ПР3 / Пример отчета_Практическая работа №9
.pdfМИНИСТЕРСТВО ОБРАЗОВАНИЯ РЕСПУБЛИКИ БЕЛАРУСЬ
УЧРЕЖДЕНИЕ ОБРАЗОВАНИЯ «ПОЛОЦКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ»
Факультет информационных технологий
Кафедра технологий программирования
ОТЧЕТ ПРАКТИЧЕСКАЯ РАБОТА №9
По дисциплине: «Основы защиты информации» Тема: «Создание маскирующего шума для имитации виброакустического зашумления»
Выполнил |
студент группы |
|
ФИО |
Проверил |
к.т.н., доцент, доцент кафедры ТП |
|
Бурачёнок И.Б. |
Полоцк 2019 г.
Тема: Создание маскирующего шума для имитации виброакустического зашумления.
Практическая часть
1. Построение нормированной гистограммы для каждого шума.
Основные характеристики шума ХИП представлены на рисунке 1 и рисунке 2.
Шум ХИП
Рисунок 1 – Шум ХИП
Рисунок 2 – Спектр шума ХИП
Нормированная гистограмма шума ХИП представлена на рисунке 3.
Рисунок 3 – Нормированная гистограмма шума ХИП
Основные характеристики белого шума представлены на рисунке 4 и рисунке 5.
Белый шум
Рисунок 4 – Белый шум
Рисунок 5 – Спектр белого шума
Нормированная гистограмма белого шума представлена на рисунке 6.
Рисунок 6 – Нормированная гистограмма белого шума
Основные характеристики созданного мною шума представлены на рисунке 7 и рисунке 8.
Мой шум
Рисунок 7 – Мой шум
Рисунок 8 – Спектр моего шума
Нормированная гистограмма моего шума представлена на рисунке 9.
Рисунок 9 – Нормированная гистограмма моего шума
2. Измерить и рассчитать характеристики шумов
Код для построения нормированной гистограммы шума и вычисления характеристик шума представлен в листинге 1.
Листинг 1 – Код для построения нормированной гистограммы и вычисления характеристик шумов
close all clear all T=1;
[noise,Fs]=audioread('D:\звуки\шум В.wav'); dN=T*Fs;
n=0; noise_n=noise(n*dN+1:(n+1)*(dN+1)); figure('Color','w'); [f,x]=hist(real(noise_n),18); bar(x,f/trapz(x,f));
hold on; hhL=plot(x,f/trapz(x,f),'g'); hold on;
set(hhL, 'LineWidth',1.5); mu=0;
Dn=var(real(noise_n)); sigma=sqrt(Dn);
g=(1/(sqrt(2*pi)*sigma))*exp(-((x-mu).^2)/(2*sigma^2)); hhL=plot(x,g,'r');
hold off; grid on;
set(hhL,'LineWidth',1.5); xlim([-3 3]);
xlabel('Значение сигнала, х');
legend('Нормированная гистограмма','Закон распределения белогошума','Нормальный закон распределения'); ylabel('F(x)');
grid on; Dns=var(real(noise_n),1); M=real(mean((noise_n)));
g1=((sum((noise_n-M).^4)./length(noise_n))/(Dns^2))-3; g2=(((sum((noise_n-M).^3)./length(noise_n))/((sqrt(Dns))^2))-3); gs = mean(g);
k = (2.7^(2*gs))/(2*3.14*2.7);
Характеристики шумов представлены в таблицах 1-3.
Таблица 1 – Расчет характеристик шума ХИП
|
|
2 |
|
|
|
|
|
|
|
э |
|
44100 |
-1.4581e-05 |
0.0401 |
-3.0276 |
0.0123 |
0.2078 |
|
|
|
|
|
|
Таблица 2 – Расчет характеристик белого шума |
|
|
|||
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
э |
|
16000 |
-0.0024 |
0.5166 |
-2.9983 |
-1.3907 |
0.1353 |
|
|
|
|
|
|
Таблица 3 – Расчет характеристик моего шума |
|
|
|||
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
э |
|
44100 |
1.0104e-04 |
3.9559 |
- 2.9582 |
0.5496 |
0.1757 |
|
|
|
|
|
|
Рисунок 10 – Автокорреляционная функция сигнала
Листинг 2 – Код для построения автокорреляции функции сигнала
close all clear all
[sig, Fs] = audioread('D:\звуки\шум В.wav');
[Fss, sigg]=xcorr(sig,1000); figure('Color', 'w'); plot(sigg/Fs,abs(Fss/length(sig)),'b');
title('Автокорреляционная функция сигнала'); ylabel('R(tau)');
xlabel('Отсчеты'); grid on;
Вывод: в данной лабораторной работе я выучил основные определения. Записал свой шум. С помощью MatLab построил графики, которые отображают соответственно: амплитудно-частотную характеристику экспериментального шума, демонстрирующую разброс амплитудных значений от времени, его спектр в рассматриваемой полосе частот, его нормированную гистограмму распределения плотности вероятности и автокорреляционную функцию.
В таблицах приведены результаты измерений и расчетов характеристик экспериментального шума.