精华内容
下载资源
问答
  • 主机常见噪音 的原因 及 降噪方法

    千次阅读 2017-06-20 15:55:41
    主机常见噪音 CPU风扇噪音 CPU风扇主动散热 Reason:主动散热 是始终保持高速运转; 被动散热 是只有CPU温度过高时才会提速运转。 Solution(仅针对Windows): 改成 被动散热 ( 控制面板 –> ...

    主机常见噪音

    • CPU风扇噪音

      • CPU风扇主动散热

        Reason:主动散热 是始终保持高速运转; 被动散热 是只有CPU温度过高时才会提速运转。

        Solution(仅针对Windows): 改成 被动散热 ( 控制面板 –> 系统和安全 –> 电源选项 –> 高级设置 –> 处理器电源管理 –> 系统散热方式 –> 设置:被动 )。

      • CPU风扇积灰

        Reason:CPU风扇与灰尘的长时间的运动摩擦,最后导致发出声音成为电脑噪音。

        Solution:清灰。

      • CPU风扇轴承缺油

        Reason:CPU风扇轴承与扇叶最容易引起噪声,在长期使用后,风扇轴承会因为缺油而变得摩擦,所以导致发非常大的噪音。

        Solution:把风扇上面的小标签揭开,上面会有一个小洞。这个洞正是方便我们给它上油的地方,只需要滴几滴油进去就可以了。

    • 电源风扇噪音

      Reason:属于老化,再加上长时间的运动摩擦,最后导致发出声音成为电脑噪音。

      Solution:在风扇轴承上滴几滴机油,再用小毛刷,将电源旁边和里面的灰尘扫净即可。

    • 硬盘噪音

      Reason:硬盘噪音一般是由于装机器的时候螺丝没上紧,所到导致在使用运行计算机过程中,硬盘会受到风扇的震动,结果就变成了电脑噪音。

      Solution:把螺丝上紧点就行了。

    • 机箱震动噪音

      Reason:机箱质量不好。

      Solution:我们可以在购买计算机的时候,注意选择比较好的主机。比如说重量、厚度这些都是非常必要的。另外就是定期对电脑进行基本的清洗维护,但切忌电脑中尽量少用油性物质和化学物质,因为油性物质冷凝热熔,时间长对电脑有损害,化学物质则容易损伤电脑精密



    展开全文
  • PULSE 系统是丹麦B&K 公司于1996 年推出的世界上首个噪声、振动多分析仪 系统,能够同时进行多通道、实时、FFT、CPB、总级值等分析。
  • 图像处理中常见的几种噪音类型

    千次阅读 2019-10-03 11:39:16
    write me 转载于:https://www.cnblogs.com/bluefish/archive/2009/10/22/1587948.html
    write me

    转载于:https://www.cnblogs.com/bluefish/archive/2009/10/22/1587948.html

    展开全文
  • 【白噪音和粉红噪音】煲机必备无损噪音 下载

    千次下载 热门讨论 2010-05-04 11:42:20
    粉红噪音是自然界最常见噪音,简单说来,粉红噪音的频率分量功率主要分布在中低频段。粉红噪音从人耳中听到的是平直的频率响应——"非常悦耳的一种噪声"最常用于进行声学测试的声音。 3: 电视机无信号时的背景...
  • 从官方的解释来看,粉红噪音是自然界最常见噪音,简单说来,粉红噪音的频率分量功率主要分布在中低频段。从波形角度看,粉红噪音是分形的,在一定的范围内音频数据具有相同或类似的能量。从功率(能量)的角度来看,...

    粉红噪音的看似是个很专业的词,但其实它离我们很近很近。从官方的解释来看,粉红噪音是自然界最常见的噪音,简单说来,粉红噪音的频率分量功率主要分布在中低频段。从波形角度看,粉红噪音是分形的,在一定的范围内音频数据具有相同或类似的能量。从功率(能量)的角度来看,粉红噪音的能量从低频向高频不断衰减,曲线为1/f,通常为每8度下降3分贝。粉红噪音是最常用于进行声学测试的声音。

    如果通俗一点的话,我们得到粉红噪音的最佳方法就是将收音机调到一个没有内容的空频段,那种“沙沙”的声音就是最好的煲耳机声音。我们建议刚开始的时候声音小一些,然后再经过几个小时以后将声音逐渐提升到一半或者3/4。随着音量的增大,煲机的时间要逐渐缩短,以免损坏耳机。

    8db42b2ba99b0bff55e915cbb6813387.png

    粉红噪音很实用

    dc451ce60515e3e13ce3253f73bf067c.png  99a3a7ef2eff3de68cfeebce56cfe9a0.png

    粉红噪音煲机方法

    我:还记得我刚才让你找的收音机吗?

    小张:原来是干这个的!真没想到我家的破收音机还是有用的。

    我:不过我要提醒你的是,粉红噪音的时间不可以太长,要不然会烧坏你的耳机。

    小张:恩恩,这个我知道。

    我:还有,刚开始的时候音量一定不要太大!

    编辑点评:粉红噪音是煲耳机的常用方法,相比于软件来说,粉红噪音的可操作性更强,而且风险很小,但需要长时间的工作,对耐心是个考验。如果你真的给自己的耳机煲一煲,那我们建议还是首选粉红噪音的方法。

    方法二:粉红噪音

    优点:可操作性高,风险低

    缺点:时间稍长

    危险指数:★★

    写在最后:

    煲耳机这件事多年来一直是许多发烧友争论的问题,如果说煲耳机是让耳机迅速老化的过程,那为什么不通过自然使用的方式,用最真实的交响乐、人声音乐去煲呢?在正常音量下使用一段时间是目前比较认同的方法,它的风险性最低,但时间也是耗费最长的。同时,在煲耳机的过程中,你能慢慢感受到它的变化也是对自己耳朵的锻炼。所以如果你有足够的时间,还是去慢慢细品耳机的变化吧!

    展开全文
  • 常见的噪声:高斯、泊松和椒盐噪声以及代码实现   转载的地址:https://www.jianshu.com/p/67f909f3d0ce 转载的地址:https://www.cnblogs.com/sunny-li/p/8378517.html 转载的地址:...

    常见的噪声:高斯、泊松和椒盐噪声以及代码实现

     

    转载的地址:https://www.jianshu.com/p/67f909f3d0ce

    转载的地址:https://www.cnblogs.com/sunny-li/p/8378517.html

    转载的地址:https://blog.csdn.net/yeler082/article/details/78168788

     

    目录:

    常见的噪声

    MATLAB实现高斯、泊松和椒盐噪声

    什么是散粒噪声(泊松噪声)

     

    常见的噪声

    一、什么是图像噪声?

    噪声在图像上常表现为一引起较强视觉效果的孤立像素点或像素块。一般,噪声信号与要研究的对象不相关,它以无用的信息形式出现,扰乱图像的可观测信息。通俗的说就是噪声让图像不清楚。

    二、噪声来源—两个方面

    (1)图像获取过程中

    两种常用类型的图像传感器CCD和CMOS采集图像过程中,由于受传感器材料属性、工作环境、电子元器件和电路结构等影响,会引入各种噪声,如电阻引起的热噪声、场效应管的沟道热噪声、光子噪声、暗电流噪声、光响应非均匀性噪声。

    (2)图像信号传输过程中

    由于传输介质和记录设备等的不完善,数字图像在其传输记录过程中往往会受到多种噪声的污染。另外,在图像处理的某些环节当输入的对象并不如预想时也会在结果图像中引入噪声。

    三、常见噪声介绍

    图像常见噪声基本上有以下四种,高斯噪声,泊松噪声,乘性噪声,椒盐噪声。

    下面五幅图分别代表了,原图,以及添加了高斯噪声,泊松噪声,乘性噪声,椒盐噪声的图像。

    1、原图:

     

    2、高斯噪声(下图)

    高斯噪声是指它的概率密度函数服从高斯分布(即正态分布)的一类噪声。如果一个噪声,它的幅度分布服从高斯分布,而它的功率谱密度又是均匀分布的,则称它为高斯白噪声。高斯白噪声的二阶矩不相关,一阶矩为常数,是指先后信号在时间上的相关性。

    产生原因:

    1)图像传感器在拍摄时市场不够明亮、亮度不够均匀;

    2)电路各元器件自身噪声和相互影响;

    3)图像传感器长期工作,温度过高。

     

    3、泊松噪声(下图)

    泊松噪声,就是符合泊松分布的噪声模型,泊松分布适合于描述单位时间内随机事件发生的次数的概率分布。如某一服务设施在一定时间内受到的服务请求的次数,电话交换机接到呼叫的次数、汽车站台的候客人数、机器出现的故障数、自然灾害发生的次数、DNA序列的变异数、放射性原子核的衰变数等等

     

    4、乘性噪声(下图)

    乘性噪声一般由信道不理想引起,它们与信号的关系是相乘,信号在它在,信号不在他也就不在。

     

    5、椒盐噪声(下图)

    椒盐噪声,椒盐噪声又称脉冲噪声,它随机改变一些像素值,是由图像传感器,传输信道,解码处理等产生的黑白相间的亮暗点噪声。

    椒盐噪声往往由图像切割引起。

     

    MATLAB实现高斯、泊松和椒盐噪声

    在图像处理的过程中,一般情况下都进行图像增强,图像增强主要包括“空域增强”和“频域增强”, 空域增强包括平滑滤波和锐化滤波。

    平滑滤波,就是将图像模糊处理,减少噪声。那么在滤波之前,首先需要了解一下噪声的种类,行成原因以及各种的特点。

    噪声可能来自于开始的图像采集,量化或者后续的图像编码压缩传送过程,根据具体的离散性和随机性主要讲噪声分成三类:'gaussian'、'poisson'、'salt&pepper'。

    一、高斯白噪声(gaussian)

    高斯白噪声,在百度的定义为幅度分布服从高斯分布,概率谱分布服从均匀分布。白光是所有颜色光的集合,而白噪声也可以理解成在频谱上分布丰富,且在功率谱上趋近于常值。频域有限,时域无限,那么也就是说,它在任何时刻出现的噪声幅值都是随机的。高斯分布也称正态分布,有均值和方差两个参数,均值反应了对称轴的方位,方差表示了正态分布曲线的胖瘦。高斯分布是最普通的噪声分布。

    在MATLAB中 有用于创建噪声的函数,调用格式为J=imnoise(I,type),例子如下:

    clear all

    >> i=imread('god.jpeg');

    >> j=imnoise(i,'gaussian');

    >> j1=imnoise(i,'gaussian',0,0.05);

    >> j2=imnoise(i,'gaussian',0,0.2);

    >> figure

    >> subplot(2,2,1),imshow(i);

    >> xlabel('原图像');

    >> subplot(2,2,2),imshow(j1);

    >> xlabel('高斯白噪声,方差=0.05');

    >> subplot(2,2,3),imshow(j);

    >> xlabel('高斯白噪声,默认方差');

    >> subplot(2,2,4),imshow(j2);

    >> xlabel('高斯白噪声,方差=0.2');

    上段代码即对图像进行了 不同方差参数的 高斯加噪,

    从图像中可以看出,方差参数越大,图像越模糊。

    二、泊松噪声

    何为泊松噪声,就是符合泊松分布的噪声模型,泊松分布适合于描述单位时间内随机事件发生的次数的概率分布。如某一服务设施在一定时间内受到的服务请求的次数,电话交换机接到呼叫的次数、汽车站台的候客人数、机器出现的故障数、自然灾害发生的次数、DNA序列的变异数、放射性原子核的衰变数等等

    了解了泊松分布数学模型,那什么是泊松噪声、以及为什么会图像会出现泊松噪声呢?由于光具有量子特效,到达光电检测器表面的量子数目存在统计涨落,因此,图像监测具有颗粒性,这种颗粒性造成了图像对比度的变小以及对图像细节信息的遮盖,我们对这种因为光量子而造成的测量不确定性成为图像的泊松噪声。

    泊松噪声一般在亮度很小或者高倍电子放大线路中出现。具体调用格式如下:

    clear all

    >> i=imread('god.jpeg');

    >> j=imnoise(i,'poisson');

    >> figure

    >> subplot(1,2,1),imshow(i);

    >> xlabel('原图');

    >> subplot(1,2,2),imshow(j);

    >> xlabel('poisson加噪');

     

    三、椒盐噪声

    何为椒盐噪声,椒盐噪声又称脉冲噪声,它随机改变一些像素值,是由图像传感器,传输信道,解码处理等产生的黑白相间的亮暗点噪声。椒盐噪声往往由图像切割引起。具体调用格式如下:

    >> clear all

    >> i=imread('god.jpeg');

    >> i=imread('god.jpeg');

    >> j=imnoise(i,'salt & pepper',0.05);

    >> j1=imnoise(i,'salt & pepper',0.2);

    >> j2=imnoise(i,'salt & pepper',0.5);

    >> figure

    >> subplot(2,2,1),imshow(i);

    >> xlabel('原图');

    >> subplot(2,2,2),imshow(j);

    >> xlabel('d=0.05');

    >> subplot(2,2,3),imshow(j1);

    >> xlabel('d=0.2');

    >> subplot(2,2,4),imshow(j2);

    >> xlabel('d=0.5');

     

    从上图可以看出,噪声密度d越大,对图像的影响也就越大,一般l大约影响d*numel(I)个像素。

    四、总结

    下面对一副图像分别添加gaussian、poisson、salt&pepper噪声。

    >> clear all

    >> i=imread('god.jpeg');

    >> j=imnoise(i,'gaussian',0,0.025);

    >> j1=imnoise(i,'salt & pepper',0.025);

    >> j2=imnoise(i,'poisson');

    >> figure

    >> subplot(2,2,1),imshow(i);

    >> xlabel('原图');

    >> subplot(2,2,2),imshow(j);

    >> xlabel('gaussian');

    >> subplot(2,2,3),imshow(j1);

    >> xlabel('salt & pepper');

    >> subplot(2,2,4),imshow(j2);

    >> xlabel('poisson');

     

    什么是散粒噪声(泊松噪声)

    在raw image中,主要的噪声为两种,高斯噪声散粒噪声,其中,高斯噪声是与光强没有关系的噪声,无论像素值是多少,噪声的平均水平(一般是0)不变。另一种是散粒噪声,因为其符合泊松分布,又称为泊松噪声,下图可见,泊松噪声随着光强增大,平均噪声也增大。

     

    一、什么是散粒噪声?

    散粒噪声=泊松噪声=shot noise=poisson noise

    Shot noise存在的根本原因是因为光是由离散的光子构成(光的粒子性)。我们来看看光源发出的光是怎么在CMOS上面成像的。光源发出的光子打在CMOS上,从而形成一个可见的光点(简化成如下图所示,忽略光学元件和电路等)。光源每秒发射的光子到达CMOS的越多,则该像素的灰度值越大。但是因为光源发射和CMOS接收之间都有可能存在一些因素导致单个光子并没有被CMOS接收到或者某一时间段内发射的光子特别多,所以这就导致了灰度值会有波动,也就是所谓的散粒噪声。

    在光源强度比较低的时候,比如说设定光强为每秒5个光子的时候,那么每秒实际CMOS接受到的光子数可能从0到10(或者更多,但是概率几乎为0了), 所以噪声最大为5。当光源强度比较高的时候,比如说每秒10000个光子,那么每秒实际CMOS收到的光子就可能从7000到13000(粗略的数字),所以噪声最大为3000。以上数据基于一个假设,试验次数少的时候,异常发生的会相对整个试验次数较多。这个很好理解,流感时期,一个小公司全部5个人都生病的概率肯定大于一个大公司全部10000个人都生病的概率。

    从上面的例子也可以看到,强度越高,噪声越大,但是信噪比其实是在提升的。这个就是散粒噪声的一个特点。

     

    二、散粒噪声为什么服从泊松分布?

     泊松过程定义如下,如果一种分布满足以下几个条件

    1.时间越长,事件发生的可能越大,且不同时间内发生该事件的概率是相互独立的

    2.对于非常短的一段时间△t来说,事件发生的可能性为,o(△t)为高阶无穷小

     

    3.对于非常短的一段时间来说,出现该时间两次的概率几乎为零

    4.一开始的时候事件没有发生过

     我们就说这个事件是泊松过程,符合以下的概率分布

    在时间△t内发生该事件k次的概率如上式所示。

     对应到我们的光源成像在CMOS上面的事件,则很明显,时间越长,有一个光子被CMOS接收到这个事件发生的可能性就越大,在非常短的时间内同时受到两个光子的可能性为零。可以自己一一对应。故而是符合泊松分布的。

     放一张泊松分布的图供参考

     

    总结一下,我们在CMOS的raw域看到的图像带有的噪声既有高斯噪声,也有散粒噪声。最终出来的信号如下图所示,紫色越深表明输出在CMOS上的信号幅度可能性越大,所以可以看到,光强越强,噪声越大。

    展开全文
  • 噪音贴图

    千次阅读 2016-09-21 09:38:19
    噪音是程序生成图形中最基础的工具,只要使用过任何一种计算机图形工具就一定使用过噪音,即使只会用PS也知道有“云彩”和“分层云彩”这些滤镜,它们就是最简单的噪音。虽然是非常简单的工具,但如果深入了解噪音
  • 能使发动机声音变大的因素有很多,首先先确定一下是否有别的异响还是跟正常工作的声音一样只是音量变大(最好多个转速都测试一下),如果没有别的异响那么有这么几种比较常见的可能,心里作用,发动机及进气道、节气门...
  • 有源音箱的噪音主要于三种:电磁干扰,电线干扰及机械杂音及热噪声,本文将介绍如何预防及降低这些噪音的方法。  一、电磁干扰  电磁干扰主要是电源变压器和空间杂散电磁波。  有源音箱除极少数特殊产品外,...
  • 有的电脑运转起来非常的安静稳定,有些...散热风扇电脑最大也是最常见噪音来源就是散热风扇了。如果电脑噪音拥有频率处于中低频,会随着电脑负载的增大而明显增大,夏天比冬天更明显之类的特点,往往就是CPU散热或...
  • 一般常见之家用与3C产品,如LCD/LED电视、Monitor、计算机Adaptor与多功能事务机等,上述产品虽没有风扇,但也可能有噪音的产生,使其造成使用者的不悦耳。本文主要介绍抑制音频噪音之电源管理IC。
  • 文章目录噪音生成高斯噪音函数瑞利...尽管从我个人的经验看还有一些不是很常见噪音,不过这6种主要的噪音类型已经足以涵盖我们认知的绝大部分类型了。 如果对于噪音怎么生成不是很理解的朋友,可以看看我前面的文章
  • 噪音是液压系统常见故障之一,长期以来液压系统设计者多从消除振动,添加节流阀、脉动消减器,加强维护监控等方面来降低噪音.液压站是工业液压系统的重要组成部分,也是噪音的重要来源.从液压站结构入手,分析液压站噪音...
  • 调节阀使用的时候有时候会产生一定的噪音,这个时候很多消除噪音的方法就出来了。 1)消除共振噪音法 只有调节阀共振时,才有能量叠加而产生100多分贝的强烈噪音。有的表现为振动强烈,噪音不大,有的振动弱,而...
  • Seaborn常见绘图总结

    万次阅读 多人点赞 2019-01-24 15:52:55
    听“他们”说matplotlib中的seaborn绘图很好看而且实用,所以,这里系统的总结一下seaborn常见的图形绘制。其目的也是很简单的啦,方便我自己查看(英文很菜,每次都查单词……)。 差点忘了,这里使用的数据还是...
  • matlab加随机噪音

    千次阅读 2016-10-22 12:47:06
    实际上,我们常常将有限带宽的平整讯号视为白噪音,因为这让我们在数学分析上更加方便。然而,白噪声在数学处理上比较方便,因此它是系统分析的有力工具。一般,只要一个噪声过程所具有的频谱宽度远远大于它所作用...
  • 电脑Cpu风扇噪音大怎么办?

    千次阅读 2014-01-18 23:36:38
    尤其是 使用了一两年的电脑最常见的故障就是cpu风扇噪音大了。玩了一下游戏cpu风扇就呼啦啦的转。那么遇到这种情况我们应该怎么办呢?http://www.weidongli.biz  如果我们发现的早就应该及时的
  • 关于对K-means算法中噪音数据处理的综述,张皓,张成文,在大数据时代,数据是争夺最激烈的宝贵资源,如何从这些资源中挖掘出有效、有价值的信息是互联网时代的热点,聚类是其中常见的任
  •    在作ASR和KWS实验时,必不可少的需要对语音数据预处理,提取特征(业内常见是提取为MFCC),最后在喂入模型中。数据预处理可分为离线处理和线上处理: 离线处理:训练之前先对语音数据进行加噪音、调低\高音量...
  • 共模和差模信号及其噪音抑制

    千次阅读 2013-12-24 23:20:16
    共模和差模信号及其噪音抑制1 引言 了解共模和差模信号之间的差别,对正确理解脉冲磁路和工作模块之间的关系是至关重要的。变压器、共模扼流圈和自耦变压器的端接法,对在局域网(LAN)和通信接口电路中减小共模干扰...
  • 使用机器学习来降低噪音

    千次阅读 2019-09-12 12:13:56
    使用机器学习来降低噪音 典型的日志文件包含许多标称事件(“基线”)以及与开发人员相关的一些例外事件。基线可能包含随机元素,例如难以检测和删除的时间戳或唯一标识符。要删除基线事件,我们可以使用 k-最近...
  • 常见分类算法优缺点

    千次阅读 2018-10-21 21:36:54
    而且,实际中,训练样本往往还有一定的噪音误差,所以如果太追求在训练集上的完美而采用一个很复杂的模型,会使得模型把训练集里面的误差都当成了真实的数据分布特征,从而得到错误的数据分布估计。这样的话,到了...
  • 常见聚类模型

    千次阅读 2020-03-26 21:17:36
    今天来写写数学建模中的聚类模型,还是分为几个版块来写 1.聚类模型简介 俗话说:“物以类聚,...聚类算法常见的有K-means聚类算法,系统聚类算法,DBSCAN算法 2.K-means聚类算法 a.算法流程: 指定需要划分...
  • 常见的数据预处理

    千次阅读 2018-06-27 16:36:06
    1.2 常见的数据预处理方法数据清洗:数据清洗的目的不只是要消除错误、冗余和数据噪音,还要能将按不同的、不兼容的规则所得的各种数据集一致起来。数据集成:将多个数据源中的数据合并,并存放到一个一致的数据存储...
  • 天气热了,该为我们的心爱本本降降温,本想用风扇给我们心爱的本本降温,这时却出现了一个大问题:噪音非常大,这可怎么是好?有问题就有解决的办法。跟着系统吧小编一起来解决这个问题  笔记本电脑噪音来源  ...
  • 本文为 《直播疑难杂症排查》系列的第八篇文章,我们重点看看直播过程中出现的杂音、噪音和回声等问题。 相比于视频而言,音频要敏感得多,视频画面有噪点、马赛克都还是可以勉强被接受,而声音一旦有任何瑕疵,人耳...
  • 机器学习常见算法优缺点

    千次阅读 2016-12-28 17:50:49
    随机森林已经被证明在某些噪音较大的分类或回归问题上会过拟 对于有不同级别的属性的数据,级别划分较多的属性会对随机森林产生更大的影响,所以随机森林在这种数据上产出的属性权值是不可信的。
  • 常见的应用场景 最普遍的应用是在楼宇对讲上。市面上很多楼宇对讲设备,采用计算机局域网联网方式,通过tcp/ip方式传送音、视频等信息,实现小区内的可视对讲、户户通话。这样的方式安装简单,节约成本。 其次,在...
  • 常见聚类算法总结

    万次阅读 2018-09-07 17:12:55
    常见聚类算法总结 1.常见算法 1.原型聚类 “原型”是指样本空间中具有代表性的店。此类算法假设聚类结构能够通过一组原型刻画,通常情形下,算法先对原型进行初始化,然后对原型进行迭代更新求解。–西瓜书 ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 18,376
精华内容 7,350
关键字:

常见噪音