matlab除噪声代码DD-SRAD DD-SRAD代表距离驱动散斑减少各向异性扩散，用于消除SAR时间堆栈的噪声。 该代码是为与MATLAB一起使用而编写的。 用于对合成Kong径雷达数据的时间堆栈进行去噪，但可用于随时间推移而被噪声破坏的任何图像数据。 可以在下面列出的相关论文中找到更多详细信息。 如果使用此代码，请引用以下内容： N. Tabassum，A。Vaccari和S. Acton，“通过合成Kong径雷达时间堆栈的距离驱动各向异性扩散进行斑点去除和变化保留”，《数字信号处理》，第1卷。 74，第43-55页，2018年。 该代码提供了两个数据集，一个是合成生成的，另一个是一组实际SAR幅度数据。 原始合成数据也包括在内以进行比较。 要运行演示，请运行DD_SRAD.m。 如有任何疑问，请联系。 谢谢！

DnCNN-张量流 TIP2017论文的张量流执行器， 模型架构 结果 BSD68平均结果 BSD68数据集上不同方法的平均PSNR（dB）结果。 噪音等级 BM3D 无线网络 锁相环 MLP 脑脊液 TNRD 神经网络 神经网络 DnCNN-张量流 25 28.57 28.83 28.68 28.96 28.74 28.92 29.23 29.16 29.17 Set12平均结果 噪音等级 神经网络 DnCNN-张量流 25 30.44 30.38 要求 tensorflow >= 1.4 numpy opencv 数据集 我使用BDS500数据集进行训练

基于小波变换的平移不变量图像消噪法,里面有文档和matlab程序，可以下载参考下

针对激光雷达回波信号所含噪声的特点，提出并详细论述了一种能够对激光雷达回波信号进行有效消噪的小波包平均阈值变换方法。该方法通过求取最优小波包基的每个结点的阈值，并进行平均后作为全局阈值来实现小波包消噪。为了验证该方法的有效性，对包含高斯白噪声的模拟信号进行了仿真消噪，并对米氏散射激光雷达系统实际探测得到的大气回波信号进行了消噪处理。同时，将该方法与小波全局阈值消噪、小波包默认阈值的消噪效果进行了对比分析。仿真结果和实验结果表明，基于平均阈值的小波包消噪方法能够有效降低激光雷达回波信号中所含噪声，并且其消噪效果明显优于另外两种小波分析方法。

深度计数自动编码器可对scRNA-seq数据进行消噪 深度计数自动编码器网络使用具有零膨胀负二项式（ZINB）损失功能的深度自动编码器，通过考虑计数结构，数据的过度分散的性质和稀疏性来对scRNA-seq数据进行去噪并消除丢失的影响。 有关更多详细信息，请参见我们的和。 安装 点子 对于count自动编码器和所需软件包的传统Python安装，请使用 $ pip install dca conda 安装计数自动编码器和所需软件包的另一种方法是使用 （最容易通过）。然后运行以下命令。 $ conda install -c bioconda dca 用法 您可以从命令行运行自动编码器： dca matrix.csv results 其中matrix.csv是CSV / TSV格式的原始计数矩阵，其基因位于行中，单元格位于列中。细胞和基因标签是强制性的。 结果 输出文件夹包含主输出文件（代表Z

脉搏信号是医学研究与临床诊断的重要参考依据。针对其在采集过程中极易受到基线漂移的干扰，提出使用MP算法消除脉搏信号中的基线漂移，并将结果与EMD算法的消噪结果进行了比较。仿真结果表明与EMD算法相比，MP算法不仅能够很好的抑制基线漂移，还可以有效的保留脉搏信号的波形特征。

对于音频信号的几类普遍噪声的消除，以及怎么产生噪声和回声及其消除

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。

一种综合小波变换的心电信号消噪算法.pdf

拉曼光谱信号，尤其是生物活体的拉曼信号，由于受到荧光背景噪声的影响，光谱复杂，在很大程度上影响了分析效果。依据荧光背景特点提出了一种基于信号极小极大值自适应缩放的消除荧光背景方法，从峰强与质量分数关系、单光谱与混合光谱关系两个方面验证可行性，并与传统基于多项式拟合基线校正的荧光背景消除方法进行对比，结果表明该方法优于传统方法。为了显示血液在活体小鼠耳朵组织中的二维和三维分布，选用血红蛋白的特征峰1549 cm-1来做拉曼成像，与以往数据处理的方法所得到的图像进行对比，结果表明此方法能够获得较好的拉曼光谱数据，特别是对一些较弱的拉曼特征峰，成像结果更好。