几种信号降噪算法（第一部分）

离散小波变换降噪

例子：利用离散小波变换（Discrete Wavelet Transform, DWT）对ECG信号(心电信号)进行降噪等处理，包括删除伪影，检测ECG信号的PQRST波并确定患者的心跳

基于Cycle Spinning的移不变小波降噪

Cycle Spinning，即循环平移算子，通过多次对信号或图像进行循环平移操作，然后进行平均以补偿严格采样小波变换中缺乏的移位不变性，然后将逆循环平移算子应用于降噪后的信号/图像，并将结果平均获得最终的降噪信号/图像。

基于新的无偏归一化方法的自适应ECG信号(心电信号)降噪

基于自适应滤波（最小均方算法LMS）的ECG信号（心电信号）降噪

基于优化Morlet小波的一维信号瞬态特征提取方法

利用优化Morlet小波对一维信号进行瞬态特征提取，测试了模拟信号，地震信号，发动机销子活塞故障振动信号，发动机气门正常振动信号，发动机排气门故障振动信号，结果如图：

基于Teager-Kaiser能量算子 (TKEO)的肌电信号EMG降噪方法

一种双交替最小化图像降噪方法

基础的小波降噪及应用

基于布雷格曼迭代算法的信号稀疏降噪

时间序列的非局部均值降噪方法

以心电信号ECG为例，结果如下图

一种边缘感知非线性扩散驱动的正则化模型图像降噪方法

一种边缘感知非线性扩散驱动的正则化模型图像降噪方法。模型集成一个高阶扩散核，扩散核包含一个对SAR图像中的散斑噪声敏感的分数正则化项。并采用多种方法进行对比，比如深度学习模型，还有一些传统算法。

基于变分模态分解和Cramer von Mises检验的一维信号降噪方法

MATLAB环境下使用深度学习网络对语音去噪

基于深度学习的超低频信号降噪方法

程序使用的深度学习模块为pytorch，运行环境为jupyter notebook和python，降噪结果如下

面包多代码下载

https://mbd.pub/o/GeBENHAGEN