搜索资源列表
P0311
- 在MATLAB环境下，以上代码通过编译。P0311：利用巴特沃斯（Butterworth）低通滤波器对受噪声干扰的图像进行平滑处理 P0312：利用巴特沃斯（Butterworth）高通滤波器对图像进行锐化处理
AdaptiveLMS
- 用自适应数字滤波器进行谱线增强,噪声信号是均值为零,方差为1的高斯白噪声
8QAM
- 利用Matlab仿真软件，完成如图1所示的一个基本的数字通信系统。信号源产生0、1等概分布的随机信号，映射到16QAM的星座图上，同时一路信号已经被分成了实部和虚部，后边的处理建立在这两路信号的基础上。实部、虚部信号分别经过平方根升余弦滤波器，再加入高斯白噪声，然后通过匹配滤波器（平方根升余弦滤波器）。最后经过采样，判决，得到0、1信号，同原信号进行比较，给出16QAM数字系统的误码。
matlabimageprocess3
- 其文章包含4个文件:些文件是基于matlab的源程序:P0309：运用5种不同的梯度增强法进行图像锐化P0310：图像的高通滤波和掩模处理 P0311：利用巴特沃斯（Butterworth）低通滤波器对受噪声干扰的图P0312利用巴特沃斯（Butterworth）高通滤波器对图像进行锐化处
IIR
- 用双线性变换法设计IIR数字滤波器 滤波就是将外界干扰的不需要的频率滤除掉，一面影响要测试数据的结果。比如如果是心电波的话，如果这是外界有很大的噪声干扰，滤波就是把不必要的信号给抑制掉，以便对心跳的正常测试。通过图比较，滤波后的明显比之前的要平滑，就是滤去干扰噪声的结果。采样间隔对实验有影响，取的过大会导致频率混叠。
chap3
- 程序代码说明 P0301：数字图像矩阵数据的显示及其傅立叶变换 P0302：二维离散余弦变换的图像压缩 P0303：采用灰度变换的方法增强图像的对比度 P0304：直方图均匀化 P0305：模拟图像受高斯白噪声和椒盐噪声的影响 P0306：采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波 P0307：采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波 P0308：图像的自适应魏纳滤波
LMS-C
- LMS滤波器示例程序，在TURBOC中运行 这是一个简单的可图形显示的C程序 输入信号是一个被噪声污染了的sin信号。 */ /* 运行后，屏幕的上方是输入信号，下方是经过LMS滤波后的输出信号
imageprocessing2
- 1.灰度变换：选择一幅对比度不足的图像，对该图像进行灰度变换,增强对比度，显示增强前、后的图像以及它们的灰度直方图。 2.直方图均衡：选择一幅灰度直方图不均匀的图像，对该图像进行直方图均衡处理，显示处理前、后的图像以及它们的灰度直方图。 3.选择一幅边缘较模糊的图像，利用高通滤波器（选择或自己设计）对该图像进行边缘增强，观察增强的效果。 4.选择一幅图像，叠加零均值高斯噪声，分别利用低通滤波器、维纳滤波器和中值滤波器对该有噪图像进行滤波，显示滤波后的图 像，比较各滤波器的滤波效果
matlab
- 在数字通信系统中，滤波器是其中重要部件之一， 滤波器特性的选择直接影响数字信号的恢复。在数字信号接收中， 滤波器的作用有两个方面，第一是使滤波器输出有用信号成分尽可能强；第二是抑制信号带外噪声，使滤波器输出噪声成分尽可能小，减小噪声对信号判决的影响。
denoisemixednoisebypcnn
- 使用改进的脉冲耦合神经网络滤除混合噪声。denoisemixednoise.m为主程序，整个程序分为两步，第一步使用PCNN滤除部分噪声，第二步使用中值滤波器滤除其余噪声
Kalmanfilter
- 设置kalman滤波器中噪声大小以及状态状态转移矩阵，测量向量，就可以进行目标的跟踪。
medfilt3
- 1，2，3维中值滤波器，用于图像中值滤波处理，适用于脉冲噪声
strongtrackingfilter
- 在目标被动式跟踪中广泛应用的伪量测变换估计器(PLE)具有良好的误差收敛性。然而由于等价噪声和状态的相关性,该估计器的估计是有偏的。提出的强跟踪滤波器(STF)通过强制白化残差具有自适应地校正估计偏差和迅速跟踪状态变化的能力。STF已经在非线性系统时滞估计、故障诊断与容错控制方面取得了很好的效果。
work5
- P0307：采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波 P0308：图像的自适应魏纳滤波 P0309：运用5种不同的梯度增强法进行图像锐化 P0310：图像的高通滤波和掩模处理 P0311：利用巴特沃斯（Butterworth）低通滤波器对受噪声干扰的图像进行平滑处理 P0312：利用巴特沃斯（Butterworth）高通滤波器对图像进行锐化处理
trapper
- 用于图像预处理，自适应滤波器的代码，去除噪声
边缘检测算法的基本步骤
- 边缘检测算法的基本步骤 （1）滤波。边缘检测主要基于导数计算，但受噪声影响。但滤波器在降低噪声的同时也导致边缘强度的损失。 （2）增强。增强算法将邻域中灰度有显著变化的点突出显示。一般通过计算梯度幅值完成。 （3）检测。但在有些图象中梯度幅值较大的并不是边缘点。最简单的边缘检测是梯度幅值阈值判定。 （4）定位。精确确定边缘的位置。 Canny边缘检测算法 step1:用高斯滤波器平滑图象； step2:用一阶偏导的有限差分来计算梯度的幅值和方
F-ULMS
- 实现自适应算法，利用IIR滤波器实现的，具有克服有源噪声声反馈的能力
MFXLMS1
- 实现自适应算法，利用FIR滤波器实现的，在有源噪声控制中有预测能力
MFXLMS2
- 该进的自适应算法，利用FIR滤波器实现的，在有源噪声控制中有预测能力
MFXLMS3
- 实现自适应算法，利用FIR滤波器实现的，在三维空间的有源噪声控制中有预测能力