一阶移动平均高斯噪声通道上的干扰衰减。

非高斯噪声下的车载GPS信号定位算法.pdf

IVHC（快速图像噪声估计） 这是在Python和Matlab上的实现。 另请参阅 。 IVHC是一个模型，用于估计图像和视频信号中的高斯噪声，与信号有关的噪声和经过处理的噪声。 该估计基于图像斑块的强度变化的分类，以便找到最能代表噪声的均匀区域。 这是强度方差均匀性分类（IVHC）噪声估计的框图。 输入： 嘈杂的灰色图像 最大多项式回归度 输出： Y通道中的噪声方差（最佳代表） 处理噪声的程度 噪音等级功能 该存储库包括： Matlab和IVHC的Python实现。 Matlab演示文件可估算AWGN，处理后的噪声以及与信号有关的噪声。 Python演示文件可估算AWG

基于非高斯噪声分布​​的分布式随机Sigma点置信度传播的混合合作车辆定位

高斯噪声.用c/c++完成一个幅度为0.5，频率范围500Hz-1500Hz的带通离散白噪声的产生

此功能将白高斯噪声添加到无噪声的输入信号中，以实现所需的 SNR（以 dB 为单位）

以高斯噪声为例：若有用信号s(n)的最大幅度am，要求得到的信噪比为p，则p=10log10[(am^2)/b^2]，用这个公式反推出高斯噪声的方差b^2，若s(n)单通道实信号，则Matlab程序就是x=s+b*randn(size(s))；若s(n)是正交双通道信号，则Matlab程序就是x=s+b/sqrt(2)*randn(size(s))。

matlab产生均值为零方差为一的高斯白噪声，带限的信号。

一种针对高斯噪声的图像平滑方法，基于高阶统计量理论，信噪比还可以，大多数情况下比中值和均值滤波的去噪效果好。

高斯噪声中正弦信号的分析与仿真：考虑二元假设 H_0: z[k]=n[k] k=0,1,⋯,N-1 H_1: z[k]=A cos⁡〖(2πf_0 k+φ)+n[k]〗 噪声是服从n[k]~N(0,σ^2) 的 WGN，已知σ^2。 1、 若频率 f_0已知，幅度和相位 , A , φ未知（假定 A>0），若 σ^2 =1， f_0=0.1，N=20，虚警概率设定为 0.01，分析检测门限及检测概率并仿真； 2、 若频率 f_0及幅度相位 , φ,A 均未知（假定 0< 0 f 0），若 σ^2=1，N=20，虚警概率设定为 0.01，分析检测门限及检测概率并仿真