代码通过小波变换实现压缩，去噪，平滑，能够直接添加到MATLAB中运行

六、小波函数的选择 小波变换不象傅里叶变换是由正弦函数唯一决定的，小波基可以有很多种，不同的小波适合不同的信号去噪，对于确定的信号，如果小波选择不当，去噪结果可能相差很远，还有可能丢失有用的信息。 面对各种小波，到底选择哪一种来处理心电信号才能满足医疗上的需要，必须经过大量的仿真研究结果来进行筛选 。 根据大量文献记录B样条函数适合心电去噪： 样条函数是一种非紧支撑正交的对称小波，有较高的光滑性，频率特性好，分频能力强，频带相干小的特性。

选择一段不含噪声的ECG纯净信号，手动在样本中叠加不同信噪比的高斯白噪声，模拟在不同噪声水平下的含噪ECG信号，使用SSA分析数据，用信噪比（SNR）、信噪比增益（SNRG）、根均方误差（RMSE）三指标衡量算法性能

使用小波变换和独立分量分析的ECG信号降噪

深度学习的CT图像降噪 01.使用方向小波进行低剂量X射线CT重建的深层卷积神经网络（KAIST-net） 数据集 AAPM-Mayo诊所低剂量CT大型挑战赛（仅腹部CT图像） 512x512，10位患者，5743个切片 使用55x55补丁 模型 该方法适用于低剂量CT图像的小波系数 网络包含24个卷积层 02.通过卷积神经网络进行小剂量CT 数据集 TCIA（癌症影像档案馆）常规剂量的CT图像。 256x256、165位患者，7015个切片。 将泊松噪声加到正常剂量的正弦图中。 使用33x33的补丁。 模型 网络仅使用3个层（Conv-ReLU-Conv-ReLU-Conv）。 03.使用残差卷积网络改善低剂量CT图像 数据集 AAPM-梅奥诊所低剂量CT挑战赛 512x512，10位患者，5080个切片 使用44x44补丁（2D），44x44x24补丁（3D） 模型 二

语音降噪模型训练PMSQE loss 对应pesq指标MOS分

一个运算量很小的C语言降噪算法，运算量小，从开源工程中提取出来的

提出了一种基于小波降噪与改进的符号内频域平均(ISFA)联合的相干光正交频分复用(CO-OFDM)系统信道估计方法。该方法利用最小二乘(LS)方法进行信道估计，并对估计后的结果进行小波去噪处理，最后采用Kaiser窗函数改进ISFA 算法对小波处理结果进行ISFA，完成联合去噪。仿真结果表明，该方法可以有效地提高信道估计精度。当光信噪比(OSNR)为17 dB时，该算法的误码性能(BER)比ISFA 算法的误码性能提高将近一个量级。

MATLAB去噪.docMATLAB去噪.docMATLAB去噪.doc

jpeg压缩的matlab代码神经网络 该存储库包含用于实施论文的代码-。 这是课程项目的一部分。 介绍 在过去的十年中，卷积神经网络在处理各种低级视觉任务方面显示出巨大的成功。 图像去噪是计算机视觉中这种长期存在的问题。 图像去噪的目的是从噪声图像y = x + v中恢复干净图像x 。 假设v是加性高斯白噪声（AWGN）。 通常，图像去噪方法可分为两大类-基于模型的方法和基于判别学习的方法。 诸如BM3D和WNNM之类的基于模型的方法可以灵活地处理各种噪声水平下的降噪问题，但是它们的执行非常耗时，并且需要对先验进行建模。 为了克服这些缺点，已经开发出判别方法。 我们实现的论文是-超越高斯去噪器：Kai Zhang等人研究的深度CNN用于图像去噪的残差学习。 我们将此称为基础论文。 提出的去噪卷积神经网络称为DnCNN。 不是直接输出干净图像x' ，而是训练模型来预测残留图像x' ，即残留噪声图像和潜在干净图像之间的差异。 批量归一化技术进一步提高并稳定了DnCNN的训练性能。 当v是地面真实高分辨率图像与低分辨率图像的三次三次向上映射版本之间的差时，可以将图像退化模型转换为单个图像超