针对现有的助听器语音增强算法在非平稳噪声环境下，残留大量背景噪声的同时还引入了“音乐噪声”，致使增强语音可懂度和信噪比不理想等问题。提出了一种基于噪声估计的二值掩蔽语音增强算法，该算法利用人耳听觉感知理论，结合人耳的听觉特性和耳蜗的工作机理。采用最小值控制递归平均（Minima-Controlled Recursive Averaging，MCRA）算法获得估计噪声和初步增强语音；将估计噪声和初步增强语音分别通过可以模拟人工耳蜗模型的gammatone滤波器组进行滤波处理，得到各自的时频表示形式；利用人耳的听觉掩蔽特性，计算含噪语音在时频域的二值掩蔽；利用二值掩蔽得到增强语音。实验结果表明：该算法很大程度上去除了谱减法引入的“音乐噪声”，与基于MCRA谱减法相比，增强语音的语言可懂度指数（Speech Intelligibility Index，SII）、主观语音质量评估（Perceptual Evaluation of Speech Quality，PESQ）和信噪比（Signal to Noise Ratio，SNR）都得到了提高。

基于最小统计的非平稳噪声估计算法，最原始的理论，便于理解

关于LDPC使用AWGN和BSN信道的噪声估计代码 自己设置迭代次数和码长

LTE上行探测参考信号噪声估计算法研究.doc

IMCRA111_语音增强_IMCRA_噪声估计.zip

matlab开发-一幅图像的噪声估计。它可以从单个图像精确地估计噪声级。

matlab开发-信号相关噪声估计。该代码将估计信号相关噪声模型的三个参数。

噪声估计分布这是 Ref. 的配套发行版。 纸： O. Laligant、F. Truchetet、E. Fauvet，“数字阶跃模型信号的噪声估计”，IEEE Trans。 图像处理，2013 年 12 月，22(12):5158:67 联系人：olivier.laligant@u-bourgogne.fr 这种分配允许： - 引入新的噪声估计器 (NOLSE)，对各种类型的噪声具有有趣的性能- 在被各种合成噪声破坏的真实图像上测试各种噪声估计器- 使用各种噪声估计器估计图像中的噪声水平结果可用于各种应用。 标题图像示出了图像恢复的示例，其中通过噪声估计器获得恢复方法的参数。 估计量： - 新估算器 NOLSE 的 nolse.m、fnolse.m 类似脚本和函数版本- SI Olsen 的 averageN.m 噪声估计（请参阅 averageN 的帮助） -J.Immerkæ

IMCRA(Improved?Minima Controlled Recursive Averaging，IMCRA)，它们虽然保证了噪声谱估计的准确性，但在追踪带噪语音平滑功率谱最小值时采用了固定时间窗，因此，在噪声突变的情况下，估计的噪声谱存在很长的延时。

该方法仅从 SENSE 幅度 MR 图像的单次采集中准确地估计噪声的非平稳参数。 该算法假设噪声遵循非平稳 Rician 分布，它利用空间变异噪声的同态分离两项：平稳噪声项和一个低频信号。 然后通过具有 Rician 偏差校正的低通滤波来估计噪声的非平稳方差。 该算法在以下方面提出： MRI 中的空间变异噪声估计：同态方法，S Aja-Fernández、T Pieciak、G Vegas-Sánchez-Ferrero，医学图像分析，2014