图像处理 过滤器、噪声处理、亮度和对比度调整、负片、二值化、膨胀和侵蚀。

基于VS2015_C#实现的Seamless Perlin2D 噪声，采用了两种方法实现，可为学习研究之用。摘要必须大于100个字节

学习信号检测与估计理论的第一选择 MIT经典教材

该工具方便计算系统的噪声系数和三阶互调等指标，方便使用，用户体验好。

实现用c++实现高斯噪声的产生，可以对图像进行添加，可以设定高斯噪声的均值和方差。

有关电机控制转矩脉动和噪声控制的论文

matlab加噪声代码GPz 2.0 不确定和不完整数据的异方高斯过程 介绍 这是所描述的稀疏异方差高斯过程的matlab实现。 数据集被认为是由输入组成和目标输出，其中n是数据集中的样本数，d是输入的维数。 目标由输入函数生成 加上附加噪声： 。 这项工作的目的是找到最简单的函数，该函数在给定输入的情况下最大化观察目标输出的可能性。 径向基函数（RBF） 该模型优化了由m个径向基函数的线性组合生成的数据的概率。 在提出的解决方案中，RBF具有不同的方法，请参见图1，如下所示： 全局长度标度（GL）：所有基础函数共享相同的长度标度。 可变长度标度（VL）：每个基础都有特定的长度标度。 全局对角线（GD）：所有基函数共享相同的对角协方差。 可变对角线（VD）：每个基础都有特定的对角协方差。 全局协方差（GC）：所有基函数共享相同的完全协方差。 可变协方差（VC）：每个基础都有特定的完整协方差。 图1：在相同数据上使用不同数量的基函数（m）训练GPVL，GPVD和GPVC的结果。 椭圆表示RBF的学习协方差。 对数边际可能性显示在每个图上方（Almosallam，2017） 异方差噪声 该

自动生成一个随机的满足高斯分布的0-1之间的数字，输入的参数为高斯分布的均值和方差

这是一个AWGN信道下，编译码仿真的C程序。本人已经用它产生数据绘制折线图！包含编码，译码，信道模拟，误码率计算 ……

针对传统方法建立的空间权矩阵难于真实、准确地反映空间邻近变量之间相互影响的不足，提出一种基于样本数据驱动的空间权矩阵建立方法，将建立空间权矩阵转换为求解未知系数线性方程；针对STARMA模型只具有线性形式而无法捕获时空序列中非线性模式的不足，提出STARMA网络模型，采用网络结构，以非线性函数代替线性组合。通过实验分析验证了基于样本数据驱动的空间权矩阵建立方法和STARMA网络的有效性。