图像去噪是数字图像处理中最基本的研究内容, 也是一项十分关键的技术, 一直以来是图像处理领域的难点。图像去噪的好坏直接影响后续图像边缘检测、特征提取、图像分割和模式识别等图像处理。为有效去除乘性噪声的影响, 提出一种深度残差学习的乘性噪声去噪方法。该方法通过引入残差优化, 解决了卷积神经网络在层数较多时, 随着层数加深, 梯度在传播过程中逐渐消失的问题。与4种经典去噪算法进行比较, 结果表明, 该方法在有效去除乘性噪声的同时, 可以更好地保留图像的边缘和纹理区域的细节信息, 为后续的图像分割、配准和目标识别等奠定基础。

全面的振动、模态、应变、噪声测试理论知识点讲解，内容丰富

非线性失真测量受激励信号的频谱成分影响非常大。单音谐波失真测量常常受到批评的原因是因为其信号成份过于简单，与现实生活中的音乐或语音相差太远。双音或多音信号包含两个或两个以上的频率成份，因而更接近现实生活中的信号。当用双音或多音信号激励一个非线性系统时，除谐波失真外，还会出现互调失真。目前有多种互调失真测量方法，包括双音互调失真（SMPTE IMD， DIN IMD、CCIF2 IMD、CCIF3 IMD）、多音失真（总失真及噪声TD+N）和动态互调失真（DIM30、DIM100）等。本文介绍了在各种互调失真测试中如何正确配置各种测试参数以得到最准确的测试结果，还分析了量化噪声、采样频率和激励信号的合成频率对测试准确度的影响。

提出了一个低噪声、高线性的超宽带低噪声放大器（UWB LNA）。电路由窄带PCSNIM LNA拓扑结构和并联低Q负载结构组成，采用TSMC 0.18 μm RFCMOS工艺，并在其输入输出端引入了高阶带通滤波器。仿真结果表明，在1.8 V直流电压下LNA的功耗约为10.6 mW。在3 GHz～5 GHz的超宽带频段内，增益约为13.5 dB，输入、输出回波损耗S11、S22均小于-14 dB，噪声系数（NF）为0.875 dB～4.072 dB，三阶交调点IIP3均值为5.35 dB。

该测试基于 Lyapunov 指数对噪声时间序列的混沌动力学进行测试。 输入是观察到的时间序列的向量，它可以是随机的或混沌的，通常时间序列有噪声，因此该代码基于隐藏混沌图的神经网络近似来测试李雅普诺夫指数的正性。 此测试使用雅可比方法计算 Lyapunov 指数，无需指定 ODE 或仅给出观察向量的可疑映射。 有关详细信息，请参阅我的论文： http : //www.sciencedirect.com/science/article/pii/S2352711015000096

随机共振(SR)作为一种能够利用噪声来提高系统输出信噪比的工具,近来得到越来越多的关注和研究.一个很大的问题是如何设计一个简单高效的SR系统.针对常见的微弱信号检测问题,我们分析了二值量化器和二值量化器阵列,推导出最优二值量化检测器和渐近最优阵列SR检测器,给出渐近最优阵列SR检测器的设计准则.根据理论分析结果,给出了鲁棒阵列SR检测器及基于噪声样本集合的参数选择算法,能够在未知背景噪声情形中获得较好的检测性能.

matlab开发-2自适应噪声消除滤波。使用适当的噪声估计从图像工具箱中修改的wiener2版本

从声学原理到区域规划,囊括了噪声控制的各个方面。共分十章。包括噪声控制、评价、测量；控制噪声的材料和构件；振动对环境的影响；道路、铁路和航空的交通噪声；工业噪声和城市区域噪声的控制等方面。

gpsr算法，抗噪声能力强，算法功能比好，费了好久找到的

24《噪声的危害和控制》课件(实用).ppt