0qR = (7) 根据幂律谱相位噪声模型 [错误！未找到引用源。,错误！未找到引用源。,错误！未找到引用源。] ，其中 0q 主要用来吸收调相 白噪声和调相闪变噪声，以及模型误差影响。 2 基于哈达玛总方差的噪声参数的确定 85 考虑到铷钟的短期稳定性优于铯钟，GPS Block IIR 卫星上只搭载了 3 台铷钟，Galileo 卫星也将搭载 2 台铷钟和稳定性指标更好的 2 台被动型氢钟，我国自主的导航系统也采用铷 钟，为此，本将主要研究适用于铷钟的 Kalman 滤波方程。根据国外学者的研究，采用哈达 玛总方差分析铷钟的频率稳定性，可以提高平滑时间较长时估值的置信度 [错误！未找到引用源。] 。 基于相位数据的哈达玛总方差可表为 [错误！未找到引用源。,错误！未找到引用源。] 90 [ ]∑ − = +++ −+−− = mN i imimimiy xxxxmN H 3 1 2 232 2 33 )3(6 1 )( τ τσ （7） 式(7)中：平滑因子 m 一般取 ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ − ≤≤ 3 1 int1 N m ，相邻相位数据的时间间隔为τ ， ix 为 钟差数据，N 为钟差数据的个数。 若同时考虑观测噪声中存在的调相白噪声以及状态方程中存在的 3 种调频噪声，则可推 导出如下公式 [错误！未找到引用源。] 。 95 3 32 1 1 2 0 2 120 11 6 1 3 10 )( τττττσ qqqqH y +++= −− （8） 式(8)中： 0q 表示对应于调相白噪声和调相闪变噪声的测量噪声参数。 通过式（5），可得不同采样间隔的哈达玛总方差值，再利用式（6），进行最小二乘平 差，可得 0q 、 1q 、 2q 、 3q 的值。求解出噪声参数后，通过式（5）和式（7）可以求出状态 噪声和测量噪声协方差阵。然后就可以进行基于 Kalman 滤波的钟差参数估计与预报。 100 3 实例分析 为了验证利用 Kalman 滤波进行钟差参数估计与预报的有效性，首先利用 IGS 提供的 2011 年 3 月 6 日-2011 年 4 月 4 日 30 天的，采样间隔为 5min 钟的钟差数据进行卫星钟频率 稳定性分析，选择配备铷钟的 6 号卫星作为研究对象，计算哈达玛总方差。在此基础上计算

针对大量研究聚焦在利用随机共振在强噪声下提取有用的信号信息，但大都是在高斯白噪声下进行的，对Lévy噪声激励下的随机共振的研究却很少，介绍Lévy噪声的产生方法，给出Lévy噪声下双稳态系统的数值求解方法，最后对双稳态系统的输出做功率谱分析。对双稳态系统的输出进行分析，发现在Lévy噪声激励下双稳态系统也会发生随机共振现象，还可以辨识出淹没在Lévy噪声中的信号信息。仿真实例说明，可以利用随机共振实现淹没在 Lévy噪声中的信号检测，并为其奠定了理论基础。

QPSK高斯白噪声信道和瑞利信道的误码率以及解调后的星图.zip

针对传统经验模式分解方法所导致的模态混叠现象，提出通过加噪声辅助分析 的EEMD方法，将白噪声加入信号来补充一些缺失的尺度，在信号分解中具有良好的表现。EEMD仿真系统的实现利用了Matlab 平台，通过GUI 控件实现了系统设计，能直观方便地进行比较分析，验证了EEMD 在抗混叠方面较原有方法的改进。

很好很实用的噪声产生代码，已经调试通过，希望大家踊跃下载啊

本文针对实验数据体的特征和各去噪方法的适用条件,有针对性的选取一维小波变换方法去除地震数据噪声,通过对四种阈值量化方法和六种小波函数进行实验计算和效果分析,得到了合适的小波函数和阈值量化方法。研究结果表明:一维小波变换对地震数据具有一定的去噪效果,可有效抑制噪声,保护和补偿有效信号。

主要介绍了使用Python-OpenCV向图片添加噪声的实现(高斯噪声、椒盐噪声) ，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧

强跟踪容积卡尔曼滤波器在对含有模型误差和时变噪声的非线性系统进行滤波时, 容易出现性能降低甚至发散. 鉴于此, 提出一种基于变分贝叶斯的强跟踪容积卡尔曼滤波算法. 该算法运用虚拟噪声法补偿模型误差, 假设虚拟噪声均值非零, 且满足高斯分布, 虚拟噪声方差服从逆gamma分布, 在强跟踪容积卡尔曼滤波器估计状态的同时, 采用变分贝叶斯推理估计虚拟噪声参数. 仿真结果表明, 所提出算法对含模型误差与时变噪声的非线性系统具有较好的估计精度, 相比于自适应算法具有更强的鲁棒性.

产生一定频率的正弦信号，并利用matlab函数加瑞利噪声和高斯噪声，模拟传输信道的衰落，最后画图对比加噪前后的信号。

基于TDOA的短波信源定位技术相比于传统的基于AOA的短波定位技术具有设备简单、成本较低且架构方便的优点。然而,对短波信号直接进行传统的TDOA估计并不能得到信号的时延信息。以Watterson短波信道模型构造短波信号,在研究对比基本相关与模值相关算法的基础上,提出了基于广义相关熵模值的时延估计算法。仿真实验表明,即使在较低信噪比下,该方法仍然保持着较高的时延估计性能,是一种适用于短波信号的新型时延估计算法。