基于形态学的权重自适应图像去噪，关于图像预处理的算法。 项目书配套的完整代码，可运行，有测试图，很好的学习资源！

载噪比是GPS接收机中的一个重要测量值和控制参数。针对高灵敏度GPS接收机中的载噪比测量，提出了一种自适应载噪比估计算法。该算法根据信号功率的大小自适应调整载噪比估计时间来获得准确且稳定的载噪比估计值。该算法已经在GPS接收机中实用，测试结果表明，载噪比大于40 dB-Hz时，估计时间小于1 s，估计值的标准差小于0.2 dB，随着载噪比的降低，估计时间呈指数关系增加，载噪比为14 dB-Hz时，更新时间为12.48 s，估计值的标准差小于0.8 dB。

基于加性高斯白噪声在经验模式分解算法（Empirical Mode Decomposition,EMD）下的统计特性,提出了一种基于EMD的去噪算法。通过数值仿真,比较了提出的算法与小波域阈值去噪的性能。仿真结果表明,该算法与小波域阈值去噪的效果相似,而不用选择小波基,是一种自适应的去噪算法。

针对强干扰背景下的微震信号提取，提出一种基于经验模态分解（Empirical Mode Decomposition，EMD）和互信息熵的自适应提取算法。通过EMD对微震信号进行分解，得到高频和低频两部分信号，并对分解得到的各阶固有模态分量求出能量和能量熵值。根据互信息准则，通过依次计算相邻分量能量熵之间的互信息值来区分高频和低频信号。将经过自适应阈值滤波后的高频信号和低频信号一起进行信号重构，得到新的微震信号。仿真结果表明，在对微震信号去噪时，该方法可以有效地去除噪声信号，信噪比均提升了10 dB以上。工程上的微震信号通过该方法处理后，也取得了较好的效果。

针对自适应消噪中存在的问题,提出一种基于小波多分辨率分析的自适应消噪算法,利用小波多分辨率分析理论,把信号和噪声正交分解于不同的频率范围中,从而减少了自适应滤波器的阶数,提高了算法的收敛速度和稳定性。选择若干不同频率尺度上信号作线性组合,对组合后的信号进行自适应谱线增强,保存了信号的高频信息。仿真实验结果证实了该算法的正确性,且在实际消噪应用中取得良好的效果。

正则化超分辨率重建中自适应去噪算法硕士论文研究.docx

该函数对信号 x 执行自适应噪声消除。 滤波器长度为L，mu为适应率。 输出是一个包含滤波器权重和信号与滤波信号之间的误差的结构。

对RLS自适应噪声对消算法给出了代码实现并附有详细的注释

提出适用于高密度人群的自适应高斯核，用于对图像进行预处理操作，可以自适应地对图像进行去噪处理，相比于传统的高斯滤波器获得更好的平滑效果。

基于形态学的权重自适应图像去噪.