一、题目：用小波函数db1,db2,db3对小波１次分解
二、目的：编程实现信号的分解与重构并对比db1,db2,db3几种小波变换
三、算法及其实现：离散小波变换
离散小波变换是对信号的时－频局部化分析，其定义为：/2200()(,)()(),()()j j Wf j k a f t a t k dt f t L R φ+∞---∞=-∈? 本实验实现对信号的分解与重构：
（１）信号分解：用小波工具箱中的dwt 函数来实现离散小波变换，函数dwt 将信号分解为两部分，分别称为逼近系数和细节系数（也称为低频系数和高频系数）,实验中分别记为cA1,cD1，它们的长度均为原始信号的一半，但dwt 只能实现原始信号的单级分解。在本实验中使用小波函数db1来实现单尺度小波分解，即：
[cA1,cD1]＝dwt(s,’db1’)，其中s 是原信号;
（２）信号重构：用小波工具箱中的upcoef 来实现，upcoef 是进行一维小波分解系数的直接重构,即：
A1 = upcoef('a',cA1,'db1'); D1 = upcoef('a',cD1,'db1')。
四、实现工具：Matlab
五、程序代码：
%装载leleccum 信号
load leleccum;
s = leleccum(1:3920);
%用小波函数db1对信号进行单尺度小波分解
[cA1,cD1]=dwt(s,'db1');
subplot(3,3,1);
plot(s);
title('leleccum 原始信号');
%单尺度低频系数cA1向上一步的重构信号
A1 = upcoef('a',cA1,'db1');
%单尺度高频系数cD1向上一步的重构信号
D1 = upcoef('a',cD1,'db1');
subplot(3,3,4);
plot(A1);
title('单尺度低频系数cA1向上一步的重构信号');
subplot(3,3,7);
plot(D1);
title('单尺度高频系数cD1向上一步的重构信号');
%%用小波函数db2对信号进行单尺度小波分解
[cA2,cD2]=dwt(s,'db2');
subplot(3,3,2);
plot(s);
title('leleccum 原始信号');
%单尺度低频系数cA1向上一步的重构信号
A2 = upcoef('a',cA1,'db2');
%单尺度高频系数cD1向上一步的重构信号
D2 = upcoef('a',cD1,'db2');
subplot(3,3,5);
plot(A2);
title('单尺度低频系数cA2向上一步的重构信号'); subplot(3,3,8);
plot(D2);
title('单尺度高频系数cD2向上一步的重构信号');
%%用小波函数db3对信号进行单尺度小波分解[cA3,cD3]=dwt(s,'db3');
subplot(3,3,3);
plot(s);
title('leleccum原始信号');
%单尺度低频系数cA1向上一步的重构信号
A3 = upcoef('a',cA1,'db3');
%单尺度高频系数cD1向上一步的重构信号
D3 = upcoef('a',cD1,'db3');
subplot(3,3,6);
plot(A3);
title('单尺度低频系数cA3向上一步的重构信号'); subplot(3,3,9);
plot(D3);
title('单尺度高频系数cD3向上一步的重构信号');
六、运行结果：
七、结果分析：
一、题目：一维Haar 小波2次分解 二、目的：编程实现信号的分解与重构 三、算法及其实现：离散小波变换 离散小波变换是对信号的时－频局部化分析，其定义为：/2200()(,)()(),()()j j Wf j k a f t a t k dt f t L R φ+∞---∞=-∈? 本实验实现对信号的分解与重构： （１）信号分解：用小波工具箱中的dwt 函数来实现离散小波变换，函数dwt 将信号分解为两部分，分别称为逼近系数和细节系数（也称为低频系数和高频系数）,实验中分别记为cA1,cD1，它们的长度均为原始信号的一半，但dwt 只能实现原始信号的单级分解。在本实验中使用小波函数db1来实现单尺度小波分解，即： [cA1,cD1]＝dwt(s,’db1’)，其中s 是原信号;再通过[cA2,cD2]＝dwt(cA1,’db1’)进行第二次分解，长度又为cA2的一半。 （２）信号重构：用小波工具箱中的upcoef 来实现，upcoef 是进行一维小波分解系数的直接重构,即： A1 = upcoef('a',cA1,'db1'); D1 = upcoef('a',cD1,'db1')。 四、实现工具：Matlab 五、程序代码： %装载leleccum 信号 load leleccum; s = leleccum(1:3920); %用小波函数db1对信号进行单尺度小波分解 [cA1,cD1]=dwt(s,'db1'); subplot(3,2,1); plot(s); title('leleccum 原始信号'); %单尺度低频系数cA1向上一步的重构信号 A1 = upcoef('a',cA1,'db1'); %单尺度高频系数cD1向上一步的重构信号 D1 = upcoef('a',cD1,'db1'); subplot(3,2,3); plot(A1); title('单尺度低频系数cA1向上一步的重构信号'); subplot(3,2,5); plot(D1); title('单尺度高频系数cD1向上一步的重构信号'); [cA1,cD1]=dwt(cA1,’db1'); subplot(3,2,2); plot(s); title('leleccum 第一次分解后的cA1信号'); %第二次分解单尺度低频系数cA2向上一步的重构信号 A2= upcoef('a',cA2,'db1',2); %第二次分解单尺度高频系数cD2向上一步的重构信号 D2 = upcoef('a',cD2,'db1',2); subplot(3,2,4); plot(A2);
E RDAS实验报告 图像融合实验 数据来源 采用Erdas中examples文件内的2000年Atlanta多光谱TM数据和高清全色Pan数据。两图为同一地区不同坐标影像，故使用前需预处理从而得到实验区域。 目的 多光谱TM数据分辨率较低但包含多波段色彩，而全色Pan数据只包含一层高清影像，为了得到研究区域的高清彩色影像，我们将TM和Pan数据在Erdas2014中进行融合以达到实验目的。 方法 在遥感领域运用较多的融合方法有主成分变换法、比值变换法、小波变换法和HIS变换法。本实验则运用HIS变换法。IHS属于色度空间变换，从多光谱彩色合成影像上分离出代表信息的明度（I）和代表光谱信息的色调（H）、饱和度（S）等3个分量，并采用相同区域的高分辨率全色波段数据代替明度（I）进行空间信息融合。 步骤 1.几何校正 因原始图像空间坐标不同，需选取控制点进行几何校正。本实验校正方法为多项式法，选取6个控制点进行校正，其校正叠加截图如下：
2.叠加剪切 由校正结果可知两图像只有部分区域重合，所以建立AOI对重合区域进行剪切，以得到研究区域，截图如下： 3.重采样 因多光谱图像分辨率较低，像元点较大，若要与全色图融合出高清影像需进行重采样来调整像元大小，以达到与高清图一致。 4.二次剪切 因图为栅格，统一像元后，边缘区必然会有一定的扩展(如下图)，虽说扩展的范围较小，但在科研应用方面不符合要求，故须二次剪切。 5.RGB转HIS
TM图像选取前三层再分别赋予蓝、绿、红三色，转化为HIS格式，如下图： 6.直方图匹配 将高清图像直方图以标准图像的直方图为标准作变换,使全色光图和HIS图中I层两图像的直方图相同和近似,从而使两幅图像具有类似的色调和反差，以便作进一步的运算。 7.图像叠加 运用Layer stack功能将全色光高清图和H、S图层进行叠加即所谓的图像融合。它将多波段图层组合到了一起，从而得到新的包含多个有助于研究者使用的多波段影像。 8.IHS转RGB
南京师范大学物理科学与技术学院 医用电子学论文 论文名称：基于小波变换的心电信号噪声消除 院系：物科院 专业：电路与系统 姓名：聂梦雅 学号： 121002043 指导教师：徐寅林
摘要 以小波变换的多分辨率分析为基础, 通过对体表心电信号(ECG) 及其噪声的分析, 对ECG信号中存在的基线漂移、工频干扰及肌电干扰等几种噪声, 设计了不同的小波消噪算法; 并利用MIT/BIH 国际标准数据库中的ECG 信号和程序模拟所产生的ECG 信号, 分别对算法进行了仿真与实验验证。结果表明, 算法能有效地滤除ECG 信号检测中串入的几类主要噪声, 失真度很小, 可满足临床分析与诊断对ECG 波形的要求。 关键词: ECG 信号, 小波变换, 基线漂移, 工频干扰, 肌电干扰
Abstract We apply the multi-resolution analysis (MRA ) of wavelet transform ( WT ) , which was proposed by Mallat [ 5 ] , to suppress the three main types of noises existing in electrocardiogram ( ECG ) signals : baseline wander, power line interference and electro my ographical interference. We apply Mallat algorithm [ 4 ] to suppress the baseline wander in ECG signals. We apply the sof t-thresholding algorithm, proposed by donohoetal on the basis of MRA of WT , to suppress power line interference in ECG signals. We apply Mallat algorithm and then the algorithm proposed by Donohoetal to suppress the electro my ographical interference in ECG signals ,who sefrequency range varies f rom 5Hz to 2kHz. We performed simulations ,using both ECG signals from MIT/BIH database, and ECG signals generated via computer simulation .The results show that the algorithm can suppress the main no isesexisting in ECG signals efficiently with very little distortion, and can satisfy the requirement s of clinical analysis and diagnosis on ECG waveforms. Key words: ECG (electro cardio gram ) signal, wavelet transform , baseline wander, power line interference , electro my ographical interference
《医学图像处理》实验报告 实验十：小波变换 日期： 2014年05月06日 摘要 本次实验的实验目的及主要内容是: 一维小波变换和反变换 二维小波变换和反变换 二维小波细节置零、去噪
一、技术讨论 1.1实验原理 小波变换的原理:是指一组衰减震动的波形，其振幅正负相间变化为零，是具有一定的带宽和中心频率波组。小波变换是用伸缩和平移小波形成的小波基来分解（变换）或重构（反变换）时变信号的过程。不同的小波具有不同带宽和中心频率，同一小波集中的带宽与中心频率的比是不变的，小波变换是一系列的带通滤波响应。它的数学过程与傅立叶分析是相似的，只是在傅立叶分析中的基函数是单频的调和函数，而小波分析中的基函数是小波，是一可变带宽内调和函数的组合。 小波去噪的原理：利用小波变换把含噪信号分解到多尺度中，小波变换多采用二进型，然后在每一尺度下把属于噪声的小波系数去除，保留并增强属于信号的小波系数，最后重构出小波消噪后的信号。其中关键是用什么准则来去除属于噪声的小波系数，增强属于信号的部分。 1.2实验方法 1）dwt函数（实现1-D离散小波变换） [cA,cD]=dwt(X,’wname’)使用指定的小波基函数‘wname’对信号X进行分解，cA和cD分别是近似分量和细节分量； [cA,cD]=dwt(X,Lo_D,Hi_D)用指定的滤波器组Lo_D,Hi_D对信号进行分解 2）idwt函数（实现1-D离散小波反变换） X=idwt(cA,cD,’wname’) X=idwt(cA,cD,Lo_R,Hi_R) X=idwt(cA,cD,’wname’,L) X=idwt(cA,cD,Lo_R,Hi_R,L) 由近似分量cA和细节分量cD经过小波反变换，选择某小波函数或滤波器组，L为信号X中心附近的几个点 3）dwt2函数（实现2-D离散小波变换） [cA,cH,cV,cD]=dwt2(X,’wname’) [cA,cH,cV,cD]=dwt2(X,’wname’) cA近似分量，cH水平细节分量，cV垂直细节分量，cD对角细节分量 4）idwt2函数（实现2-D离散反小波变换） X=idwt2(cA,cH,cV,cD,’wname’) X=idwt2(cA,cH,cV,cD,Lo_R,Hi_R) X=idwt2(cA,cH,cV,cD,’wname’,S) X=idwt2(cA,cH,cV,cD,Lo_R,Hi_R,S)
《基础强化训练》报告 题目：MATLAB图像处理专业班级： 学生姓名： 指导教师： 2010 年07 月13 日
基础强化训练任务书 学生姓名：专业班级： 指导教师：工作单位： 题目: MATLAB图像处理DWT（离散小波变化） 基础强化训练目的 ①较全面了解常用的数据分析与处理原理及方法； ②能够运用相关软件进行模拟分析； ③掌握基本的文献检索和文献阅读的方法； ④提高正确地撰写论文的基本能力。 训练内容和要求 ①采集一幅像素大于64*64黑白图像； ②常规的数学统计数据处理：计算图象各象素点灰度值得均值、标准差、方差， 并绘出灰度直方图； ③数据分析常用算法：FFT（傅立叶变换），DCT（离散余弦变化），DWT（离散小 波变化） 初始条件 ①MATLAB软件 ②数字信号处理与图像处理基础知识 时间安排： 第19周，安排任务 第20周，仿真设计（鉴主13楼计算机实验室） 第21周，完成（答辩，提交报告，演示） 指导教师签名： 20010年 7月14 日 系主任（或责任教师）签名：2010年 7月 14日
目录 摘要 (1) Abstract (2) 1 数据采集 (3) 1.1图像的选取 (3) 1.2 MATLAB读取方法 (3) 1.2.1 编辑M文件 (3) 1.2.2 图像的读取与灰度图的转换 (4) 1.2.3 灰度值的获取 (5) 2 数据统计处理 (6) 2.1 均值计算 (6) 2.1.1 原理及计算公式 (6) 2.2 各点像素灰度值的标准差计算 (7) 2.3 各像素点灰度值的方差 (8) 2.4 灰度直方图 (9) 3．离散小波变换 (10) 3.1 离散小波变换原理 (10) 3.2变换及反变换程序和结果 (10) 3.2.1离散小波变换 (10) 3.2.2离散小波反变换 (12) 5 总结（心得体会） (14) 6参考文献 (15)
小波分析上机实验报告 院系：电气工程及自动化学院 学科：仪器科学与技术
实验一小波分析在信号压缩中的应用 一、试验目的 （1）进一步加深对小波分析进行信号压缩的理解； （2）学习Matlab中有关信号压缩的相关函数的用法。 二、相关知识复习 用一个给定的小波基对信号进行压缩后它意味着信号在小波阈的表示相对缺少了一些信息。之所以能对信号进行压缩是因为对于规则的信号可以用很少的低频系数在一个合适的小波层上和一部分高频系数来近似表示。 利用小波变换对信号进行压缩分为以下几个步骤来完成： （1）进行信号的小波分解； （2）将高频系数进行阈值量化处理。对从1 到N 的每一层高频系数都可以选择不同的阈值并且用硬阈值进行系数的量化； （3）对量化后的系数进行小波重构。 三、实验要求 （1）对于某一给定的信号（信号的文件名为leleccum.mat），利用小波分析对信号进行压缩处理。 （2）给出一个图像，即一个二维信号（文件名为wbarb.mat），利用二维小波分析对图像进行压缩。 四、实验结果及程序 （1）load leleccum %将信号装入Matlab工作环境 %设置变量名s和ls，在原始信号中，只取2600-3100个点 s = leleccum(2600:3100); ls = length(s); %用db3对信号进行3级小波分解 [c,l] = wavedec(s, 3, 'db3'); %选用全局阈值进行信号压缩 thr = 35; [xd,cxd,lxd,perf0,perfl2] = wdencmp('gbl',c,l,'db3',3,thr,'h',1); subplot(2,1,1);plot(s); title('原是信号s'); subplot(2,1,2);plot(xd); title('压缩后的信号xd');
小波理论实验报告 院（系） 专业 学生 学号 日期 2015年12月
实验报告一 一、 实验目的 1. 运用傅立叶变换知识对常用的基本函数做基本变换。 2. 加深对因果滤波器的理解，并会判断因果滤波器的类型。 3. 运用卷积公式对基本信号做滤波处理并分析，以加深理解。 4. 熟悉Matlab 中相关函数的用法。 二、 实验原理 1.运用傅立叶正、反变换的基本公式： ( )?()() ()(),1 1?()(),22i x i t i t i t i t f f x e dx f t e dt f t e f t f e d f t e ωωωωωωωωπ π ∞∞---∞ -∞ ∞ --∞ ==== =?? ? 及其性质，对所要处理信号做相应的傅里叶变换和逆变换。 2.运用卷积的定义式： 1212()()()()+∞ -∞ *=-? f t f t f f t d τττ 对所求信号做滤波处理。 三、 实验步骤与内容 1.实验题目： Butterworth 滤波器，其冲击响应函数为 ,0 ()0, 0若若α-?≥=?
function dwtg1 clear all; clc; %保存开始时间 start_time=cputime; figure(1); %读出原始图像 subplot(1,3,1); input=imread('2010101405231310.bmp'); imshow(input); title('原始图像'); %读出水印 subplot(1,3,2); water=imread('华侨大学256bmp.bmp'); imshow(water,[]); title('水印'); %三色分离 input=double(input); water=double(water); inputr=input(:,:,1); waterr=water(:,:,1); inputg=input(:,:,2); waterg=water(:,:,2); inputb=double(input(:,:,3)); waterb=double(water(:,:,3)); %系数r大.增加鲁棒性,r小增加透明性 r=0.06; %水印R的分解 [Cwr,Swr]=WAVEDEC2(waterr,1,'haar'); %图像R的分解 [Cr,Sr]=WAVEDEC2(inputr,2,'haar'); %水印的嵌入 Cr(1:size(Cwr,2)/16)=... Cr(1:size(Cwr,2)/16)+r*Cwr(1:size(Cwr,2)/16); k=0; while k<=size(Cr,2)/size(Cwr,2)-1 Cr(1+size(Cr,2)/4+k*size(Cwr,2)/4:size(Cr,2)/4+... (k+1)*size(Cwr,2)/4)=Cr(1+size(Cr,2)/4+... k*size(Cwr,2)/4:size(Cr,2)/4+(k+1)*size(Cwr,2)/4+... r*Cwr(1+size(Cwr,2)/4:size(Cwr,2)/2)); Cr(1+size(Cr,2)/2+k*size(Cwr,2)/4:size(Cr,2)/2+... (k+1)*size(Cwr,2)/4)=Cr(1+size(Cr,2)/2+... k*size(Cwr,2)/4:size(Cr,2)/2+(k+1)*size(Cwr,2)/4+... r*Cwr(1+size(Cwr,2)/2:3*size(Cwr,2)/4));
一、题目：一维Haar小波2次分解 二、目的：编程实现信号的分解与重构 三、算法及其实现：离散小波变换 离散小波变换是对信号的时—频局部化分析，其定义为：(Wf)( j,k)二a。』2 ：Y (t)「(a o」t _k)dt, f (t)? L2(R) 本实验实现对信号的分解与重构： (1)信号分解：用小波工具箱中的dwt函数来实现离散小波变换，函数dwt将信号分解为两部分，分别称为逼 近系数和细节系数(也称为低频系数和高频系数) ，实验中分别记为cA1,cD1，它们的长度均为原始信号的一半，但 dwt只能实现原始信号的单级分解。在本实验中使用小波函数db1来实现单尺度小波分解，即：[cA1,cD1] = dwt(s, 'dbl',其中s是原信号；再通过[cA2,cD2] = dwt(cA1, 'dbl '进行第二次分解，长度又为cA2的一半。 (2)信号重构：用小波工具箱中的upcoef来实现，upcoef是进行一维小波分解系数的直接重构，即: A1 = upcoef('a',cA1,'db1'); D1 = upcoef('a',cD1,'db1')。 四、实现工具：Matlab 五、程序代码： %装载leleccum信号 load leleccum; s = leleccum(1:3920); %用小波函数db1对信号进行单尺度小波分解 [cA1,cD1]=dwt(s,'db1'); subplot(3,2,1); plot(s); title('leleccum 原始信号'); %单尺度低频系数cA1向上一步的重构信号 A1 = upcoef('a',cA1,'db1'); %单尺度高频系数cD1向上一步的重构信号 D1 = upcoef('a',cD1,'db1'); subplot(3,2,3); plot(A1); title('单尺度低频系数cA1向上一步的重构信号’)； subplot(3,2,5); plot(D1); title('单尺度高频系数cD1向上一步的重构信号’)； [cA1,cD1]=dwt(cA1, 'b1'); subplot(3,2,2); plot(s); title('leleccum第一次分解后的cA1信号'); %第二次分解单尺度低频系数cA2向上一步的重构信号 A2= upcoef('a',cA2,'db1',2); %第二次分解单尺度高频系数cD2向上一步的重构信号 D2 = upcoef('a',cD2,'db1',2); subplot(3,2,4); plot(A2);
摘要： 图像处理，用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。基本内容图像处理一般指数字图像处理。数字图像是指用数字摄像机、扫描仪等设备经过采样和数字化得到的一个大的二维数组，该数组的元素称为像素，其值为一整数，称为灰度值。图像处理技术的主要内容包括图像压缩，增强和复原，匹配、描述和识别3个部分。图像处理一般指数字图像处理。 数字图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。目前，图像处理演示系统应用领域广泛医学、军事、科研、商业等领域。因为数字图像处理技术易于实现非线性处理，处理程序和处理参数可变，故是一项通用性强，精度高，处理方法灵活，信息保存、传送可靠的图像处理技术。本图像处理演示系统以数字图像处理理论为基础，对某些常用功能进行界面化设计，便于初级用户的操作。 设计要求 可视化界面，采用多幅不同形式图像验证系统的正确性； 合理选择不同形式图像，反应各功能模块的效果及验证系统的正确性 对图像进行灰度级映射，对比分析变换前后的直方图变化； 1.课题目的与要求 目的： 基本功能：彩色图像转灰度图像 图像的几何空间变换：平移，旋转，剪切，缩放 图像的算术处理：加、减、乘 图像的灰度拉伸方法（包含参数设置）； 直方图的统计和绘制；直方图均衡化和规定化； 要求： 1、熟悉图像点运算、代数运算、几何运算的基本定
义和常见方法； 2、掌握在MTLAB中对图像进行点运算、代数运算、几何运算的方法 3、掌握在MATLAB中进行插值的方法 4、运用MATLAB语言进行图像的插值缩放和插值旋转等 5、学会运用图像的灰度拉伸方法 6、学会运用图像的直方图设计和绘制；以及均衡化和规定化 7、进一步熟悉了解MATLAB语言的应用，将数字图像处理更好的应用于实际2.课题设计内容描述 1>彩色图像转化灰度图像： 大部分图像都是RGB格式。RGB是指红，绿，蓝三色。通常是每一色都是256个级。相当于过去摄影里提到了8级灰阶。 真彩色图像通常是就是指RGB。通常是三个8位，合起来是24位。不过每一个颜色并不一定是8位。比如有些显卡可以显示16位，或者是32位。所以就有16位真彩和32位真彩。 在一些特殊环境下需要将真彩色转换成灰度图像。 1单独处理每一个颜色分量。 2.处理图像的“灰度“，有时候又称为“高度”。边缘加强，平滑，去噪，加 锐度等。 3.当用黑白打印机打印照片时，通常也需要将彩色转成灰白，处理后再打印 4.摄影里，通过黑白照片体现“型体”与“线条”，“光线”。 2>图像的几何空间变化： 图像平移是将图像进行上下左右的等比例变化，不改变图像的特征，只改变位置。 图像比例缩放是指将给定的图像在x轴方向按比例缩放fx倍，在y轴按比例缩放fy倍，从而获得一幅新的图像。如果fx=fy，即在x轴方向和y轴方向缩放的比率相同，称这样的比例缩放为图像的全比例缩放。如果fx≠fy，图像的比例缩放会改变原始图象的像素间的相对位置，产生几何畸变。 旋转。一般图像的旋转是以图像的中心为原点，旋转一定的角度，也就是将图像上的所有像素都旋转一个相同的角度。旋转后图像的的大小一般会改变，即可以把转出显示区域的图像截去，或者扩大图像范围来显示所有的图像。图像的旋转变换也可以用矩阵变换来表示。
北京邮电大学 数字信号处理硬件实验 实验名称：dsp硬件操作实验姓名：刘梦颉班级： 2011211203 学号：2011210960 班内序号：11 日期：2012年12月20日 实验一常用指令实验 一、实验目的 了解dsp开发系统的组成和结构，熟悉dsp开发系统的连接，熟悉dsp的开发界面，熟 悉c54x系列的寻址系统，熟悉常用c54x系列指令的用法。 二、实验设备 计算机，ccs 2.0版软件，dsp仿真器，实验箱。 三、实验操作方法 1、系统连接 进行dsp实验之前，先必须连接好仿真器、实验箱及计算机，连接方法如下所示： 1）上电复位 在硬件安装完成后，接通仿真器电源或启动计算机，此时，仿真盒上的“红色小灯”应 点亮，否则dsp开发系统与计算机连接有问题。 2）运行ccs程序 先实验箱上电，然后启动ccs，此时仿真器上的“绿色小灯”应点亮，并且ccs正常启 动，表明系统连接正常；否则仿真器的连接、jtag接口或ccs相关设置存在问题，掉电，检 查仿真器的连接、jtag接口连接，或检查ccs相关设置是否正确。 四、实验步骤与内容 1、实验使用资源 实验通过实验箱上的xf指示灯观察程序运行结果 2、实验过程 启动ccs 2.0，并加载“exp01.out”；加载完毕后，单击“run”运行程序； 五、实验结果 可见xf灯以一定频率闪烁；单击“halt”暂停程序运行，则xf灯停止闪烁，如再单击 “run”，则“xf”灯又开始闪烁； 关闭所有窗口，本实验完毕。 六、源程序代码及注释流程图： 实验二资料存储实验 一、实验目的 掌握tms320c54的程序空间的分配；掌握tms320c54的数据空间的分配；熟悉操作 tms320c54数据空间的指令。 二、实验设备 计算机，ccs3.3版软件，dsp仿真器，实验箱。 三、实验系统相关资源介绍 本实验指导书是以tms32ovc5410为例，介绍相关的内部和外部内存资源。对于其它类型 的cpu请参考查阅相关的资料手册。下面给出tms32ovc5410的内存分配表： 对于存储空间而言，映像表相对固定。值得注意的是内部寄存器与存储空间的映像关系。 因此在编程应用时这些特定的空间不能作其它用途。对于篇二：31北邮dsp软件实验报告北京邮电大学 dsp软件
竭诚为您提供优质文档/双击可除 肌组织实验报告 篇一：表面肌实验报告 武汉理工大学 现代数字信号处理在前沿学科中的应用实验报告 基于semg时域特征的动作识别 学院：信息工程学院 学号：姓名： 班级：电子154 实验基于semg时域特征特的动作识别 一、实验目的 1.了解肌电信号常用的时域分析方法； 2.利用mATLAb对肌电信号进行去噪、特征提取及动作识别； 二、实验设备 1.wi-Fi表面肌电信号采集卡； 2.32位windowsxp台式机（matlab7.0软件）； 3.802.11b/g无线网卡；
三、实验内容 （1）学习信号的基本去噪方法，并用mATLAb实现； （2）学习肌电信号常用的时域特征并利用matlab来进行波形长度（wL）符号改变数（ssc）、过零点（Zc）、威尔 逊赋值（wAmp）等特征的提取； （3）学习神经网络信号处理方法，掌握bp神经网络的用法，将其用于肌电信号的动作识别。 学习以上三个部分，最终完成一整套肌电信号去噪、特征提取（选取一种特征）、基于特征的动作识别的mATLAb程序。 四、实验原理 （1）小波去噪 小波去噪方法是一种建立在小波变换基础上的新兴算法，基本思想是根据噪声在不同频带上的小波分解系数具有不同强度分布的特点，将各频带上的噪声对应的小系数去除，保留原始信号的小波分解系数，然后对处理后系数进行小波重构，得到纯净信号。 小波去噪的基本原理图如下 （2）特征提取 时域分析是将肌电信号看成均值为零，而方差随着信号强度的变化而变化的随机信号。时域特征的计算复杂度低，提取比较方便。
最常用的方法有：方差，过零点数（Zerocrossing,Zc），willison幅值（willisonAmplitude,wAmp），绝对值平均值(meanAbsoluteValue,mAV）和波形长度（wavelength，wL）等。在实际应用中，为了让特征可以包含更多的信息，往往选择用不同的时域特征组合形成联合特征向量。我们主要介绍一下几种方法： 过零率（Zc）：为波形通过零线的次数,从一定程度上反映了信号的频率特性。为了降低零点引入的噪声，往往会引入一个阈值δ。计算方式如下： sgn(?xk?xk?1),(xk?xk?1??)（1）willison幅值：是由willison提出一种对表面肌电信号的幅值变化数量进行计 算的方法，经过后人的研究，对willison幅值的阈值有了明确的范围限定，目前认为50~100?V是最合适的阈值范围。其数学表示公式如公式（3-3）。 wAmp??fxi?xi?1 t?1n（2） ?1f(x)???0其中：ifx?阈值otherwise 波形长度（wL）：它是对某一分析窗中的波形长度的统计，波长可以体现该样本的持续时间、幅值、频率的特征。 1n?1 wL??x(i?1)?x(i)ni?1（3）符号改变斜率（ssc）：为信号的的频率性能提供了一些附加信息，对于3个连续的采样
研究生课程论文(2016-2017学年第二学期) 振动测试技术 研究生：
模态试验大作业 0 模态试验概述 模态试验（modal test）又称试验模态分析。为确定线性振动系统的模态参数所进行的振动试验。模态参数是在频率域中对振动系统固有特性的一种描述，一般指的是系统的固有频率、阻尼比、振型和模态质量等。 模态试验中通过对给定激励的系统进行测量，得到响应信号，再应用模态参数辨识方法得到系统的模态参数。由于振动在机械中的应用非常普遍。振动信号中包含着机械及结构的内在特性和运行状况的信息。振动的性质体现着机械运行的品质，如车辆、航空航天设备等运载工具的安全性与舒适性；也反映出诸如桥梁、水坝以及其它大型结构的承载情况、寿命等。同时，振动信号的发生和提取也相对容易因此，振动测试与分析已成为最常用、最基本的试验手段之一。 模态分析及参数识别是研究复杂机械和工程结构振动的重要方法，通常需要通过模态实验获得结构的模态参数即固有频率、阻尼比和振型。模态实验的方法可以分为两大类：一类是经典的纯模态实验方法，该方法是通过多个激振器对结构进行激励，当激振频率等于结构的某阶固有频率，激振力抵消机构内部阻尼力时，结构处于共振状态，这是一种物理分离模态的方法。这种技术要求配备复杂昂贵的仪器设备，测试周期也比较长；另一类是数学上分离模态的方法，最常见的方法是对结构施加激励，测量系统频率响应函数矩阵，然后再进行模态参数的识别。 为获得系统动态特性，常需要测量系统频响函数。目前频响函数测试技术可以分为单点激励单点测量( SISO)、单点激励多点测量( SIMO) 、多点激励多点测量( MIMO)等。单点激励一般适用于较小结构的频响函数测量，多点激励适用于大型复杂机构，如机体、船体或大型车辆机构等。按激励力性质的不同，频响函数测试分为稳态正弦激励、随机激励及瞬态激励三类，其中随机激励又有纯随机、伪随机、周期随机之分。瞬态激励则有快速正弦扫描激励、脉冲激励和阶跃激励等几种方式。按激励力性质的不同，频响函数测试分为稳态正弦激励、随机激励及瞬态激励三类，其中随机激励又有纯随机、伪随机、周期随机之分，瞬态激励则有快速正弦扫描激励、脉冲激励和阶跃激励等几种方式。 振动信号的分析和处理技术一般可分为时域分析、频域分析、时频域分析和时间序列建模分析等。这些分析处理技术从不同的角度对信号进行观察和分析，为提取与设备运行状态有关的特征信息提供了不同的手段。信号的时域分析包括时域统计分析、时域波形分析和时域相关分析。对评价设备运行状态和
小波分析上机实验报告 实验报告一 一、实验目的 1、运用傅里叶变换知识对常用的基本函数做基本变换。 2、加深对因果滤波器的理解，并会判断因果滤波器的类型。
3、 运用卷积公式对基本信号做滤波处理并作出分析，以加深理解 4、 熟悉Matlab 中相关函数的用法 二、 实验原理 1 ．运用傅里叶正、反变换的基本公式： ( )?()() ()(),1 1?()(),22i x i t i t i t i t f f x e dx f t e dt f t e f t f e d f t e ωωωωωωωωπ π ∞∞ ---∞ -∞ ∞ --∞ ==== =??? 及其性质，对所要处理信号做相应的傅里叶变换和逆变换。 2．运用卷积的定义式：1212()()()()+∞-∞ *=-?f t f t f f t d τττ 对所求信号做滤波处理。 三、 实验步骤与内容 实验题目： Butterworth 滤波器，其冲击响应函数为 ,0 ()0, 0若若α-?≥=?
姓名：学号： 课程名称：小波理论及应用 实验名称：上机实践作业 实验序号：第一次实验日期：2014.05.12 学院及专业名称： 同组人：独立完成 实验成绩：总成绩： 教师评语： 指导教师签字： 年月日
实验报告一 一、 实验目的 1、 运用傅里叶变换知识对常用的基本函数做基本变换。 2、 加深对因果滤波器的理解，并会判断因果滤波器的类型。 3、 运用卷积公式对基本信号做滤波处理并作出分析，以加深理解 4、 熟悉Matlab 中相关函数的用法 二、 实验原理 1 ．运用傅里叶正、反变换的基本公式： ( )?()() ()(),1 1?()(),22ωωωωωωωωπ π ∞∞---∞ -∞ ∞ --∞ ==== =?? ? i x i t i t i t i t f f x e dx f t e dt f t e f t f e d f t e （2-1） 及其性质，对所要处理信号做相应的傅里叶变换和逆变换。 2．运用卷积的定义式：1212()()()()+∞ -∞ *=-?f t f t f f t d τττ （2-2） 对所求信号做滤波处理。 三、 实验步骤与内容 实验题目： Butterworth 滤波器，其冲击响应函数为 ,0 ()0, 0若若α-?≥=?
一、题目：dwt水印 二、目的：编程实现水印的嵌入与还原 三、算法及其实现：水印的嵌入与还原 小波变换具有空间-频率的多尺度性，对图像的分解可以连续地从低分辨率过渡到高分辨率，也可以对图像整体进行变换，DWT还具有多分辨率特性，可以很好地与人类视觉系统(HVS)特性相匹配。 本算法将载体图像进行小波分解，利用公式实现水印信息的嵌入。将2值图像中0和1 的值变成-1和1。。将水印入宿主图形重要的小波系数上。 水印的提取完全是水印嵌入的逆过程。 四、实现工具：Matlab 五、程序代码： （1）dwt1_embed.m %嵌入源码 clc clear all; % 保存开始时间 start_time=cputime; k=20; blocksize=8; % 设置块的大小 % 读入原图像 file_name='zimu.bmp'; cover_object=double(imread(file_name)); % 原图像的行数与列数 Mc=size(cover_object,1); %原图像行数 Nc=size(cover_object,2); %原图像列数 % 最大嵌入信息量 max_message=Mc*Nc/(blocksize^2); % 读入水印图像 file_name='c.bmp';
message=double(imread(file_name)); %%水印图像的行数与列数 Mm=size(message,1); %水印行数 Nm=size(message,2); %水印列数 message_vector=reshape(message,1,Mm*Nm); % 检查水印信息是否过大 if (Mm*Nm> max_message) error('水印太大') end %将随机数发生器的状态置为1100 randn('state',1100); % 产生watermarked_image,并写入原图信息 watermarked_image=cover_object; % 将图像分块嵌入 % 当(2,2) > (2,3) 且message_pad(kk)=0 % 当(2,2) < (2,3) 且message_pad(kk)=1 %%经过分析可以得出结论：在提取水印时，如果cD1(2,2)>cD1(2,3)便是嵌入了水印的黑色像素， %%反之则是嵌入了白色像素 x=1; y=1; h=waitbar(0,'嵌入水印，请等待'); for (kk = 1:length(message_vector)) % 对块进行DWT变换 [cA1,cH1,cV1,cD1] = dwt2(cover_object(x:x+blocksize-1,y:y+blocksize-1),'haar'); a=cD1; % 如果message_pad(kk)== 0 if (message_vector(kk) == 0) % 且(2,2) < (2,3) ，交换它们 if (cD1(2,2) < cD1(2,3)) temp=cD1(2,3); cD1(2,3)=cD1(2,2); cD1(2,2)=temp;
郑州航空工业管理学院 计算机数据安全（设计） 11 级计算机科学与技术专业 1110064班级 姓名李阳坡学号111006413 指导教师刘丽职称副教授 2014 年 4 月15 日
目录 需求分析 (3) 生成m序列 (3) 加密形成水印信息 (4) 嵌入水印 (5) 提取水印信息 (7)
需求分析 利用附件所带的图copyright1.bmp作为版权标识，并用图 所示的线性反馈移位寄存器生成一m序列作为密钥对copyright1.bmp进行加密得到水印信息。 选择图片作为要保护的作品，使用基于dwt域的脆弱水印，把加密后的水印信息嵌入到作品中，得到含水印的图片。 最后从含水印的图片中提取出水印序列，并用m序列解密得出版权标识图片 生成m序列 m序列是由线性反馈移位寄存器产生的周期最长的二进制数字序列。该移位寄存器产生的m序列的周期是2的n次方减1，本次选用的是五级移位寄存器，即周期是31，移位寄存器的初始值a4a3a2a1a0=【1 0 1 0 1】，取移位寄存器a0的输出为m序列,故可生成31位m序列，由于要生成的水印是32*32，因此在最后一位补0成为32位，为后边的加密提供方便。具体代码如下： %采用5级移位寄存器生成m序列 N=5; %级数 PN0=[1 0 1 0 1]; %移位寄存器的初始值a4a3a2a1a0，取移位寄存器a0的输出为m序 列 %m序列的周期，即m序列的长度2N-1 PN=zeros(32,1); for i=1:32 if i==1 PN(i)=PN0(5); %第一次输出的值是a0移位寄存器的初始值 end if i==2
研究生课程：数字图像处理 课程作业实验报告 实验名称：Image Interpolation 实验编号：Proj02-01 摘要：本实验采用双线性插值技术对图像进行缩放，实验的原理是来源于数值分析中的插值问题。双线性插值算法是一种比较好的图像缩放算法，它充分的利用了源图中虚拟点四周的四个真实存在的像素值来共同决定目标图中的一个像素值，因此缩放效果比较好。
实验内容概述 关于编程的一点说明:本课程实验的主要目的如下：(1)掌握图像处理的基本方法与步骤，(2) 帮助学生建立图像处理技术解决问题的感性概念，以及解决问题的软件原型。最后，需要说明的是，完成本课程实验所需要的编程环境可以是C++等常规的程序开发环境，也可以是包含有已经存在的具有可扩展能力的函数集合组成的集成编程环境。最典型的例子是MATLAB的图像处理工具箱（Image Processing Toolbox，IPT）编程环境。建议实验中使用后一种类型的集成编程环境。 下面是具体的实验题目及其说明：
PROJECT 02-01(Image Interpolation) (a) 编写一个线性插值程序，将64*64大小的图像插值为256*256的图像，并与matlab的imresize函数的 结果相比较； (b) 图像变换函数采用仿射变换，图像x和y方向都放大4倍，并逆时针旋转15度，未定义区域赋值0。 一、技术论述 对于双线性插值算法，首先进行初始化，读取所要缩放的图像，获取目标大小64*64，以及目标像素点的横坐标和纵坐标，然后根据所提供的公式算法逐点做双线性内插，根据双线性插值算法的思路（即目标图像中的像素值由原图像中在空间位置上最接近的四个像素值按照特定的公式：S = (a)(b)S1+(1-a)(b)S2+(a)(1-b)S3+(1-a)(1-b)S4进行计算）对目标图像点计算相应的a、b、S1、S2、S3、S4，然后根据上述公式计算出该像素点的值，最后显示图像效果。 二、实验结果与讨论 2.1 实验结果展示 （a）效果展示 (b)效果展示 2.2 讨论