使用数据序列来追溯传递函数的参数。 循序渐进，轻松理解。

mobi格式的电子书，看名字是计算机的书，其实不是，讲的是预测，但其中的思想跟编程有很多相通的地方，值得去读。

smote的matlab代码不平衡 当数据偏向某一类时，最先进的分类算法就会受到影响。 这导致了许多处理不平衡数据的技术的发展。 然而，似乎没有一种技术在所有条件下都能始终如一地发挥作用。 R 包unbalanced为不平衡分类任务实现了一些众所周知的技术，并提供了一种竞赛策略，以自适应地为给定的数据集、分类算法和采用的准确度度量选择最佳方法。 安装 您可以在以下位置安装稳定版本： install.packages('unbalanced', dependencies = TRUE) 或者在 github 中可用的一个： library(devtools) devtools::install_github("dalpozz/unbalanced") 不平衡分类方法 unbalanced包为不平衡分类任务实现了一些最著名的采样和基于距离的方法。 在采样方法系列中，我们有随机欠采样 ( ubUnder ) 和过采样 ( ubOver ) 的函数。 前者从多数类中删除观察，而后者复制少数类实例。 该包还包含一个名为ubSMOTE的函数，它实现了SMOTE ，它通过在观察到的邻域中生成合成少数

针对现有相关噪声模型—Laplacian 模型不能精确描述相关噪声，导致分布式视频编码(DVC,distributed video coding)系统的率失真性能不高的问题，提出像素域DVC中广义伽马分布相关噪声模型。首先分析了相关噪声的统计特性，发现 Laplacian 分布的峰值比实际相关噪声分布的低，然后采用广义伽马分布对相关噪声进行拟合，并给出在线估计广义伽马分布参数的方法。实验结果表明，提出的模型能较精确地描述相关噪声，且有效地改善了系统的率失真性能，并减少了解码端计算复杂度。

有色噪声 产生离散的有色（幂律）噪声 的Python / numpy实现：N. Kasdin，新泽西州，沃尔特，T。，“幂律噪声的离散模拟[用于振荡器稳定性评估]”，频率控制专题讨论会，1992年。第46届，1992 IEEE论文集，第274页，5月。 1992。http: 该存储库的代码现在作为Noise（）类包含在allantools存储库中： :

产生1/f噪声（pink noise）以及red noise，blue noise和violet noise，内附实例。

噪声背景下的信号检测是一项复杂而又重要的任务，在雷达信号检测和通信领域都是重要的课题。本文主要针对在噪声背景下周期信号的检测问题，先介绍了几种较为常用的信号检测方法，对自相关函数检测法进行了理论推导，仿真及分析并且仿真分析了多重自相关检测方法的效果，在低信噪比情况下与普通自相关函数法进行了比较。此外还给出了通信信号和雷达信号的检测实例。

一种基于STM32的环境噪声测量设计与实现.pdf

非国大 Simulink中模拟的有源噪声控制耳机 规格 feed_forward_FxLMS.m是使用前馈方法进行噪声控制的简单演示feedback.slx是在Simulink中使用反馈方法进行实时噪声控制的仿真 参考 @inproceedings {eriksson1994， title = {用于主动声衰减的完全自适应广义递归控制系统}， 作者= {Eriksson，Larry J和Allie，Mark C和Melton，Douglas E和Popovich，Steven R和Laak，Trevor A}， booktitle = {声学，语音和信号处理，1994年。ICASSP-94，1994年IEEE国际会议}， 音量= {2}， 页数= {II--253}， year = {1994}， 组织= {IEEE} }

低剂量CT（LDCT）扫描是减少人群中X射线辐射的一种潜在方法。 有必要提高低剂量CT图像的质量。 在本文中，我们提出了一种有效的算法，用于利用剪切波变换去除LDCT图像中的量子噪声。 因为可以通过泊松过程来模拟量子噪声，所以我们首先使用安斯科姆方差稳定变换（VST）对量子噪声进行变换，从而产生具有单位方差的近似高斯噪声。 其次，通过在小波域中的自适应硬阈值处理获得无噪声的小波系数。 第三，我们使用逆剪切波变换来重建去噪图像。 最后，将anscombe逆变换应用于降噪后的图像，从而可以产生改进的图像。 主要贡献是将anscombe VST与Slicelet变换相结合。 通过这种方式，可以有效地将边缘系数和噪声系数与高频子带分离。 使用所提出的方法对一些LDCT图像进行了许多实验。 定量和视觉结果均表明，该方法可以有效地减少量子噪声，同时增强细微的细节。 在临床应用中具有一定的价值。