matlab删除噪声代码 宽带海底地震数据处理软件 OBStools 是一个包含用于处理宽带海底地震 (OBS) 数据的 Python 工具的软件包。 当前的功能包括从倾斜和顺应性影响中去除垂直分量噪声，以及计算海底顺应性。 该代码使用StDb包来查询和构建站点数据库，并且可以通过命令行脚本使用。 安装、API 文档、脚本和教程在 作者：（开发者和维护者）&&（原始Matlab版本的开发者） 贡献 欢迎所有建设性的贡献，例如错误报告、讨论或对新功能的建议。 您可以使用提议的更改或提出拉取请求。 在提出拉取请求之前，检查是否有相应的问题打开并在拉取请求中引用。 如果没有，建议打开一个并说明更改的理由。 改变其行为的新功能或对代码的重大更改应附带相应的测试和文档。 如果您不熟悉贡献，您可以打开一个正在进行中的拉取请求并对其进行迭代审查。 贡献的示例包括描述已发布的 OBS 数据处理示例的笔记本。 也欢迎提出改进建议（速度、准确性等）。 参考 Bell、SW、DW Forsyth 和 Y. Ruan (2014)，从海底地震仪的垂直分量记录中去除噪声：卡斯卡迪亚倡议第一年的结果，Bull。

基于密度的含噪声角道集波形聚类地震相分析.pdf

程序功能： % 根据给定的信源分布和转移概率矩阵计算 % 输入信源熵H(X) % 输出信源熵H(Y) % 疑义度H(X|Y) % 噪声熵H(Y|X) % 互信息I(X;Y)

基于动作空间噪声的深度Q网络学习.pdf

基于Corcos模型的多通道风噪声模拟 该文件夹包含拟议的多通道人工风噪声发生器。 主要脚本是“ generate_coherent_wind_noise.m”。 其他文件是： generate_uncorr_wind.m = Matlab函数，用于生成M个不相关的风噪声信号，并具有共享的长期增益和单独的短期增益 cohere_mod.m =用于计算复杂相干性的Matlab函数 stft / istft / biorwin.m =用于计算STFT / iSTFT的Matlab函数 mix_signals.m = Matlab函数，用于相干矩阵的分解以计算混合矩阵 exc_signals.mat =矩阵，其行是来自实际风噪声记录的激励信号 transition_prob_const.mat =恒定流量时无风，低风和高风的状态转移概率矩阵 transition_prob_gusts.ma

音频文件中的风噪声检测 索尔福德大学声学研究中心 概述 该程序自动分析.wav文件并检测可能存在麦克风风噪声的区域。 众所周知，风噪声会降低户外录音的质量，并导致助听器出现问题。 当存在特定来源的大量记录时（例如，来自户外音乐会的移动设备的记录片段（用户生成的内容）），可以使用此工具。 该工具可以快速分析每种音频，以确定风噪声最少，质量最高的样本。 风噪声检测算法还提供了时间戳，以标识没有风噪声的区域。 这可以使生产者将多个来源的内容快速拼接在一起，或者标记需要减少噪音等额外处理的区域。 感知测试表明，当存在风噪声时，所需信号与风噪声之间的信噪比是质量的良好指标。 因此，该检测器的工作方式是首先尝试确定风噪声的存在，然后估算SNR，以提供音频质量可能下降的指示。 参见Iain R. Jackson，Paul Kendrick，Trevor J. Cox，Bruno M. Fazen

麦克风风噪声模拟器 这是一个生成麦克风风噪声示例的matlab程序。 这些可用于训练噪声消除算法，提高语音/音频识别算法的鲁棒性并产生声音效果。 音频是从每25ms采样的风速声纳的时间历史中生成的。 如果采样频率不同，则可以使用插值。 麦克风风噪声有3种模型，一种使用真实的音频记录，该音频是使用放置在风洞中的非屏蔽B＆K测量麦克风制作的。 音频窗口，然后从这些录音中抓取，然后将这些窗口重叠并加在一起，以产生随时间变化的风噪声。 此外，还有两种型号的合成麦克风风噪声。 一个带有挡风玻璃（直径D），另一个没有。 有关实现的更多详细信息，请参考以下出版物。 风感麦克风噪声的感知和自动检测，Jason，Iain R .； 保罗·肯德里克； 考克斯，特雷弗·J。 Fazenda，Bruno M .； Li，FrancisF。《美国声学学会杂志》，第1卷。 136，第3期，第1176-1186页-h

noizeus数据库，这个语音库有纯净的语音和不同信噪比的带噪语音，但是没有纯噪声。

BEADS 联合解决了同时基线/趋势/漂移校正和（高斯、泊松）一维信号降噪的问题。 它专为分析化学中出现的正信号和稀疏信号而设计：色谱、拉曼光谱、红外、XRD、质谱等）。 基线对应于缓慢变化的趋势、仪器漂移或背景偏移。 所提出的 BEADS 基线滤波算法基于将一系列（色谱图）峰建模为主要为正、稀疏且导数稀疏，并将基线建模为低通信号。 为了封装这些非参数模型而制定的凸优化问题。 为了说明色谱峰的正性，使用了类似于正则化 l1 范数的不对称惩罚函数。 开发了一种鲁棒的、计算效率高的迭代算法，保证收敛到唯一的最优解。 它实现了发表在论文“Chromatogram baselineestimation and denoising using sparsity (BEADS)”中的方法，作者是 Xiaoran Ning、Ivan W. Selesnick、Laurent Duval， Chemome

行业分类-金融管理-一种剔除噪声的量化金融投资系统及其实现方法.zip