说明：一个仿真测试4FSK信号的matlab环境GUI程序。可以查看基带IQ波形、眼图、星座图。并可以仿真高斯白噪声、瑞利衰减对信号的影响。

说明：基于基本LMS的自适应噪声抵消程序,对一音频信号去噪,效果不错

说明：自己写的基于LMS的自适应噪声抵消,例子是对一WAV声频信号去噪,效果不错,对这方面感兴趣的可以

说明：实现了车辆惯性导航系统的卡尔曼滤波，包括定位结算，姿态校正，速度校正等，也包括惯性导航系统的模型建立，结算，白噪声，等等，对研究导航很有参考价值

说明：另一个 谱减法去除语音噪声的c语言程序2。。。效果也还可以 。推荐大家下载。

说明：数字信号处理的应用之一是从含有加性噪声的信号中去除噪声。现有被噪声污染的信号x[k]=s[k]+d[k],式中： 为原始信号d[k]为均匀分布的白噪声。 （1）分别产生50点的序列s[k]和白噪声序列d[k],将二者叠加生成x[k],并在同一张图上绘出x0[k],d[k]和x[k]的序列波形。 （2）均值滤波可以有效去除叠加在低频信号上的噪声。已知3点滑动平均数字滤波器的单位脉冲响应为h[k]=[1,1,1 k=0,1,2],计算y[k]=x[k]*h[k],在同一张图上绘出前50点y[k],s[k]和x[k]的波形，比较序列y[k]和s[k]。

说明：bpsk调制解调M文件，在加入高斯白噪声的情况下，计算出误码率。

说明：高斯噪声产生的代码,含有射频噪声干扰的代码

说明：该文件夹为空间复用空时码的仿真程序，天线配置为2发2收。 主要程序的用途说明： mainMIMO_OFDMA_2Tx.m: 主程序，设置各种参数 gendata_2Tx_SM.m: 生成原始信息数据的程序 mod_2Tx_SM_DFUSC.m：调制程序 gen_SUI_CorrCIR.m: 生成信道冲击响应的程序 get_perfectCE_2x2.m: 生成理想信道估计值的程序 chanSUI_corr_2x2.m: 发送信号通过SUI信道的程序 addAWGN_2x2.m: 添加高斯白噪声的程序 dem_DFUSC_2x2_SM.m: 接收端解调主程序 ls_freq.m: 频域LS算法 ls_time_2x2.m: 时域LS算法 ZeroForcing_Detection.m: 迫零检测算法 mmse_Detection.m: MMSE检测算法 sphere_decoding.m: 球形检测算法

说明：以上是我大学毕业设计，《谐波小波与近似熵结合的噪声分析》希望对大家有用

说明：自适应噪声抵消，matlab,基于自适应滤波器的噪声抵消系统设计

说明：生成一个正弦信号，并加入白噪声，得到正弦信号以及白噪声的混合信号，通过低通滤波器对白噪声进行处理

说明：LMS软件是用来进行自适应滤波的最小均方误差算法，稍加修改就可以用于自适应噪声对消，自适应信号分离、自适应陷波等。

说明：这是求信噪比的程序，就是信息噪声功率比上噪声功率

说明：这是一个语音去除噪声的程序，通过运行这个程序，可以去除已有语音信号中的背景噪声，提高语音质量

说明：通信系统中，信号在传输过程中会叠加上噪声，我们在分析时通常就用高斯白噪声来分析。此程序用来产生高斯白噪声。

说明：使用维纳滤波器对信号进行处理，得到噪声状况下的信号，这个滤波器是数字信号处理中非常经典的一个。代码里还提供了维纳的AR参数估计

说明：matlab 的白噪声， matlab 的白噪声，

说明：信号生成:可以生成各种类型的信号包括正弦波、方波、三角波、扫频信号、调幅波、白噪声、窄带随机信号等

说明：产生高斯白噪声，使用matlab编辑及仿真，均值为零

说明：自己编的LMS自适应算法的MATLAB源程序 本程序内容： 产生一个信号+白噪声序列，用lms算法自适应去除噪声； lmsx.m为自适应函数 task2.m为主函数,其中调用lmsx.m

说明：谱减法算法，可以用来对有噪声的语音去噪，提高识别率。

说明：使用matlab编写的源程序 高斯噪声产生的源代码

说明：航空噪声背景下的语音端点检测和语音增强算法，在信噪比很低的强航空噪声背景下，效果特别好

说明：数字图象处理算法的演示， • 图象的DFT和逆DFT • 图象的FFT和逆FFT • 在图象中加入正弦噪声 • 图象的模板运算实现图象平滑和锐化 • 图象的直方图均衡化 • 图象的对比度拉伸 • 图象的中值滤波 • 图象灰度直方图的显示 • 若干频域滤波器 • 图象的镜像 • 图象的旋转（90度与任意角度） • 图象的放缩 • 其它小算法

说明：一个简单的高斯噪声的源程序

说明：自适应噪声对消源程序，LMS算法自适应滤波器仿真

说明：语音信号的频域处理,语音虽然是一个时变、非平稳的随机过程。但在短时间内可近似看作是平稳的。因此如果能从带噪语音的短时谱中估计出“纯净”语音的短时谱，即可达到语音增强的目的。由于噪声也是随机过程，因此这种估计只能建立在统计模型基础上。利用人耳感知对语音频谱分量的相位不敏感的特性，这类语音增强算法主要针对短时谱的幅度估计。

说明：理解随机信号功率谱分析原理和方法。 (1) 生成信号，被淹没在在噪声中； (2) 试用周期图法估计信号的功率谱； (3) 选用不同窗，使用修正周期图法估计信号的功率谱； (4) 对一段语音信号，使用LD算法估计其功率谱； (5) 详细列出功率谱估计的步骤和原理。