANTOM_PARALLEL 模拟合成 MR 图像的嘈杂多线圈采集。 输入是 MR 切片、线圈数量、协方差矩阵和平行加速度的配置。
它允许三种输出：
- 没有 k 空间子采样的多线圈。 - 带有子采样和 GRAPPA 重建-具有二次采样和SENSE重建功能。
输出还根据以下条件提供变体噪声模式和有效值
S. Aja-Fernández、A. Tristán-Vega、S. Hoge。 使用参数化非中心 chi 近似模型在 GRAPPA 中进行统计噪声分析。 医学中的磁共振。 第 65 卷，第 4 期，第 1195–1206 页，2011
S. Aja-Fernández, A. Tristán-Vega，噪声相关性的影响具有平方和重建的多线圈统计模型。 医学中的磁共振。 2012年第67卷第2期，第580-585页
该工具箱旨在模拟MR数据中的实际噪声模式，以验证滤波和噪声估
2022-02-16 08:45:27
40KB
1
传统非局部平均(Non-Local Means, NLM)图像去噪算法的像素相似性度量可靠性较差，其关键滤波参数选取与优化值偏差较大。针对上述问题，提出了一种改进的NLM图像去噪算法。首先，滤除方法噪声中的噪声分量，保留有用图像信息；然后，联合去噪结果与处理后的方法噪声重新定义NLM算法的相似权函数，更好地利用原图像的信息；最后，采用噪声标准差二次函数的方式设置滤波参数，相比于传统的线性正比方式选取参数，这种选取方式在不同噪声强度下均能获得较优的参数值。对几个标准测试图像的去噪结果表明，提出的改进NLM算法获得了较好的去噪效果，优于相比较的几种方法。
2022-02-15 16:39:34
1.57MB
1
matlab除噪声代码深度分割
这些是论文的代码和数据：，IEEE物联网杂志，2020年。
DeepSeg旨在细分活动以基于WiFi通道状态信息（CSI）的活动识别。
引文
@ARTICLE
{DeepSeg2021，
作者=
{肖春京和雷蕾，马永森，周凡和秦志光}，
journal
=
{IEEE物联网杂志}，
title
=
{DeepSeg：基于深度学习的基于WiFi的活动识别活动细分框架}，
年=
{2020}，
音量=
{}，
数字=
{}，
页数=
{1-1}，
doi
=
{10.1109
/
JIOT.2020.3033173}
}
数据集
我们从原始CSI数据中提取的用于实验的数据可以从百度网盘或Google云端硬盘下载：
CSI振幅数据：Data_CsiAmplitudeCut
百度网盘：（密码：k8yp）
Google云端硬碟：
手动标记的CSI幅度数据标签：Label_CsiAmplitudeCut
百度：（密码：xnra）
谷歌：
（1拳;
2挥手;
3捡起;
4举手;
5跑步;
6推;
7蹲;
8拉O;
9步行;
10拉X）
同样，我们收集的原始CSI数据也
2022-02-11 20:03:02
21.15MB
1
system generator fir 高斯白噪声滤波器设计范例 ,注意请使用maltab2015b x64打开 否则会报错！
2022-02-11 10:42:49
27KB
1
带有噪声学生的自我训练可改善ImageNet分类
2022-02-11 10:11:25
12KB
1