图像降噪方法、计算机装置及计算机可读存储介质与流程

本发明涉及图像处理领域，具体地，是针对时域降噪的图像处理方法以及实现这种方法的计算机装置、计算机可读存储介质。

背景技术：

由于在视频的拍摄、制作、压缩、传输等过程中通常会引入噪声，导致视频播放时出现条纹、斑点等异常现象，影响用户的观看。因此，在播放视频前，需要对视频的每一帧图像进行降噪处理，以尽可能降低视频拍摄、制作等过程中引入的噪声干扰，还原原始视频信号。

常见的对视频信号进行降噪的方法包括基于运动检测的时域降噪方法，该方法能有效地降低随机噪声的强度，减少帧间噪声闪烁感，使视频播放时画面更干净。该方法的基本原理在于通过运动检测区分图像中的运动区域和静止区域，并对静止区域进行较强的前后帧加权运算，对运动区域进行较弱的前后帧加权运算，从而在保证运动区域不产生“拖影”的同时，降低了静止区域的噪声水平。并且，人们对该方法进行了改进，使用软阈值的方法检测运动强度，使加权强度跟随运动强度的变化而变化。

但是，使用上述方法存在加权强度的基准难以确定的问题，就是如果无法得知视频本身的噪声水平，如果对视频信号使用过强的加权强度仍然会对产生较多的“拖影”现象，过低的加权强度又会使降噪效果不明显。通过运动检测，一般只能得出图像前后帧局部的差异，而这个差异有可能是原始信号的运动产生的，也有可能是噪声产生的，或是两者混合的结果，因此运动检测无法很好地给出较准确的噪声水平，导致加权强度也不太准确。

因此，人们开始对这种方法进行改进，例如利用随机噪声的全局特性进行噪声强度的检测，从而得到全局降噪加权强度的降噪校正系数，再结合局部的运动强度等特性得出最终的降噪加权强度。例如，现有的一种全局噪声检测方法就是对图像进行分块处理，例如将一帧图像分成若干个小块，计算出每一个小块的噪声标准差sigma，再从中挑选噪声标准差最小的若干个噪声标准差的平均值作为整帧图像的噪声估计结果，并通过该平均值控制当前帧各个像素的降噪强度。

但是，该方案中，对挑选的噪声标准差最小的若干个噪声标准差的数值将直接影响到整帧图像的噪声估计结果，如果选择的个数过大，计算出的最小的若干个噪声标准差的平均值也会增大，选择的个数过小，则最小的若干个噪声标准差的平均值也会减小，导致图像的效果难以保证。

技术实现要素：

本发明的主要目的是提供一种根据图像的降噪水平动态调节降噪参数的图像降噪方法。

本发明的另一目的是提供一种实现上述图像降噪方法的计算机装置。

本发明的再一目的是提供一种实现上述图像降噪方法的计算机可读存储介质。

为实现本发明的主要目的，本发明提供的图像降噪方法包括获取预设的噪声估计量数值以及降噪校正系数；获取视频图像中的一帧图像，并对所获取的该帧图像进行时域降噪，形成降噪后的图像数据；获取该帧图像降噪前的图像数据以及降噪后的图像数据，计算降噪前后的差异数据；根据噪声估计量数值以及降噪校正系数计算差异阈值数据，根据差异数据以及差异阈值数据调节下一帧图像降噪处理时使用的噪声估计量数值和/或降噪校正系数。

由上述方案可见，在图像降噪处理过程中，计算上一帧图像降噪前后的差异数据以后，对比差异数据与差异阈值数据，根据差异数据以及差异阈值数据的大小关系来确定下一帧图像的参数，例如确定下一帧图像降噪处理过程使用的噪声估计量数值、降噪校正系数，从而实现降噪参数的动态调节，确保图像的降噪质量。

一个优选的方案是，根据差异数据以及差异阈值数据调节下一帧图像降噪处理时使用的噪声估计量数值以及降噪校正系数包括：如差异数据大于差异阈值数据，则增大下一帧图像降噪处理时使用的噪声估计量数值和/或降噪校正系数。

由此可见，通过增加下一帧图像降噪处理时使用的噪声估计量数值、降噪校正系数，可以使得下一帧图像的差异数据更加接近差异阈值数据，使得降噪后的图像更加接近原始的图像。

进一步的方案是，增大下一帧图像降噪处理时使用的噪声估计量数值和/或降噪校正系数包括：计算差异数据与差异阈值数据的差值，如果差值大于第一预设阈值，则按照第一幅度增大下一帧图像降噪处理时使用的噪声估计量数值和/或降噪校正系数；如果差值小于第一预设阈值，则按照第二幅度增大下一帧图像降噪处理时使用的噪声估计量数值和/或降噪校正系数。

可见，根据差异数据与差异阈值数据的差值以不同的幅度增大下一帧图像降噪处理时使用的噪声估计量数值、降噪校正系数，使得噪声估计量数值、降噪校正系数的调节更加合理，视频能够在更快的速度被调节至合理的噪声处理水平。

进一步的方案是，根据差异数据以及差异阈值数据调节下一帧图像降噪处理时使用的噪声估计量数值以及降噪校正系数包括：如差异数据小于差异阈值数据，则减小下一帧图像降噪处理时使用的噪声估计量数值和/或降噪校正系数。

由此可见，通过减小下一帧图像降噪处理时使用的噪声估计量数值、降噪校正系数，可以使得下一帧图像的差异数据更加接近差异阈值数据，使得降噪后的图像更加接近原始的图像。

一个优选的方案是，减小下一帧图像降噪处理时使用的噪声估计量数值和/或降噪校正系数包括：计算差异数据与差异阈值数据的差值，如果差值大于第二预设阈值，则按照第三幅度减小下一帧图像降噪处理时使用的噪声估计量数值和/或降噪校正系数；如果差值小于第二预设阈值，则按照第四幅度减小下一帧图像降噪处理时使用的噪声估计量数值和/或降噪校正系数。

由此可见，根据差异数据与差异阈值数据的差值以不同的幅度减小下一帧图像降噪处理时使用的噪声估计量数值、降噪校正系数，使得噪声估计量数值、降噪校正系数的调节更加合理，这样，视频信号能够在更快的速度被调节至合理的噪声处理水平。

进一步的方案是，差异数据以及差异阈值数据调节下一帧图像降噪处理时使用的噪声估计量数值以及降噪校正系数包括：如差异数据等于差异阈值数据，则下一帧图像降噪处理时使用的噪声估计量数值和/或降噪校正系数保持不变。

可见，如果差异数据与差异阈值数据相等的情况下，不对下一帧图像降噪处理时使用的噪声估计量数值和/或降噪校正系数进行调整，可以确保降噪的质量。

更进一步的方案是，计算降噪前后的差异数据包括：使用噪声信号与降噪校正系数的乘积计算差异数据，并且预设的噪声估计量数值为预先设定的偏好参数。

可见，用户可以根据自己的喜好或者视频图像的实际使用场景设定相应的噪声估计量数值，从而使得降噪后的视频信号满足不同特定场景的使用需求。

为实现上是的另一目的，本发明提供的计算机装置包括处理器以及存储器，存储器存储有计算机程序，计算机程序被处理器执行时实现上述图像降噪方法的各个步骤。

为实现上是的再一目的，本发明提供计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述图像降噪方法的各个步骤。

附图说明

图1是本发明图像降噪方法实施例的流程图。

图2是第一种情况下差异数据与差异阈值数据的示意图。

图3是第二种情况下差异数据与差异阈值数据的示意图。

图4是第三种情况下差异数据与差异阈值数据的示意图。

图5是应用现有降噪方法降噪处理后的图像。

图6是应用本发明图像降噪方法实施例降噪处理后的图像。

以下结合附图及实施例对本发明作进一步说明。

具体实施方式

本发明的图像降噪方法应用在具有图像数据处理能力的电子设备上，优选的，该电子设备还设置有摄像装置以及显示装置，例如该电子设备可以是行车记录仪或者智能手机、平板电脑等，也可以是照相机、手持录像机等设备。进一步的，该电子设备设置有处理器以及存储器，存储器上存储有计算机程序，处理器通过执行该计算机程序实现图像降噪方法。

图像降噪方法实施例：

本实施例应用在对接收的图像信号进行处理的场景，尤其是对视频信号进行处理的场景。例如实现图像降噪方法的电子设备先获取图像信号，并且对所获取的图像信号进行降噪处理。获取图像信号可以是使用电子设备自身的摄像装置拍摄形成初始的视频信号，或者是通过数据传输模块从其他电子设备获取视频信号。

本实施例的图像降噪方法是基于迭代滤波进行时域滤波降噪的方法，该方法的基本原理可以通过下面的公式1表示：

f’(n)＝(1-k)*f(n)+k*f’(n-1)(公式1)

其中，f(n)为第n帧原始视频图像的像素值，即降噪前的图像的像素值，f’(n-1)为第n-1帧视频图像降噪后的像素值，k为降噪强度系数，f’(n)为第n帧视频图像降噪后的像素值。一般情况下，k的取值范围为[0,1]，即0至1之间的一个小数。优选的，k的数值与运动量呈反比，即降噪的区域运动趋势是偏向静止，则k的数值较大，降噪强度较强；反之，若降噪的区域运动趋势是偏向运动，则k值较小，降噪强度较弱。

在实际应用场景中，本实施例预留了一组可手动控制的参数，以便使用者可根据个人喜好限制降噪的强度，例如部分电影爱好者偏向于使用较低的降噪强度来观看电影节目，以还原电影拍摄时保留下来的电影胶卷颗粒(filmgrain)，但是在车载可视倒车影像记录仪的应用中，大部分使用者偏向使用较高的降噪强度，以便能清楚观察车辆与附近的环境。本实施例通过利用全局校正后的降噪强度系数k’达到控制降噪效果的目的，其控制方法可以通过公式2表示：

f’(n)＝((1-k)×f(n)+k×f’(n-1))×gain+f(n)×(1-gain)(公式2)

将公式2化简得到：

f’(n)＝(1-k’)×f(n)+k’×f’(n-1)(公式3)

且k’＝k×gain；(公式4)

其中k’为通过全局统计校正后的降噪强度系数，gain为降噪校正系数，取值范围为[0,1]，即0至1之间的小数。

假设图像的噪声类型为高斯噪声，且均值为0，此时，视频信号能够定义为：f＝fs+n(公式5)

其中fs为原始无噪声视频信号，n为噪声信号，f为带噪声的视频信号。假设在降噪校正系数gain＝1的条件下，经过足够帧数的迭代滤波降噪计算后，噪声可被完全去除，降噪结果，即降噪后的图像信号f’即等于原始无噪声视频图像信号fs。那么当设置降噪校正系数gain不等于1的情况下，此时根据式公式2，可计算得到降噪后的图像信号f’gain为：

f’gain＝fs×gain+f×(1-gain)

＝fs×gain+(fs+n)×(1-gain)

＝fs+n×(1-gain)(公式6)

若计算降噪后的图像信号f’gain与输入的带有噪声的视频信号f之间的差异，可得到差异数据diff为：

diff＝f-f’gain

＝fs+n-(fs+n*(1-gain))

＝n*gain(公式7)

由公式7可见，一帧图像降噪前后的差异数据diff与噪声信号的大小n以及降噪校正系数gain都成线性正比关系。因此，可以利用这一特性，结合用户预先设定的偏好参数max_noise，设置差异阈值数据diff_th，并且统计实际降噪前后的差异数据diff，这样可以比较差异数据diff与差异阈值数据diff_th的大小关系，根据两者的大小关系来调整降噪校正系数gain，从而达到降噪强度反馈控制的目的。

参见图1，应用本实施例时，用户可以根据实际使用的需求，预先设定一个降噪校正系数，例如，用户根据实际使用的场景设定偏好参数max_noise为0.5、1或者2等不同的数据，其中，偏好参数max_noise的数值越大，降噪强度也越大。

在步骤s1中，获取预先设定的噪声估计量数值est_noise以及初始设定的降噪校正系数gain，例如，预先设定的噪声估计量数值est_noise可以等于用户预先设定的偏好参数max_noise的数值，初始设定的降噪校正系数gain可以设定为1。

然后，执行步骤s2，获取一帧图像，并且对该帧图像进行时域降噪。例如，获取视频信号的第一帧图像，并且对所获取的第一帧图像进行时域降噪的计算。本实施例中，对第一帧图像进行时域降噪计算时，可以采用如公式1的计算方法进行时域降噪方式进行。

接着，执行步骤s3，获取第一帧图像降噪前后的图像数据，例如获取降噪前图像中每一像素的像素值，并且获取降噪后的图像的每一图像的像素值，并统计第一帧图像降噪前后的差异数据diff，可以使用降噪前后的图像中多个像素的像素值差值的绝对值的平均值作为第一帧图像的差异数据diff。

然后，执行步骤s4，根据当前设定的降噪校正系数gain和噪声估计量数值est_noise计算降噪的差异阈值数据diff_th，其中，差异阈值数据diff_th＝est_noise×gain，也就是使用降噪校正系数gain和噪声估计量数值est_noise的乘积作为差异阈值数据diff_th。

接着，比较差异数据diff和差异阈值数据diff_th的大小关系，根据两者的大小关系来调节降噪校正系数gain和噪声估计量数值est_noise的大小，进而调节降噪的强度。具体的，先执行步骤s5，判断差异数据diff是否大于差异阈值数据diff_th，如是，则表明实际噪声大小act_noise大于噪声估计量数值est_noise，即降噪强度过小，此时，执行步骤s6，增大降噪校正系数gain和噪声估计量数值est_noise，但需保证噪声估计量数值est_noise不超过用户设定的偏好参数max_noise，且降噪校正系数gain不超过1。当然，也可以仅增大降噪校正系数gain和噪声估计量数值est_noise中的一个，也能够实现增加降噪强度的目的。

如果步骤s5的判断结果为否，则执行步骤s7，判断差异数据diff是否小于差异阈值数据diff_th，如是，则表示实际噪声大小act_noise小于噪声估计量数值est_noise，降噪强度过强，应执行步骤s8，减小降噪校正系数gain和噪声估计量数值est_noise。当然，降噪校正系数gain最小不能小于0。

如果步骤s7的判断结果为否，则表示差异数据diff等于差异阈值数据diff_th，也就是实际噪声大小act_noise等于噪声估计量数值est_noise，表示降噪强度适中，则执行步骤s9，保持降噪校正系数gain和噪声估计量数值est_noise不变。

优选的，在增大或减小降噪校正系数gain和噪声估计量数值est_noise时，可以根据差异数据diff与差异阈值数据diff_th的大小来确定以怎样的幅度增大降噪校正系数gain和噪声估计量数值est_noise。

假设用户设定的偏好参数max_noise为2，即初始设定的噪声估计量数值est_noise为2，而实际带噪声视频信号的图像噪声信号大小act_noise恒定为0.8。如图2所示，根据公式7可以计算出在实际噪声水平下的图像降噪前后的差异数据diff与降噪校正系数gain的关系如2图中虚线diff0.8所示。

视频信号进行降噪处理前，初始化噪声估计量数值est_noise等于用户设定的偏好参数max_noise，根据公式7可以计算出在该噪声估计量数值下的差异阈值数据diff_th与降噪校正系数gain的关系如图中虚线diff2所示。

对于视频信号的第一帧图像，由于降噪校正系数gain为1，因此计算得出差异阈值数据diff_th为2，但统计获得的差异数据diff为0.8。根据步骤s7的判断，应该执行步骤s8，降低下一帧图像降噪处理过程中所使用的噪声估计量数值est_noise，并降低降噪校正系数gain。为了更快的实现噪声估计量数值est_noise和降噪校正系数gain的数值，可以根据差异数据diff与差异阈值数据diff_th的差值大小来确定噪声估计量数值est_noise和降噪校正系数gain的减小幅度。

本实施例中，可以按照不同的幅度来减小噪声估计量数值est_noise和降噪校正系数gain，例如按照每次减小0.1的幅度或者每次减小0.2的幅度来减小噪声估计量数值est_noise和降噪校正系数gain。具体的，图2所示的例子中，由于差异阈值数据diff_th为2，而差异数据diff为0.8，两者的差值为1.2，差值较大，因此，可以分别按照0.2和0.1的幅度来减小噪声估计量数值est_noise和降噪校正系数gain。例如，对应的差异阈值数据diff_th的调整曲线diff_thtrace2如图2的实线所示。这样，通过不断减小噪声估计量数值est_noise和降噪校正系数gain，diff_thtrace2曲线逐渐接近diff0.8的直线，直到调整到图2的b点位置，两条曲线出现相交点，此时差异阈值数据diff_th与差异数据diff相等，达到噪声估计量数值est_noise与实际噪声大小act_noise相等，降噪强度控制达到平衡点。

由于对噪声估计量数值est_noise和降噪校正系数gain的减小幅度是根据差异阈值数据diff_th与差异数据diff的差值大小确定的，因此可以设定一个差值的阈值，例如该阈值为1，如果差异阈值数据diff_th与差异数据diff的差值超过了该阈值，则按照较高的幅度来减小噪声估计量数值est_noise和降噪校正系数gain，如分别以0.2和0.1的幅度来减小噪声估计量数值est_noise和降噪校正系数gain。如果差异阈值数据diff_th与差异数据diff的差值不超过该阈值，则以较小的幅度来减小噪声估计量数值est_noise和降噪校正系数gain。

假设用户设定的偏好参数max_noise为1，实际带噪声视频信号的噪声信号大小act_noise恒定为0.8。如图3所示，根据公式7可以计算出在噪声估计量数值est_noise下，降噪差异阈值diff_th与降噪校正系数gain的关系直线如图3中虚线diff1所示。而差异数据diff与降噪校正系数gain的关系直线仍然与如图2中虚线diff0.8一致，但区别在于此时噪声估计量数值est_noise的初始值为1，从图3可见，直线diff1与直线diff0.8的斜率差异比max_noise为2时明显减小，此外，可以分别按照0.1和0.1的幅度来减小噪声估计量数值est_noise和降噪校正系数gain，当调整到c点位置时，两条直线出现相交点，此时对应的降噪校正系数gain明显比max_noise为2时的要大，降噪强度也较大。

由于图3的情况下，差异阈值数据diff_th与差异数据diff的差值只有0.2，不超过预先设定的阈值，因此，按照较小的幅度来减小噪声估计量数值est_noise和降噪校正系数gain。

假设再降低偏好参数max_noise，例如将偏好参数max_noise设置为0.5，如图4所示，直线diff0.8此时在任意的降噪校正系数gain下，都比初始设定的噪声估计量数值est_noise为0.5时的差异阈值数据diff_th大，因此根据步骤s5的判断，应该增大噪声估计量数值est_noise与降噪校正系数gain，但需保证噪声估计量数值est_noise不超过偏好参数max_noise，且降噪校正系数gain不超过1的原则，因此，降噪校正系数gain会一直维持等于1的状态，则此时降噪强度比偏好参数设定为max_noise为1的时候要大。

需要说明的是，在增加噪声估计量数值est_noise和降噪校正系数gain时，也可以根据差异阈值数据diff_th与差异数据diff的差值的大小来确定增加的幅度，例如设定差异阈值数据diff_th与差异数据diff的差值的阈值，当两者的差值大于该阈值时，以较高的幅度来增加噪声估计量数值est_noise和降噪校正系数gain，而两者的差值小于该阈值时，以较低的幅度来增加噪声估计量数值est_noise和降噪校正系数gain。

当然，实际上可以根据降噪差异阈值diff_th与降噪校正系数gain的关系直线的斜率、差异数据diff与降噪校正系数gain的关系直线的斜率来确定增大或者减小噪声估计量数值est_noise和降噪校正系数gain的幅度，例如两条直线的斜率差越大，则以较大的幅度来增加或者减小噪声估计量数值est_noise和降噪校正系数gain，如果两条直线的斜率差越小，则以较小的幅度来增加或者减小噪声估计量数值est_noise和降噪校正系数gain。

可见，本实施例中，用户可以通过设置偏好参数max_noise来有效控制降噪强度大小，以实现各种喜好的需求。

最后，执行步骤s10，判断当前帧是否为视频信号的最后一帧图像，如是，则结束对视频信号的降噪处理，如不是，则返回执行步骤s2，使用更新后的噪声估计量数值est_noise和降噪校正系数gain对下一帧图像进行时域降噪，并且继续执行步骤s3至步骤s9，直到视频信号的所有图像降噪处理完毕。

由于本发明利用了差异数据diff＝n×gain的关系，根据上一帧图像降噪前后的差异数据diff与预设的参数计算的差异阈值数据diff_th的大小关系，动态调整降噪校正系数gain以及噪声估计量数值est_noise，由于降噪校正系数gain以及噪声估计量数值est_noise是用来计算差异阈值数据diff_th，因此，随着降噪校正系数gain以及噪声估计量数值est_noise被动态的调节，计算出来的差异阈值数据diff_th与随之变化，使噪声增益能跟随着视频信号的噪声大小的改变而变化，实现自动降噪强度的自动控制。

应用本发明实现降噪强度控制的效果可以对比图5与图6，其中图5是现有方法实现降噪的降噪强度控制的效果图像，图6是应用本发明的方法实现降噪的降噪强度控制的效果图像。可见，现有技术由于未使用降噪强度控制，由于降噪强度过大，导致球场草地出现明显的水平方向的“拖影”现象，草地也欠缺细节。而使用本发明的方法来控制降噪强度后，在降噪校正系数的作用下减弱了降噪强度，消除了“拖影”现象，并且使球场草地的细节能得到保留。

计算机装置实施例：

本实施例的计算机装置可以是智能手机、平板电脑或者行车记录仪等电子设备，该电子设备包括有处理器、存储器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述图像降噪方法的各个步骤。

例如，计算机程序可以被分割成一个或多个模块，一个或者多个模块被存储在存储器中，并由处理器执行，以完成本发明的各个模块。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在终端设备中的执行过程。

需要说明的是，终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，本发明的示意图仅仅是终端设备的示例，并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如终端设备还可以包括输入输出设备、网络接入设备、总线等。

本发明所称处理器可以是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，处理器是终端设备的控制中心，利用各种接口和线路连接整个终端设备的各个部分。

存储器可用于存储计算机程序和/或模块，处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现终端设备的各种功能。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

计算机可读存储介质：

电子设备所存储的计算机程序如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述图像降噪方法的各个步骤。

其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

最后需要强调的是，本发明不限于上述实施方式，如差异数据计算方法的变化，或者噪声估计量数值、降噪校正系数变化幅度的改变等，这些改变也应该包括在本发明权利要求的保护范围内。