简单介绍了离散小波变换、二维小波变换分解与重构和中值滤波的原理，提出了利用小波变换、中值滤波对含有高斯和脉冲两者混合噪声的医学CT图像进行去噪的一种新方法。实验结果表明：这种方法能够有效改善图像质量，较好地保持图像视觉效果，降低图像噪声；此方法的效果优于单纯的小波变换或单纯的中值滤波或先中值滤波再小波变换去噪的方法，是去除CT图像中含高斯和脉冲两者混合噪声的一种比较理想的方法。

变分模态分解matlab代码 可用于去噪 分解 等等 类似小波 和经验模态分解

本文主要研究在不采用过采样、数字滤波和增益自动控制等技术条件下,如何提高高速高分辨率ADC电路的实际分辨率,使其最大限度地接近ADC器件自身的实际分辨率,即最大限度地提高ADC电路的信噪比。

在MATLAB环境下基于小波变换的图像去噪，刘智，，图像消噪是信号处理中的一个经典问题，传统的消噪方法多采用平均或线性方法进行，但是其消噪效果不好，随着小波理论的不断完善，

基于matlab的小波变换去噪处理三种方法-hthresh.m 里面有详细的解释。最后有图像评价，计算均方误差和信噪比。

基于小波变换的语音信号去噪 基于小波变换的语音信号去噪 基于小波变换的语音信号去噪

为了克服小波阈值去噪中硬阈值小波系数不连续和软阈值估计小波系数与分解小波系数之间恒定偏差的缺点，改进的阈值去噪方法被相继提出。文章根据高斯白噪声和信号在小波变换以后得到的小波系数呈现不同的特性，基于噪声方差提出一种新算法。最后通过MATLAB仿真验证该算法在信噪比、均方根误差、相关系数、信噪比增益4个去噪指标的效果。

微弱信号检测是发展高新技术、探索及发现新的自然规律的重要手段，对推动很多领域 的发展具有重要的应用价值。将淹没在强背景噪声中的微弱信号，运用电子学和近代信号处理手段抑制噪声，进而从噪声中提取和恢复有用的微弱信号，是本书的主要内容。本书涉及利用随机噪声理论分析和解释电子系统内部噪声和外部干扰噪声的产生和传播问题，并详细介绍各种不同噪声的抑制方法，以及锁相放大、采样积分、相关检测、自适应降噪等应用技术。 本书可作为自动化、电子工程、物理、生物医学工程、测试技术与仪器等专业的研究生和高年级本科生的教材，也可供涉及电子噪声、低噪声设计、电磁兼容性、微弱信号检测的工程技术人员参考。 微弱信号是淹没在噪声中的信号，微弱信号检测的主要目的是提高信噪比。本书研究噪声的来源和统计特性，分析噪声产生的原因和规律，运用电子学和信号处理方法检测被噪声覆盖的微弱信号，并介绍几种行之有效的微弱信号检测方法和技术。 全书共分7章，主要内容有：微弱信号检测与随机噪声、放大器的噪声源和噪声特性、干扰噪声及其抑制、锁定放大、取样积分与数字式平均、相关检测、自适应噪声抵消。 本书可作为自动化、电子工程、物理、化学、生物医学工程、测试技术与仪器等专业的研究生和高年级本科生教材，也可供有关专业丁程技术人员自学和参考。

Calculates the PSNR (Peak Signal to Noise Ratio)

基于MATLAB的图像去噪处理源程序，采用不同的阈值函数对图像进行去噪处理，程序已经通过运行。