通过设计数字滤波器，实现对语音信号的检测去除噪声，加深对数字滤波器设计理解

利用MATLAB产生ECG信号，消除该信号中的工频干扰

概率主成分分析仪（MPPCA）的混合物 安装 将存储库的内容复制到您喜欢的位置 git clone git@github.com:SamuelePolimi/MPPCA.git cd MPPCA 并安装库 cd ../.. pip install -e . 具有循环数据的第一个示例 让我们生成一些圆形的数据 n_samples = 500 theta = np . random . uniform ( - np . pi , np . pi , size = n_samples ) x_1 = np . sin ( theta ) x_2 = np . cos ( theta ) r = np . random . normal ( scale = 0.1 , size = n_samples ) + 1. X = np . array ([ x_1 * r , x_2 * r ]).

在这项工作中，作者修改了经典的 Perona-Malik (PM) 扩散模型来处理乘法噪声，并且我们添加了一个合适的正则化项，该项经过统计建模以减轻超声图像中的乘法效应。 我们的兴趣是强调平面图像区域的正则化，同时保持合理的边缘和轮廓。 主观和定量评估表明，与 Perona-Malik、Charbonneir、Guo 等人等一些最先进的方法相比，所提出的模型产生了更好的结果。 和总变异

图像分析：此存储库包含在图像分析模型中使用的所有必要技术。 即特征提取，过滤，掩膜，噪声消除以及更多这些代码是在MATLAB 2015中编写的

低剂量CT（LDCT）扫描是减少人群中X射线辐射的一种潜在方法。 有必要提高低剂量CT图像的质量。 在本文中，我们提出了一种有效的算法，用于利用剪切波变换去除LDCT图像中的量子噪声。 因为可以通过泊松过程来模拟量子噪声，所以我们首先使用安斯科姆方差稳定变换（VST）对量子噪声进行变换，从而产生具有单位方差的近似高斯噪声。 其次，通过在小波域中的自适应硬阈值处理获得无噪声的小波系数。 第三，我们使用逆剪切波变换来重建去噪图像。 最后，将anscombe逆变换应用于降噪后的图像，从而可以产生改进的图像。 主要贡献是将anscombe VST与Slicelet变换相结合。 通过这种方式，可以有效地将边缘系数和噪声系数与高频子带分离。 使用所提出的方法对一些LDCT图像进行了许多实验。 定量和视觉结果均表明，该方法可以有效地减少量子噪声，同时增强细微的细节。 在临床应用中具有一定的价值。

利用LMS算法实现音频的噪声消除

TMS320系列设计主动噪声消除器(ANC)的算法，主要说明了ANC算法的总结和实现

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

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