噪声是在信号中所包含的非期望的随机干扰。噪声可以来自于各种来源，例如电子设备的热噪声、通信信道的干扰、传感器的精度限制等。在信号处理领域中，对噪声进行建模和降低是一个重要的研究课题。

在Matlab中，我们可以使用多种方法来分析和处理噪声。下面我将介绍一些常用的噪声生成方法和噪声滤波技术。

1、 噪声生成：

- 高斯白噪声：使用Matlab内置函数`randn()`生成服从高斯分布的随机数序列，然后根据需要调整均值和方差来控制噪声的强度。

- 均匀白噪声：使用Matlab内置函数`rand()`生成服从均匀分布的随机数序列，然后根据需要进行缩放和偏移操作。

- 脉冲噪声：可以使用Matlab内置函数`rand()`生成均匀分布的随机数序列，并在其中选择一些特定的样本点为脉冲噪声。

- 以及其他类型的噪声如泊松噪声、椒盐噪声等。

2、 噪声滤波：

- 均值滤波：使用`imfilter()`函数对图像或信号进行均值滤波，将相邻像素的灰度值或样本点的取值进行平均操作，从而减小噪声的影响。

- 中值滤波：使用`medfilt2()`函数对图像进行中值滤波，利用每个像素周围邻域的中值来更新该像素的灰度值，可以有效去除椒盐噪声。

- 自适应滤波：使用`adpmedian()`函数对图像进行自适应中值滤波，通过在不同大小的邻域内计算中值来适应不同噪声的强度。

- 以及其他滤波方法如维纳滤波、高斯滤波、小波滤波等。