去噪声代码matlab 使用EMD去噪ECG 这些MATLAB代码是基于CEEMDAN的ECG去噪技术的实现，该技术基于下面提到的文献。 这是孟买IIT的一个学期研究项目的一部分。 main_HF_2008c326.m：这是基于2008年论文使用CEEMDAN消除高频噪声的主文件。 main_BW_2015c2.m：这是使用基于2015年论文的CEEMDAN消除Baseline Wander信号的主文件。 main_HF_2012c89.m：这是根据2012年论文在消除高频噪声方面失败的主文件。 其他所有“ .m”文件不是最终代码就是上面列出的主文件的支持代码。 所有三篇论文均附有提供CEEMDAN方法的论文（2014年论文）

在现今智慧程式快速的发展之下，单是一颗强力的MPU有时无法应付复杂的应用场景。以工业控制，车用市场上，急需解决的控制问题，SAC团队提出了整合的完整方案。工业控制的人机界面(HMI)，车用的infotainment，都不适用于键盘与鼠标，为考量安全性以及使用的便利性，手势识别成为了一项新的控制方式。 以i.MX8MQ为基础，整合原相科技(Pixart)所提供的CMOS光学感应手势识别模组，透过简单的I2C界面做沟通，达成无须键盘及鼠标即可简单并快速的控制面板。目前提供的手势识别超过10个以上，包括上下左右挥动，手势由远到近，近到远，顺时针逆时针旋转，可以依客户需求做修改，弹性的设计可以应付大多数复杂的控制环境。 原相科技所提供的CMOS光学感应手势识别模组，以误判率低，判别迅速著称，并且提供Linux驱动程式并由SAC团队技术支援，可协助客户快速的整合并且根据客户需求做修改。 此方案完美整合i.MX8MQ的强大运算能力，以原相手势识别模组克服恼人的控制问题，在工业控制以及车用市场上提供客户全新的选择。 软体实作流程: 带入I2C address 0x73 并且将相对应的interrupt pin脚指定好 定义手势控制的key event 指定不同手势所需执行的行为 编译cross compile并且修改Makefile 场景应用图产品实体图展示板照片方案方块图核心技术优势 支援Linux以及Android 双系统  双SDIO界面，可同时使用storage以及WIFI.  4核Cortex-A53及M4，应付工控应用得心应手  手势控制模组:  i2C界面支持到400kbit/s  最高反应速度:360@1080 frame rate  最远探测距离:20cm方案规格 手势模式以及游标模式  手势模式:内建多达9种手势  游标模式:可输出追踪物体的位置、尺寸和亮度的即时数据 方案来源:大大通

本文主要的内容是对图像的去噪技术做一个简单的介绍。全文对图像去噪技术进行了概述，包括噪声的概念和去噪原理，并对一些基本的图像去噪方法做了介绍。由于时间关系，并且这是导论课程的论文作业，就没有进行深入细致的研究。

为了准确地提取出结构光测量中变形条纹的瞬时相位，需对变形条纹图像进行滤波。在OWT_SURE_LET小波去噪的基础上，用冗余小波代替正交小波，用DB8小波代替Sym8小波，利用一个六变量的收缩函数代替四变量的收缩函数，提出了一种改进的SWT_SURE_LET小波滤波算法，该算法速度快、稳健性强。峰值信噪比和相位均方根值提取精度两个指标表明，无论何种类型的变形条纹，无论变形条纹的载频怎么变化，改进算法都是有效的。和其他经典的及最新的去噪算法相比，改进后的算法具有最好的结果和稳健性。

主要描述了PLL的相噪特性，有比较详细的相噪图并加以分析。

将db小波设定不同的尺度，不同的db小波，处理构造的加噪信号，输出去噪前后的对比波形图，和信噪比，并将信噪比存储，可导出到excel中。

功能：实现语音活动检测 算法实现：可参见文献 输入参数说明：语音信号 返回参数说明：语音是否活动的标志，信噪比

最近的基于低秩的矩阵/张量恢复方法已经在多光谱图像（MSI）去噪中得到了广泛的探索。 但是，这些方法忽略了固有结构相关性沿空间稀疏性，光谱相关性和非局部自相似性模式的差异。 在本文中，我们通过对矩阵和张量情况下的秩属性进行详细分析，进一步找出非局部自相似性是关键因素，而其他人的低秩假设可能不成立。 这促使我们设计一个简单而有效的单向低秩张量恢复模型，该模型能够如实地捕获固有的结构相关性，并减少计算负担。 然而，由于重叠的补丁/立方体的聚集，低等级模型遭受了振铃伪影。 虽然以前的方法诉诸于空间信息，但我们通过利用MSI中的专有频谱信息来解决此问题，从而提供了一个新的视角。 引入基于分析的超拉普拉斯先验模型对全局频谱结构进行建模，以间接减轻空间域中的振铃伪影。 与现有方法相比，该方法的优点是多方面的：更合理的结构相关可表示性，更少的处理时间以及重叠区域中更少的伪影。 所提出的方法在多个基准上得到了广泛评估，并且明显优于最新的MSI去噪方法。

基于形态学的权重自适应图像去噪，图像信息的保持，图像边缘的提取，图像骨架的提取，图像的处理效率，数学形态学图像处理。

小波变换降噪技术及其在Matlab中的实现,：对信号进行小波分解；小波分解高频系数的域值量化；信号重组。