噪声估计算法

❶ EM算法怎样估计高斯分布噪声的方差

留下你的邮箱

❷ 图像降噪KONoise 2.5怎么用

软件特性 KONoise 是一款专业的图像降噪软件，可以在最大程度保留细节下快速有效消除图像噪声。拥有强大的去噪能力的KONoise可以大幅提高数码拍照产品的成像质量，使得您的数码相片更加完美。 本软件很好的消除了不规则的噪声，因此，处理后图像的压缩效率大幅提高，体积大小相同的图像可以保留更丰富的细节。在图像上传、博客浏览等应用中，能有效改善用户体验。 a. 开放更多的高级功能的调整参数，包含对不同的亮度范围的场景以及不同频段（针对不同尺寸的噪声）调整降噪强度。 b. 优化降噪效果预览速度，实时预览。 c. 在预览面板加入进度条及提示。 d. 专业版中的ps插件也同步改进上述更新。 图像降噪KONoise具有以下诸多特色： a. 操作简便直观，支持一键降噪、拖放图像。各种常用操作都有对应的快捷键。 b. 大窗口实时预览，提供良好的参数调节功能，降噪效果所见即所得。 c. 采用精确的噪声模型估计算法，无需手动参与，智能适应同一图片噪声级别不同的情况。 d. 保留细节的非局部去噪算法，快捷有效的去除大多数的噪声，实验所得的PSNR及实拍图像的降噪效果都属于商业软件中领先地位。 e. 基于小波域的多层图像加速处理，对于常用的家庭电脑，高达每秒三百万像素的处理速度。 f. 智能多核加速支持，自动识别电脑配置，充分利用多核CPU的优势。 g. 带有便捷的图像旋转、翻转、图像细节增强等功能。 h. 图像亮色通道调整模块。亮度调整、对比度调整、伽马调整，以及RGB通道的色彩平衡。 i. 支持目前大部分图像格式，包括常用的BMP、JPG、PNG、GIF、TIF等等；对于常见的JPEG格式，支持保留EXIF信息、压缩质量设置等。 j. 专业版的插件形式可以让您在统一的用户界面下，连贯处理作品，无需切换环境。 KONoise适用场合： a. 单反相机、数码相机、手机：可降低或消除夜景低照度下成像中的高ISO噪声、红绿色斑等。 b. 扫描仪、传真机：可消除热噪声、高ISO噪声等。 试用版注册信息： 本软件提供30天免费试用。

❸ 当满足什么条件时，MMSE估计即为LMS算法

MMSE估计就是最小均方误差估计，通过求得一个合适的信道冲击响应（CIR），使得通过CIR计算出的接收数据与实际数据的误差的均方和最小。

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
我上个月刚做过基于块状导频信息的LTE物理层上行信道的频域信道估计以及信道均衡。

部分算法如下（以下是基于单载波的）

假设循环前缀已经消除了实践弥散信道带来的符号间干扰，保证了子载波之间的正交性。并且信道为慢衰落信道，在一个OFDM符号内，可以认为保持不变。

均衡器接收到的信号可以表示为
y(t)=x(t)*h(t)+n(t)

y(t)为均衡器接收到的信号，h(t)为系统等效的冲击响应，x(t)为原始的输入信号，n(t)为系统中的噪声。

信道估计的任务就是在已知发送参考信息的情况下，对接受到的参考信息进行分析，选择合适的算法得到参考信息的信道冲击响应，即h(t),而数据信息的信道冲击响应则可以通过插值得到。

1) 最小二乘估计（LS）
该算法的目的是

有正交性原理，则可得LS估计

该估计为无偏估计，每估计一个新到衰落系数只需一次乘法，缺点是受噪声影响较大。

2) 线性最小均方误差估计（MMSE）
LMMSE估计属于统计估计，需要对信道的二阶统计量进行估计，利用信道相关性可以置信道噪声提高估计性能。以最小均方误差（MMSE）为准则，如下式：

为了降低计算的复杂度，一般将 用它的期望值 代替，信道性能不会产生明显恶化，则上式可变为

其中 为一个仅与调试的星座的大小有关的值， 为平均信噪比。
该算法的复杂度较高，随着X的改变， 须不断更新。

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

不知道你的是物理模型和数据结构是什么样的，频域估计还是时域估计，基于导频信息还是盲信道估计？

____________________________________________
有点悲剧，Word里面的公式我不知道怎么插进来

❹ 如何用matlab产生标准高斯噪声

可以使用AWGN和WGN产生高斯白噪声。WGN用于产生高斯白噪声，AWGN则用于在某一信号中加入高斯白噪声。

加性高斯白噪声 AWGN(Additive White Gaussian Noise) 是最基本的噪声与干扰模型。加性噪声：叠加在信号上的一种噪声，通常记为n(t)，而且无论有无信号，噪声n(t)都是始终存在的。因此通常称它为加性噪声或者加性干扰。白噪声：噪声的功率谱密度在所有的频率上均为一常数，则称这样的噪声为白噪声。如果白噪声取值的概率分布服从高斯分布，则称这样的噪声为高斯白噪声。
MATLAB是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分。
所谓高斯白噪声(White Gaussian Noise)中的高斯是指概率分布是正态函数，而白噪声是指它的二阶矩不相关，一阶矩为常数，是指先后信号在时间上的相关性。这是考查一个信号的两个不同方面的问题。高斯白噪声：如果一个噪声，它的瞬时值服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。

❺ 怎么利用FFT算法对音频噪声进行处理

fft是快速傅里叶变换，它是频谱分析的一种重要工具，例如，在处理过程中使用了快速傅立叶
变换fft，因此用平均周期图法计算功率谱密度函数估计是非常迅速的

❻ 用C语言描述产生泊松噪声，N（numda）

泊松噪声既不是加性噪声，也不是乘性噪声，而是一种信号依赖噪声。对于一张图像而言，每个像素点的值都满足泊松分布，且每个像素点的泊松分布的均值是无噪图像在该像素点对应的值。所以一个完美的泊松噪声去除算法应该是对泊松噪声图像每个像素点的值的一个估计，且该估计应该尽可能的接近无噪图像。
https://blog.csdn.net/qq_27273607/article/details/80728888

❼ 噪声估计的方法

介绍几种常见的单通道噪声估计算法。噪声估计主要基于以下三个现象。
(1)在音频信号中，闭塞因闭合段频谱能量趋于0或者接近噪声水平。噪声在频谱上分布不均匀，不同的频带具有不同的SNR.对于任意类型噪声，只要该频带无语音的概率很高或者SNR很低，则可以估计/更新该频带的噪声谱，这类思想是递归平均噪声估计算法(the recursive-averaging type of noise-estimation algorithms)的支撑点。

(2)即使在语音活动的区域，带噪语音信号在单个频带的功率通常会衰减到噪声的功率水平，我们因此可以追踪在短时窗内（0.4~1s）带噪语音谱每个频带的最小值，实现各个频带噪声的估计。该现象是最小值跟踪算法（the minima-tracking algorithms）的支撑点。

(3)每个频带能量的直方图揭示了一个理论：出现频次最高的值对应频带的噪声水平。有时谱能量直方图有两种模式：1）低能量对应无声段、语音的低能量段;2）高能量模式对应（noisy）语音的浊音段。低能量成分大于高能量成分。

因而总结出三类噪声估计算法

1、递归平均噪声算法

2、最小值跟踪算法
3、直方图噪声估计算法

❽ 普通楼房多大噪音会扰民

居民区的噪音标准在45分贝-55分贝之间。

根据我国《社会生活环境噪声排放标准》的规定，居民区的噪音标准在45分贝-55分贝之间，这个标准相当于两个人在房间里说话，互相能够听清楚的一个音量，而超过这个音量，就可以算作噪音扰民了。

噪声级为30～40分贝是比较安静的正常环境；

超过50分贝就会影响睡眠和休息。由于休息不足，疲劳不能消除，正常生理功能会受到一定的影响；

70分贝以上干扰谈话，造成心烦意乱，精神不集中，影响工作效率，甚至发生事故；

长期工作或生活在90分贝以上的噪声环境，会严重影响听力和导致其他疾病的发生。

(8)噪声估计算法扩展阅读

世界通用噪声标准算法原理

噪声标准是建立在奈奎斯特（Nyquist）定理基础上的，即处于温度为T的热平衡状态下的电阻，由于电子不规则的热运动而产生的热噪声，其噪声功率为

P=kTB

式中k为波尔兹曼常数，1．38×10J/k；T为电阻所处的物理温度为测试系统的频带宽度，Hz；P为电阻输出的噪声功率，W。

当B一定时，温度T与噪声功率P有确定的关系，从而可取T为噪声量值的计量单位称为噪声温度。当负载体满足绝对黑体条件时，则根据普朗克黑体辐射定律，沿传输线辐射出单一模式的电磁波，其单位频带辐射的功率为；

N=kT

负载温度T不同，可分为标准高温、标准低温和标准室温三种噪声源。高于室温的噪声标准称为标准高温噪声源；T低于室温的噪声标准称为标准低温噪声源；T等于或接近于室温的噪声标准称为标准室温噪声源。标准高温噪声源由于操作和维护都较麻烦，只宜作为国家计量标准。

❾ Heursure阈值算法是什么

rigrsure阈值，是一种基于Stein的无偏似然估计原理的自适应阈值选择；
sqtwolog阈值，采用的是一种固定的阈值形式，它所产生的阈值为2log(length(x))
heursure阈值，是前两种阈值法的综合，所选择的是最优预测变量阈值，当信噪比很小，阈值估计有很大噪声时就需要采用这种固定的阈值形式

刚在写论文，随手粘贴过来。