哈尔滨工程大学
实验报告
实验名称：用matlab描述基本信号
班级：电子信息工程4班
学号：
姓名：
实验时间： 2016年10月10日
成绩：________________________________
指导教师：栾晓明
实验室名称：数字信号处理实验室
哈尔滨工程大学实验室与资产管理处制
实验一 用matlab 描述基本信号
一、 冲激信号
1、 原理：
最简单的信号是（移位的）单位冲激信号：
δ[n -n 0] = ??
?≠=0
0 1n n n n
（）
在MATLAB 中产生冲激信号，必须先确定所关注信号部分的长度。如果准备用冲激信号δ[n ]来激励因果LTI 系统，可能需要观察从n = 0到n = L -1总共L 个点。若选择L = 31，下面的MATLAB 代码将产生一个“冲激信号”。
1. L = 31;
2. nn = 0 : (L-1);
3. imp = zeros(L, 1);
4.imp(1) = 1;
注意，根据MATLAB编址约定，n=0标号必须对应imp(1)。例：产生移位冲激信号程序（函数文件）
function [x,n] = impseq(n0,n1,n2)
% 产生 x(n) = delta(n-n0); n1 <=n0 <= n2
% ----------------------------------------------% [x,n] = impseq(n0,n1,n2)
%
if ((n0 < n1) | (n0 > n2) | (n1 > n2))
error('参数必须满足 n1 <= n0 <= n2') end
n = [n1:n2];
%x = [zeros(1,(n0-n1)), 1, zeros(1,(n2-n0))];
x = [(n-n0) == 0];
以上函数文件可以产生指定区间内的冲激移位脉冲。
例1—1：调用这个函数文件生成并绘制： x(n) = 2δ[n+2]-δ[n -4] -5≤ n ≤ 5
程序
% x(n) = 2*delta(n+2) - delta(n-4), -5<=n<=5 n = [-5:5];
x = 2*impseq(-2,-5,5)-impseq(4,-5,5); stem(n,x); title('例 的序列图')
ylabel('x(n)'); axis([-5,5,-2,3]);text,-2,'n')
-5
-4
-3
-2
-1
1
2
3
4
5
例 1-1 的序列图
x (n )
n
2、实验内容
(1)函数x1[n]=δ[n-5]
n = [1:20];
%区间1到20的点
x = *impseq(5,1,20);
%调用impseq函数
stem(n,x);
%绘图
title('x1序列图')
ylabel('x(n)')
xlabel('n')
x
(
n
）
n
(2)函数x2[n]=δ[n]
n = [-15:15];
x = *impseq(0,-15,15);
stem(n,x);
title('x2序列图')
ylabel('x(n)')
xlabel('n')
(3)函数x3[n]=δ[n-333]
n = [330:350];
x = *impseq(333,330,350);
x
(
n
)
n
x
(
n
)
n
stem(n,x);
title('x3序列图') ylabel('x(n)') xlabel('n')
(4)函数x4[n]=δ[n+7] n = [-10:0];
x = *impseq(-7,-10,0); stem(n,x);
title('x4序列图') ylabel('x(n)')
xlabel('n')
x
(
n
)
n
3、结果及分析
由实验代码及绘制出图形可以看出，产生移位冲激信号的函数功能正常，可以按要求产生移位冲激信号
二、正弦信号
1、原理：
另一个非常基本的信号是正弦信号。一般地，完备地描述实正弦信号需要三个参数：振幅A、频率ω0和相位φ。
x[n]=A c o s(ω0n+φ)
产生并绘出下列每一个序列。使用MATLAB的向量功能求解此问题，将向量参数赋予余弦（或正弦）函数，再利用一个函数调用。在每种情形下，应只在指定的区间上展开并相应标注水平n轴。使用stem指令显示每个序列。
2、实验内容
(1) x1[n] = sin(πn/17) 0 ≤
L=26;
%区间长度范围
nn=0:25;
%区间0到25
x1=sin(pi*nn/17);
%x1[n]与自变量关系
xlabel('n');
stem(nn,x1);
(2) x2[n] = sin(πn/17) -15 ≤ n≤ 25
L=41;
nn=-15:25;
x2=sin(pi*nn/17);
xlabel('n');
stem(nn,x2);
n x
2
(3) x3[n] = sin(3πn + π/2) -10 ≤ n≤ 10
L=21;
nn=-10:10;
x3=sin(3*pi*nn+pi/2);
stem(nn,x3);
xlabel('n');
ylabe(‘x3’);
(4) x
4[n] = cos(
23
n) 0 ≤ n
≤ 50
L=51;
nn=0:50;
n x
3
n x
4
x4=cos(pi*sqrt(23)*nn);
stem(nn,x4);
xlabel('n');
ylabel('x4');
4、结果及分析
由代码及绘制出图形可知，离散正弦信号不一定是周期信号，例如x[4]就是非周期信号，离散正弦信号是周期的需满足w0/2pi为两个整数之比
三、指数信号
1、原理：
（1）衰减的指数信号是数字信号处理中的基本信号。因为它是线性常系数差分方程的解。（2）在许多推导中，指数信号序列须在有限区间上求和。这个和以实验讲义33页式闭合式表示。（3）指数序列在信号处理中常常出现的一个原因是,时移并不改变其信号特征。（4）产生指数信号另外的方法是使用差分方程给出的递归表示式。当输入是一个冲激信
号的时候，信号是实验讲义33页式差分方程的解。
2、实验内容
(1)研究下面的MATLAB函数，看它如何产生离散时间指数信号。然后使用函数在区间n= 0, 1, 2, …, 20上绘出指数信号x[n] = n。
指数函数
function y = genexp( b, n0, L )
%GENEXP generate an exponential signal: b^n
% usage: Y = genexp( B, N0, L )
% B input scalar giving ratio between terms
% N0 starting index (integer)
% L length of generated signal
% Y output signal Y(1 : L)
if ( L <= 0 )
error('GENEXP: length not positive')
end
nn = n0 +[1 : L ]' - 1; %---vector of indices
y = b .^ nn; %数组乘方 end
函数x[n] = n L = 21; %区间长度 nn = 0:20; %区间起点与终点 x1 = genexp,0,21); %调用函数 stem(nn,x1) xlabel('n') ylabel('x1')
(2) 在许多推导中，指数信号序列anu[n]须在有限区间上求和。这个和
n
x 1
以下面闭合式表示：
a a a L
L n n
--=∑-=111
0 , a ≠ 1
（）
使用(1)部分中的函数产生一个指数信号然后对其求和；将结果与式比较。
a.用公式求和
y1=(^21)/)
%将a 数值代入式，对指数信号序列求和 y1 =
b.直接求和 s=0;
%直接对指数信号序列求和，验证式 for i=0:20
s=s+^i;
end
s
s =
结果分析：由y1及s数值相等可以公式（）对于序列求和计算的正确性
(3) 指数序列在信号处理中常常出现的一个原因是，时移并不改变其信号特征。证明一有限长指数信号满足移位关系：
y[n] = ay[n-1], 1 ≤ n ≤ L-1
比较向量y(2 : L)和a*y(1 : L-1)。在MATLAB中移位有限长度信号的时候，因为不能自动补零，所以必须留意信号终点。
y(2:10)
%在命令窗口直接显示指数信号序列y（1:L）
ans =
*y(1:9)
%在命令窗口显示移位后乘以a的指数信号序列%证明有限长指数信号满足式的移位关系
ans =
结果分析：由两组序列值比较可知，时移并不改变信号特征
(4)产生指数信号另外的方法是使用差分方程给出的递归表示式。当输入x[n]是一个冲激信号的时候，信号y[n]=anu[n]是下面差分方程的解：
y[n] - ay[n-1] = x[n], 初始条件y[-1]=0
由于假定差分方程以因果方式递归（即n 增大），n=-1的初始条件是必需的。用MATLAB 的filter 函数可实现差分方程。使用filter 函数产生与(a)部分中信号相同的信号（即a = ）。 函数filter 的用法如下所示
yout = filter(b, a, xin)
假设描述离散系统输入与输出关系的线性常系数差分方程为
()()N
M
k
k k k a
y n k b x n k ==-=-∑∑
那么01[,,,]M b b b =b L 和01[,,,]N a a a =a L 是差分方程中的系数组成的向量，xin 是输入信号向量（filter()函数只向y 返回与x 中样本个数一样多的样本）。
a=[1,];
%a 代表左侧y 式的系数对应的向量 b=[1]; %b 代表x 的系数 nn=0:20;
xin=zeros(21,1);
xin(1)=1;
%xin为一冲击信号，
yout=filter(b,a,xin);
stem(nn,yout);
%利用filter函数生成指数
%信号序列，并且显示出来
3、结果分析：
由这些实验验证了指数序列在有限区间求和的公式，指数序列信号时移特性，以及利用差分方程给出的递归表达式来产生指数信号的方法
四、复值信号
1、原理：
产生和处理实值信号并将其转化成复值信号非常有用，MATLAB中real 函数和imag函数分别代表实部和虚部要想同时绘出实部和虚部，在stem 指令之前的subplot(211)和subplot(212)指令会把两个绘图放置在同
做脑电波信号处理滴嘿嘿。。Matlab addicted Codes %FEATURE EXTRACTER function [features] = EEGfeaturetrainmod(filename,m) a = 4; b = 7; d = 12; e = 30; signals = 0; for index = 1:9; % read in the first ten EEG data because the files are numbered as ha11test01 rather than ha11test1. s = [filename '0' num2str(index) '.dat']; signal = tread_wfdb(s); if signals == 0; signals = signal; else signals = [signals signal]; end end for index = 10:1:m/2; % read in the rest of the EEG training data s = [filename num2str(index) '.dat']; signal = tread_wfdb(s); if signals == 0;
signals = signal; else signals = [signals signal]; end end %%%%% modification just for varying the training testing ratio ------ for index = 25:1:25+m/2; % read in the rest of the EEG training data s = [filename num2str(index) '.dat']; signal = tread_wfdb(s); if signals == 0; signals = signal; else signals = [signals signal]; end end %%%%%end of modification just for varying the training testing ratio----- for l = 1:m % exrating features (power of each kind of EEG wave forms) [Pxx,f]=pwelch(signals(:,l)-mean(signals(:,l)), [], [], [], 200); % relative power fdelta(l) = sum(Pxx(find(f
MATLAB数字图像处理 1 概述 BW=dither(I)灰度转成二值图； X=dither(RGB,map)RGB转成灰度图，用户需要提供一个Colormap； [X,map]=gray2ind(I,n)灰度到索引； [X,map]=gray2ind(BW,n)二值图到索引，map可由gray(n)产生。灰度图n默认64，二值图默认2； X=graylice(I,n)灰度图到索引图，门限1/n,2/n,…,(n-1)/n，X=graylice(I,v)给定门限向量v； BW=im2bw(I,level)灰度图I到二值图； BW=im2bw(X,map,level)索引图X到二值图；level是阈值门限，超过像素为1，其余置0，level在[0,1]之间。 BW=im2bw(RGB,level)RGB到二值图； I=ind2gray(X,map)索引图到灰度图； RGB=ind2rgb(X,map)索引图到RGB； I=rgb2gray(RGB)RGB到灰度图。 2 图像运算 2.1 图像的读写 MATLAB支持的图像格式有bmp,gif,ico,jpg,png,cur，pcx,xwd和tif。 读取（imread）： [1] A=imread(filename,fmt) [2] [X,map]=imread(filename,fmt) [3] […]=imread(filename) [4] […]=imread(URL,…) 说明：filename是图像文件名，如果不在搜索路径下应是图像的全路径，fmt是图像文件扩展名字符串。前者可读入二值图、灰度图、彩图(主要是RGB)；第二个读入索引图，map 为索引图对应的Colormap,即其相关联的颜色映射表，若不是索引图则map为空。URL表示引自Internet URL中的图像。 写入（imwrite）： [1] R=imwrite(A,filename,fmt); [2] R=imwrite(X,map,filename,fmt); [3] R=imwrite(…,filename); [4] R=imwrite(…,Param1,V al1,Param2,Val2) 说明：针对第四个，该语句用于指定HDF,JPEG,PBM,PGM,PNG,PPM,TIFF等类型输出文件的不同参数。例如HDF的Quality,Compression,WriteMode;JPEG的BitDepth，Comment:Empty or not，Mode:lossy or lossless，Quality等。 2.2 图像的显示 方法1：使用Image Viewer(图像浏览器)，即运用imview函数。 同时显示多帧图像的所有帧，可用到montage函数。
数字信号处理Matlab 实现实例 第１章离散时间信号与系统 例1-1 用MATLAB计算序列{-2 0 1 –1 3}和序列{1 2 0 -1}的离散卷积。 解 MATLAB程序如下： a=[-2 0 1 -1 3]; b=[1 2 0 -1]; c=conv(a,b); M=length(c)-1; n=0:1:M; stem(n,c); xlabel('n'); ylabel('幅度'); 图1.1给出了卷积结果的图形，求得的结果存放在数组c中为：{-2 -4 1 3 1 5 1 -3}。 例1-2 用MATLAB计算差分方程 当输入序列为时的输出结果。 解 MATLAB程序如下： N=41; a=[0.8 -0.44 0.36 0.22]; b=[1 0.7 -0.45 -0.6]; x=[1 zeros(1,N-1)];
k=0:1:N-1; y=filter(a,b,x); stem(k,y) xlabel('n');ylabel('幅度') 图 1.2 给出了该差分方程的前41个样点的输出，即该系统的单位脉冲响应。 例1-3 用MATLAB 计算例1-2差分方程 所对应的系统函数的DTFT 。 解 例1-2差分方程所对应的系统函数为： 123 123 0.80.440.360.02()10.70.450.6z z z H z z z z -------++= +-- 其DTFT 为 23230.80.440.360.02()10.70.450.6j j j j j j j e e e H e e e e ωωωω ωωω--------++= +-- 用MATLAB 计算的程序如下： k=256; num=[0.8 -0.44 0.36 0.02]; den=[1 0.7 -0.45 -0.6]; w=0:pi/k:pi; h=freqz(num,den,w); subplot(2,2,1); plot(w/pi,real(h));grid title('实部') xlabel('\omega/\pi');ylabel('幅度')
摘要 数字水印（Digital Watermark）技术是指用信号处理的方法在数字化的多媒体数据中嵌入隐蔽的标记，这种标记通常是不可见的，只有通过专用的检测器或阅读器才能提取。数字水印是信息隐藏技术的一个重要研究方向。随着数字水印技术的发展，数字水印的应用领域也得到了扩展，数字水印的基本应用领域是版权保护、隐藏标识、认证和安全不可见通信。 当数字水印应用于版权保护时，潜在的应用市场在于电子商务、在线或离线地分发多媒体内容以及大规模的广播服务。数字水印用于隐藏标识时，可在医学、制图、数字成像、数字图像监控、多媒体索引和基于内容的检索等领域得到应用。数字水印的认证方面主要ID卡、信用卡、ATM卡等上面数字水印的安全不可见通信将在国防和情报部门得到广泛的应用。 本文主要是根据所学的数字图象处理知识，在MATLAB环境下，通过系统编程的方式，建立并实现基于DCT域的数字水印加密系统。该系统主要包含数字水印的嵌入与提取，仿真结果表明，数字水印算法具有有效性、可靠性、抗攻击性、鲁棒性和不可见性，能够为数字媒体信息在防伪、防篡改、认证、保障数据安全和完整性等方面提供有效的技术保障。 关键词：数字水印；MATLAB；DCT
目录 1 课程设计目的 (1) 2 课程设计要求 (2) 3 数字水印技术基本原理 (3) 3.1 数字水印基本框架 (3) 3.2 算法分类 (3) 3.2.1 DCT法 (4) 3.2.2 其他方法 (4) 3.3 实际需要考虑的问题 (4) 3.3.1 不可见性 (4) 3.3.2 鲁棒性 (5) 3.3.3 水印容量 (5) 3.3.4 安全性 (5) 4 基于DCT变换仿真 (6) 4.1 算法原理 (6) 4.1.1 准备工作 (6) 4.1.2 选取8*8变换块 (7) 4.1.3 边界自适应 (7) 4.1.4 DCT变换与嵌入 (7) 4.1.5 恢复空域 (8) 4.2 嵌入算法扩展 (8) 4.2.1 RGB彩色图像三个矩阵的划分 (8) 4.2.2 八色彩色水印 (8) 4.3 水印的提取 (9) 4.4 仿真程序 (9) 5 结果分析 (14) 结束语 (16) 参考文献 (17)
二、问答题（每题分，共分） 、语音信号处理主要研究哪几方面的内容？ 语音信号处理是研究用数字信号处理技术对语言信号进行处理的一门学科，语音信号处理的理论和研究包括紧密结合的两个方面：一方面，从语言的产生和感知来对其进行研究，这一研究与语言、语言学、认知科学、心理、生理等学科密不可分；另一方面，是将语音作为一 种信号来进行处理，包括传统的数字信号处理技术以及一些新的应用于语音信号的处理方法 和技术。 、语音识别的研究目标和计算机自动语音识别的任务是什么？ 语音识别技术，也被称为自动语音识别，()，其目标是将人类的语音中的词汇内容转换为 计算机可读的输入，例如按键、二进制编码或者字符序列。 计算机自动语音识别的任务就是让机器通过识别和理解过程把语音信号转变为相应的文本 或命令的高技术。 、语音合成模型关键技术有哪些？ 语音合成是实现人机语音通信，建立一个有听和讲能力的口语系统所需的两项关键技术，该系统主要由三部分组成：文本分析模块、韵律生成模块和声学模块。.如何取样以精确地抽取人类发信的主要特征，.寻求什么样的网络特征以综合声道的频率响应，.输出合成声音的质量如何保证。 、语音压缩技术有哪些国际标准？ 二、名词解释（每题分，共分） 端点检测：就从包含语音的一段信号中，准确的确定语音的起始点和终止点，区分语音信号和非语音信号。 共振峰：当准周期脉冲激励进入声道时会引起共振特性，产生一组共振频率，称为共振峰频率或简称共振峰。 语谱图：是一种三维频谱，它是表示语音频谱随时间变化的图形，其纵轴为频率，横轴为时间，任一给定的频率成分在给定时刻的强弱用相应点的灰度或色调的浓淡来表示。 码本设计：就是从大量信号样本中训练出好的码本，从实际效果出发寻找好的失真测度定义 公示，用最少的搜素和计算失真的运算量。 语音增强：语音质量的改善和提高，目的去掉语音信号中的噪声和干扰，改善它的质量 三、简答题（每题分，共分） 、简述如何利用听觉掩蔽效应。 一个较弱的声音(被掩蔽音)的听觉感受被另一个较强的声音(掩蔽音)影响的现象称为人耳的“掩蔽效应”。人耳的掩蔽效应一个较弱的声音(被掩蔽音)的听觉感受被另一个较强的声 音(掩蔽音)影响的现象称为人耳的“掩蔽效应”。被掩蔽音单独存在时的听阈分贝值，或者 说在安静环境中能被人耳听到的纯音的最小值称为绝对闻阈。实验表明，—绝对闻阈值最小，即人耳对它的微弱声音最敏感；而在低频和高频区绝对闻阈值要大得多。在范围内闻阈随频率变化最不显著，即在这个范围内语言可储度最高。在掩蔽情况下，提高被掩蔽弱音的强度， 使人耳能够听见时的闻阈称为掩蔽闻阈(或称掩蔽门限)，被掩蔽弱音必须提高的分贝值称为 掩蔽量(或称阈移)。 、简述时间窗长与频率分辨率的关系。 采样周期、窗口长度和频率分辨率△之间存在下列关系：△(*) 可见，采样周期一定时，△随窗口宽度的增加而减少，即频率分辨率相应得到提高，但同时时间分辨率降低；如果窗口取短，频率分辨率下降，而时间分辨率提高，因而二者是矛盾的。 、简述时域分析的技术（最少三项）及其在基因检测中的应用。（）
语音信号处理系统设计 摘要：语音信号处理是研究用数字信号处理技术对语音信号进行处理的一门学科。语音信号处理的目的是得到某些参数以便高效传输或存储,或者是用于某种应用，如人工合成出语音、辨识出讲话者、识别出讲话内容、进行语音增强等。本文简要介绍了语音信号采集与分析以及语音信号的特征、采集与分析方法，并在采集语音信号后，在MATLAB 软件平台上进行频谱分析,并对所采集的语音信号加入干扰噪声，对加入噪声的信号进行频谱分析，设计合适的滤波器滤除噪声，恢复原信号。利用MATLAB来读入（采集）语音信号，将它赋值给某一向量，再将该向量看作一个普通的信号，对其进行FFT变换实现频谱分析，再依据实际情况对它进行滤波，然后我们还可以通过sound命令来对语音信号进行回放，以便在听觉上来感受声音的变化。 关键词：Matlab，语音信号，傅里叶变换，滤波器 1课程设计的目的和意义 本设计课题主要研究语音信号初步分析的软件实现方法、滤波器的设计及应用。通过完成本课题的设计，拟主要达到以下几个目的： 1.1．了解Matlab软件的特点和使用方法。 1.2．掌握利用Matlab分析信号和系统的时域、频域特性的方法； 1.3．掌握数字滤波器的设计方法及应用。 1.4．了解语音信号的特性及分析方法。 1.5．通过本课题的设计，培养学生运用所学知识分析和解决实际问题的能力。 2 设计任务及技术指标 设计一个简单的语音信号分析系统，实现对语音信号时域波形显示、进行频谱分析，
利用滤波器滤除噪声、对语音信号的参数进行提取分析等功能。采用Matlab设计语言信号分析相关程序，并且利用GUI设计图形用户界面。具体任务是： 2.1．采集语音信号。 2.2．对原始语音信号加入干扰噪声，对原始语音信号及带噪语音信号进行时频域分析。 2.3．针对语音信号频谱及噪声频率，设计合适的数字滤波器滤除噪声。 2.4．对噪声滤除前后的语音进行时频域分析。 2.5.对语音信号进行重采样，回放并与原始信号进行比较。 2.6．对语音信号部分时域参数进行提取。 2.7．设计图形用户界面（包含以上功能）。 3 设计方案论证 3.1语音信号的采集 使用电脑的声卡设备采集一段语音信号，并将其保存在电脑中。 3.2语音信号的处理 语音信号的处理主要包括信号的提取播放、信号的重采样、信号加入噪声、信号的傅里叶变换和滤波等，以及GUI图形用户界面设计。 Ⅰ.语音信号的时域分析 语音信号是一种非平稳的时变信号，它携带着各种信息。在语音编码、语音合成、语音识别和语音增强等语音处理中无一例外需要提取语音中包含的各种信息。语音信号分析的目的就在与方便有效的提取并表示语音信号所携带的信息。语音信号分析可以分为时域和变换域等处理方法，其中时域分析是最简单的方法。 Ⅱ.语音信号的频域分析 信号的傅立叶表示在信号的分析与处理中起着重要的作用。因为对于线性系统来说，可以很方便地确定其对正弦或复指数和的响应，所以傅立叶分析方法能完善地解决许多信号分析和处理问题。另外，傅立叶表示使信号的某些特性变得更明显，因此，它能更
MATＬAＢ数字图像处理 1 概述 ＢW=ｄitheｒ(I)灰度转成二值图； Ｘ=ｄitｈer（RＧB,ｍap)RＧB转成灰度图，用户需要提供一个Cｏlorｍap; ［X，maｐ]＝grａy2inｄ(Ｉ,n)灰度到索引; [X,mａp]=grａy２ｉnd（BＷ,n)二值图到索引，ｍap可由grａｙ(n）产生。灰度图n 默认64，二值图默认２; X=grａylｉce（I,n）灰度图到索引图，门限１/n,2/ｎ,…,(n-1）／n,X=graｙlｉｃe(I，ｖ)给定门限向量v； BW=im２bw(I,levｅl)灰度图I到二值图； BW=im2bw(Ｘ,map,levｅl)索引图X到二值图；ｌevel是阈值门限，超过像素为1,其余置0,lｅvｅl在[0,1]之间。 ＢW=im2ｂｗ(RGＢ,leｖｅl)ＲＧＢ到二值图; I=iｎd2gray（Ｘ,mａp)索引图到灰度图; RＧＢ=ind2rｇb(Ｘ,maｐ）索引图到ＲGB; I＝ｒgb２gray(RGB)RGB到灰度图。 2 图像运算 2.１图像的读写 MATLAＢ支持的图像格式有bｍp，gif,ico,jｐｇ，png，cur，ｐcx,xwd和tｉf。 读取(imread): [1］Ａ=imreaｄ(fｉlenaｍe,fmt) ［2] [Ｘ,ｍaｐ］=imrｅad（ｆiｌｅｎame,fｍt） ［3] ［…]＝iｍｒead（ｆiｌｅnamｅ) ［4] […]=imread(UＲL,…) 说明:filenａme是图像文件名,如果不在搜索路径下应是图像的全路径,fmｔ是图像文件扩展名字符串。前者可读入二值图、灰度图、彩图(主要是RGＢ);第二个读入索引图，map 为索引图对应的Ｃolormap,即其相关联的颜色映射表，若不是索引图则ｍap为空。URＬ表示引自Ｉntｅrnet ＵRL中的图像。 写入(iｍｗrite): [1] R=imwrite(A,fileｎaｍe，fｍｔ)； [2] Ｒ=imwriｔe(X,map,fiｌename,ｆmt); [３] R＝ｉｍwritｅ(…,filenaｍｅ); [4] R=iｍｗrite(…，Param1,Val1,Pａraｍ2,Vａl2) 说明:针对第四个,该语句用于指定ＨDF,JPEＧ,PBＭ,PGM,PNG,PPM,ＴIＦＦ等类型输出文件的不同参数。例如ＨDF的Qualｉtｙ,Compreｓｓioｎ,ＷｒｉｔeMode;JPEＧ的BiｔＤｅpｔh，Cｏmｍent：Ｅmｐtｙor not，Mode:ｌossy oｒｌossless，Quality等。 ２．2 图像的显示 方法1：使用Imaｇe Viｅwer(图像浏览器），即运用imｖiｅw函数。
MATLAB中FFT的使用方法 说明：以下资源来源于《数字信号处理的MATLAB实现》万永革主编 一.调用方法 X=FFT(x)； X=FFT(x，N)； x=IFFT(X); x=IFFT(X,N) 用MATLAB进行谱分析时注意： （1）函数FFT返回值的数据结构具有对称性。 例： N=8; n=0:N-1; xn=[43267890]; Xk=fft(xn) → Xk= 39.0000-10.7782+6.2929i0-5.0000i 4.7782-7.7071i 5.0000 4.7782+7.7071i0+5.0000i-10.7782-6.2929i Xk与xn的维数相同，共有8个元素。Xk的第一个数对应于直流分量，即频率值为0。 （2）做FFT分析时，幅值大小与FFT选择的点数有关，但不影响分析结果。在IFFT时已经做了处理。要得到真实的振幅值的大小，只要将得到的变换后结果乘以2除以N即可。 二.FFT应用举例 例1：x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t)。采样频率fs=100Hz，分别绘制N=128、1024点幅频图。
clf; fs=100;N=128;%采样频率和数据点数 n=0:N-1;t=n/fs;%时间序列 x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t);%信号 y=fft(x,N);%对信号进行快速Fourier变换 mag=abs(y);%求得Fourier变换后的振幅 f=n*fs/N;%频率序列 subplot(2,2,1),plot(f,mag);%绘出随频率变化的振幅 xlabel('频率/Hz'); ylabel('振幅');title('N=128');grid on; subplot(2,2,2),plot(f(1:N/2),mag(1:N/2));%绘出Nyquist频率之前随频率变化的振幅xlabel('频率/Hz'); ylabel('振幅');title('N=128');grid on; %对信号采样数据为1024点的处理 fs=100;N=1024;n=0:N-1;t=n/fs; x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t);%信号 y=fft(x,N);%对信号进行快速Fourier变换 mag=abs(y);%求取Fourier变换的振幅 f=n*fs/N; subplot(2,2,3),plot(f,mag);%绘出随频率变化的振幅 xlabel('频率/Hz'); ylabel('振幅');title('N=1024');grid on; subplot(2,2,4) plot(f(1:N/2),mag(1:N/2));%绘出Nyquist频率之前随频率变化的振幅 xlabel('频率/Hz'); ylabel('振幅');title('N=1024');grid on; 运行结果：
2011年3月刊计算机工程应用技术信息与电脑 China Computer&Communication 1. 引言 多媒体及网络的迅速发展使得多媒体信息的交流和传输变得更 加简单和快捷，然而，这也使盗版者能以低廉的成本复制及传播未经 授权的数字产品，这种对数字产品保护和信息安全的迫切需求，导致 了数字水印技术成为多媒体信息安全领域的一个热点问题。数字水印 技术是在不影响宿主媒体主观质量的情况下，在宿主媒体（文本、图 像、视频、音频）中嵌入不易被人察觉的标识信息，用以证明原创作 者对其作品的所有权，并作为鉴定、起诉非法侵权的证据。 2. 数字水印的特征 一般认为数字水印应具有以下特征： (1) 安全性。数字水印应该是安全、难以被篡改的。当数字作品 发生变化时，数字水印应当也相应发生变化；同时，未经授权的个人 不得修改水印，理论上是未经授权的用户不能检测到产品中是否含有 水印。 (2) 鲁棒性。当被保护的数据在经过攻击后，嵌入的水印信息仍 能保持好的完整性并能以一定的正确概率被检测到。这些可能的攻击 包括噪声、滤波、剪切、旋转和编码等。 (3) 不可感知性。数字水印的嵌入不应使得原始作品发生可以感 知的变化，也不能使得被保护数据在质量上发生可以感觉到的失真。 (4) 可证明性。在多媒体作品的实际应用过程中可能需要多次加 入水印，这时水印系统必须能够允许水印被多次嵌入到被保护的数 据，而且每个水印均能独立地被证明。 (5) 无歧义性。恢复出的水印或对水印判决结果能够表明版权的 惟一，不会发生多重版权纠纷问题。 3. 数字水印的基本原理 通用的水印技术包含两个方面：水印的嵌入和水印的提取或检 测，如图1和图2所示。 图1 水印信号嵌入 图2 水印信号提取或检测 4. 数字水印的研究现状 4.1 文本水印 文本水印就是将代表著作人身份的信息(水印)嵌入到电子出版物 中，在产生版权纠纷时来验证版权的归属。其主要分为三大类：基于 文档结构的水印方法、基于自然语言处理技术的水印方法、基于传统 图像的水印方法。 基于文档结构的各种水印方法都只是提留在文本的表层，无法抵 抗对于文本结构和格式的攻击，简单的重新录入攻击就能使之失效， 因此这些水印方法普遍存在鲁棒性差的缺点。自然语言文本水印方法 相对提高了抗攻击的能力，但普遍存在容量不足的问题。基于传统图 像的文本水印普遍存在鲁棒性不高、操作复杂的缺点。 4.2 图像水印 根据水印的实现过程，图像水印算法可分为空域算法和变换域算 法。空域算法是通过直接改变原始图像的像素值来嵌入水印，通常具 有较快的速度，但鲁棒性差，且水印容量也会受到限制；变换域算法 是通过改变某些变换系数来嵌入水印，通常具有很好的鲁棒性和不可 见性。其实现一般是基于图像变换，如DCT、DFT、DWT等。重点介 绍一下变换域算法。 4.2.1 离散傅里叶变换 (DFT) 该方法是利用图像的DFT来嵌入信息。通信理论中调相信号的抗 干扰能力比调幅信号的抗干扰能力强，同样在图像中利用相位信息嵌 入的水印也比用幅值信息嵌入的水印更稳健。实验表明该方法的抗压 缩能力比较弱。 4.2.2 离散余弦变换 (DCT) DCT能把空间域的图像转换到变换域上进行研究，从而能很容易 了解到图像的各空间频域成分，进行相应处理。基于DCT的水印方法 与基于DFT的水印方法相比有较好的鲁棒性，但是无法做到对图像信 号内容的自适应，因此往往会造成对图像特征的明显损害，不可感知 性不是最佳。 4.2.3 离散小波变换 (DWT) DWT是一种时间---频率信号的多分辨率分析方法，在时频两域 都具有表征信号局部特征的能力。实验表明，与DCT、DFT变换相比 较，基于DWT的水印算法的鲁棒性最优，且与JPEG2000、MPEG4压 缩标准兼容，利用DWT产生的水印具有良好的视觉效果和抵抗多种 攻击的能力，且不可感知性最好。 4.3 音频水印 音频水印利用音频文件的冗余信息和人耳听觉系统的特点来嵌入 水印，其可以保护声音数字产品不被随意复制和篡改，如CD唱片， 广播电台的节目内容等。音频水印的三种基本方法：扩频嵌入方 法、回声隐藏方法和相位编码方法。 4.4 视频水印 视频水印是通过对视频载体的时间和空间冗余来嵌入水印，其既 不影响视频质量，又能达到保护节目制作者的合法权益和控制数字产 品的复制。视频水印从算法要求上同图像水印有许多相似之处，但视 频水印也有一些独特之处，如能够在压缩和未压缩的格式下实时完成 水印的检测，对MPEG压缩、A/D和D/A转换等都有较好的稳健性。 数字水印技术涉及到通信理论、编码理论、噪声理论、视听觉 感知理论、扩频技术、信号处理技术、数字图像处理技术、多媒体技 术、模式识别技术、算法设计等理论，用到经典的DFT离散傅立叶变数字水印技术及基于MATLAB的快速实现 张 巍1 时宏伟2 （1.78179部队，四川成都 610011；2. 川大智胜，四川成都 610045） 摘要：数字水印是近几年来出现的数字产品版权保护技术，是当前国际学术界的研究热点．该文论述了数字水印的提出及研究现状、水印的基本原理和算法、水印的分类等情况，并介绍了一种可以快速上手的高效的实用语言——MATLAB，同时给出了一个用MATLAB工具在静止图像上嵌入水印的实例。 关键词：数字水印；MATLAB；DCT 中图分类号：TP39 文献标识码：A 文章编号：1003-9767（2011）03-0130-02
实验一 基于Matlab 的数字信号处理基本操作 一、 实验目的：学会运用MA TLAB 表示的常用离散时间信号；学会运用MA TLAB 实现离 散时间信号的基本运算。 二、 实验仪器：电脑一台，MATLAB6.5或更高级版本软件一套。 三、 实验内容： （一） 离散时间信号在MATLAB 中的表示 离散时间信号是指在离散时刻才有定义的信号，简称离散信号，或者序列。离散序列通常用)(n x 来表示，自变量必须是整数。 离散时间信号的波形绘制在MATLAB 中一般用stem 函数。stem 函数的基本用法和plot 函数一样，它绘制的波形图的每个样本点上有一个小圆圈，默认是空心的。如果要实心，需使用参数“fill ”、“filled ”，或者参数“.”。由于MATLAB 中矩阵元素的个数有限，所以MA TLAB 只能表示一定时间范围内有限长度的序列；而对于无限序列，也只能在一定时间范围内表示出来。类似于连续时间信号，离散时间信号也有一些典型的离散时间信号。 1. 单位取样序列 单位取样序列)(n δ，也称为单位冲激序列，定义为 ) 0() 0(0 1)(≠=?? ?=n n n δ 要注意，单位冲激序列不是单位冲激函数的简单离散抽样，它在n =0处是取确定的值1。在MATLAB 中，冲激序列可以通过编写以下的impDT .m 文件来实现，即 function y=impDT(n) y=(n==0); %当参数为0时冲激为1,否则为0 调用该函数时n 必须为整数或整数向量。 【实例1-1】 利用MATLAB 的impDT 函数绘出单位冲激序列的波形图。 解：MATLAB 源程序为 >>n=-3:3; >>x=impDT(n); >>stem(n,x,'fill'),xlabel('n'),grid on >>title('单位冲激序列') >>axis([-3 3 -0.1 1.1]) 程序运行结果如图1-1所示。 图1-1 单位冲激序列
数字水印作为一门新的学科, 自 1993 年 Tirkel 等人正式提出到现在十几年里, 国内外对数字水印的研究都引起了极大的关注, 从最初的版权保护, 已扩展到多媒体技术, 广播监听, in-ternet 等多个领域。数字水印是永久镶嵌在其他数据( 主要指宿主数据) 中具有可鉴别性的数字信号或数字模式, 其存在不能影响宿主数据的正常使用。为了使数字水印技术达到一定的设计要求, 当前水印数据一般应具备不可感知性(imperceptible) 、鲁棒性(Robust) 、可证明性、自恢复性和安全保密性等特点。在数字水印技术中, 水印的数据量和鲁棒性构成了一对基本矛盾。理想的水印算法应该既能隐藏大量数据, 又可以抗各种信道噪声和信号变形。然而在实际中, 这两个指标往往不能同时实现, 实际应用往往只偏重其中的一个方面。如果是为了隐蔽通信, 数据量显然是最重要的, 由于通信方式极为隐蔽, 遭遇敌方篡改攻击的可能性很小, 因而对鲁棒性要求较为不高。但对保证数据安全来说, 情况恰恰相反, 各种保密的数据随时面临着被盗取和篡改的危险, 对鲁棒性的要求很高, 而对隐藏数据量的要求则居于次要地位。典型的数字水印系统至少包含两个组成部分- - 水印嵌入单元和水印检测与提取单元。将水印信息进行预处理后加入到载体中, 称为嵌入。从水印化数据中提取出水印信息或者检测水印信息的存在性称为水印的提取和检测。数字水印算法主要
是指水印的嵌入算法, 而提取算法往往被看成是嵌入算法的逆变换。 当前典型的嵌入算法主要被分为空间域水印算法和变换域水印算法。DCT 变换域算法是数字水印算法的典型代表, 也是数字水印中较为常用的一种稳健的算法。其算法思想是选择二值化灰度图像作为水印信息, 根据水印图像的二值性来选择不同的嵌入系数, 并将载体图像 ( 原始图像) 进行 8×8 的分块, 再将灰度载体图像( 原始图像) 进行 DCT变换。然后, 将数字水印信息的灰度值直接植入到载体灰度图像的 DCT 变换域中, 实现水印的嵌入。而后, 将嵌入了水印信息灰度图像进行 IDCT( 逆离散的余弦变换) 变换, 得到含有了嵌入水印信息的图像, 嵌入过程完毕。水印的提取、检测过程为嵌入过程的逆过程, 其方法和嵌入方法有所雷同不再进行介绍。 下面以 MATLAB 为工具, 给出一个在频域嵌入和提取黑白二值水印图像的实现过程。(1) 水印图像的预处理: 将水印信息图像进行灰度处理, 然后再将转换后的图像进行二值转换。而这些都是为了提高水印信息的安全性对图像所做的处理。(2) 读取原始公开图像(大小为 256×256) 和黑白水印图像(大小为 32×32, 模式为灰度) 到二维数组 I 和 J。(3) 将原始公开图像I 分割为互不覆盖的图像块, 每块大小为 8×8, 共分为 32×32 块。然后对分割后的每个小块Block- dct(x,y) 进行 DCT 变换, 得到变换后的小块 Block-dct(x, y)。(4) 取黑白水印图像中的一个元素 J(p, q) , 通过嵌入算法嵌入到原始公开图像块的中频系数中。(5) 对嵌入水印信息后的图像块Block- dct (x, y) 进行逆DCT 变换, 得到图像块 Block(x′, y′)。
工程设计论文 题目：基于MATLAB的语音信号采集与处理 姓名： 班级： 学号： 指导老师：
一.选题背景 1、实践意义： 语音信号是一种非平稳的时变信号，它携带着各种信息。在语音编码、语音合成、语音识别和语音增强等语音处理中无一例外需要提取语音中包含的各种信息。语音信号分析的目的就在于方便有效地提取并表示语音信号所携带的信息。所以理解并掌握语音信号的时域和频域特性是非常重要的。 通过语音相互传递信息是人类最重要的基本功能之一.语言是人类特有的功能.声音是人类常用工具,是相互传递信息的最重要的手段.虽然,人可以通过多种手段获得外界信息,但最重要,最精细的信息源只有语言,图像和文字三种.与用声音传递信息相比,显然用视觉和文字相互传递信息,其效果要差得多.这是因为语音中除包含实际发音容的话言信息外,还包括发音者是谁及喜怒哀乐等各种信息.所以,语音是人类最重要,最有效,最常用和最方便的交换信息的形式.另一方面,语言和语音与人的智力活动密切相关,与文化和社会的进步紧密相连,它具有最大的信息容量和最高的智能水平。 语音信号处理是研究用数字信号处理技术对语音信号进行处理的一门学科,处理的目的是用于得到某些参数以便高效传输或存储;或者是用于某种应用,如人工合成出语音,辨识出讲话者,识别出讲话容,进行语音增强等. 语音信号处理是一门新兴的学科,同时又是综合性的多学科领域,
是一门涉及面很广的交叉学科.虽然从事达一领域研究的人员主要来自信息处理及计算机等学科.但是它与语音学,语言学,声学,认知科学,生理学,心理学及数理统计等许多学科也有非常密切的联系. 语音信号处理是许多信息领域应用的核心技术之一,是目前发展最为迅速的信息科学研究领域中的一个.语音处理是目前极为活跃和热门的研究领域,其研究涉及一系列前沿科研课题,巳处于迅速发展之中;其研究成果具有重要的学术及应用价值. 数字信号处理是利用计算机或专用处理设备，以数值计算的方法对信号进行采集、抽样、变换、综合、估值与识别等加工处理，借以达到提取信息和便于应用的目的。它在语音、雷达、图像、系统控制、通信、航空航天、生物医学等众多领域都获得了极其广泛的应用。具有灵活、精确、抗干扰强、度快等优点。 数字滤波器, 是数字信号处理中及其重要的一部分。随着信息时代和数字技术的发展，受到人们越来越多的重视。数字滤波器可以通过数值运算实现滤波，所以数字滤波器处理精度高、稳定、体积小、重量轻、灵活不存在阻抗匹配问题，可以实现模拟滤波器无法实现的特殊功能。数字滤波器种类很多，根据其实现的网络结构或者其冲激响应函数的时域特性，可分为两种，即有限冲激响应( FIR，Finite Impulse Response)滤波器和无限冲激响应( IIR，Infinite Impulse Response)滤波器。 FIR滤波器结构上主要是非递归结构，没有输出到输入的反馈，系统函数H (z)在处收敛，极点全部在z = 0处（因果系统），因而只能
数字图像去噪典型算法及matlab实现 希望得到大家的指点和帮助 图像去噪是数字图像处理中的重要环节和步骤。去噪效果的好坏直接影响 到后续的图像处理工作如图像分割、边缘检测等。图像信号在产生、传输过程中都可能会受到噪声的污染，一般数字图像系统中的常见噪声主要有：高斯噪声（主要由阻性元器件内部产生）、椒盐噪声（主要是图像切割引起的黑图像上的白点噪声或光电转换过程中产生的泊松噪声）等； 目前比较经典的图像去噪算法主要有以下三种： 均值滤波算法：也称线性滤波，主要思想为邻域平均法，即用几个像素灰度 的平均值来代替每个像素的灰度。有效抑制加性噪声，但容易引起图像模糊， 可以对其进行改进，主要避开对景物边缘的平滑处理。 中值滤波：基于排序统计理论的一种能有效抑制噪声的非线性平滑滤波信号处理技术。中值滤波的特点即是首先确定一个以某个像素为中心点的邻域，一般为方形邻域，也可以为圆形、十字形等等，然后将邻域中各像素的灰度值排序，取其中间值作为中心像素灰度的新值，这里领域被称为窗口，当窗口移动时，利用中值滤波可以对图像进行平滑处理。其算法简单，时间复杂度低，但其对点、线和尖顶多的图像不宜采用中值滤波。很容易自适应化。 Wiener维纳滤波：使原始图像和其恢复图像之间的均方误差最小的复原方法，是一种自适应滤波器，根据局部方差来调整滤波器效果。对于去除高斯噪声效果明显。 实验一：均值滤波对高斯噪声的效果 l=imread（'C:\Documents and 桌面\1.gif'）;% 读取图像
J=imnoise(l,'gaussian',0,0.005);% 加入均值为0 ,方差为 0.005 的高斯噪声subplot(2,3,1);imshow(l); title(' 原始图像'); subplot(2,3,2); imshow(J); ti tle('加入高斯噪声之后的图像’)； %采用MATLAB 中的函数filter2 对受噪声干扰的图像进行均值滤波 K1=filter2(fspecial('average',3),J)/255; % 模板尺寸为3 K2=filter2(fspecial('average',5),J)/255;% 模板尺寸为5 K3=filter2(fspecial('average',7),J)/255; % 模板尺寸为7 K4= filter2(fspecial('average',9),J)/255; % 模板尺寸为9 subplot(2,3,3);imshow(K1); ti tle(' 改进后的图像1'); subplot(2,3,4); imshow(K2); title(' 改进后的图像2'); subplot(2,3,5);imshow(K3); title(' 改进后的图像3'); subplot(2,3,6);imshow(K4); title(' 改进后的图像4');
%Name: Chris Shoemaker %Course: E ER-280 - Digital Watermarking %Project: Block DCT Based method, using comparision between mid-band coeffcients % Watermark Embeding clear all; % save start time start_time=cputime; k=50; % set minimum coeff difference blocksize=8; % set the size of the block in cover to be used for each bit in watermark % read in the cover object file_name='_lena_std_bw.bmp'; cover_object=double(imread(file_name)); % determine size of cover image Mc=size(cover_object,1); %Height Nc=size(cover_object,2); %Width % determine maximum message size based on cover object, and blocksize max_message=Mc*Nc/(blocksize^2); % read in the message image file_name='_copyright.bmp'; message=double(imread(file_name)); Mm=size(message,1); %Height Nm=size(message,2); %Width % reshape the message to a vector message=round(reshape(message,Mm*Nm,1)./256); % check that the message isn't too large for cover if (length(message) > max_message) error('Message too large to fit in Cover Object') end % pad the message out to the maximum message size with ones message_pad=ones(1,max_message); message_pad(1:length(message))=message; % generate shell of watermarked image watermarked_image=cover_object;
语音信号处理（第2版）赵力编著 重点考点 第2章语音信号处理的基础知识 1.语音（Speech）是声音（Acoustic）和语言（Language）的组合体。可以这样定义语音：语音是由一连串的音组成语言的声音。 2.人的说话过程可以分为五个阶段：（1）想说阶段（2）说出阶段（3）传送阶段（4）理解阶段（5）接收阶段。 3.语音是人的发声器官发出的一种声波，它具有一定的音色，音调，音强和音长。其中，音色也叫音质，是一种声音区别于另一种声音的基本特征。音调是指声音的高低，它取决于声波的频率。声音的强弱叫音强，它由声波的振动幅度决定。声音的长短叫音长，它取决于发音时间的长短。 4.说话时一次发出的，具有一个响亮的中心，并被明显感觉到的语音片段叫音节（Syllable）。一个音节可以由一个音素（Phoneme）构成，也可以由几个音素构成。音素是语音发音的最小单位。任何语言都有语音的元音（Vowel）和辅音（Consonant）两种音素。 5.元音的另一个重要声学特性是共振峰（Formant）。共振峰参数是区别不同元音的重要参数，它一般包括共振峰频率（Formant Frequency）的位置和频带宽度（Formant Bandwidth）。 6.区分语音是男声还是女声、是成人声音还是儿童声音，更重要的因素是共振峰频率的高低。 7.浊音的声带振动基本频率称基音周期（或基音频率），F0表示。 8.人的听觉系统有两个重要特性，一个是耳蜗对于声信号的时频分析特性；另一个是人耳听觉掩蔽效应。 9.掩蔽效应分为同时掩蔽和短时掩蔽。 10.激励模型：一般分成浊音激励和清音激励。浊音激励波是一个以基音周期为周期的斜三角脉冲串。 11.声道模型：一是把声道视为由多个等长的不同截面积的管子串联而成的系统。按此观点推导出的叫“声管模型”。另一个是把声道视为一个谐振腔，按此推导出的叫“共振峰模型”。 12.完整的语音信号的数字模型可以用三个子模型：激励模型、声道模型和辐射模型的串联来表示。 13.语谱图：人们致力于研究语音的时频分析特性，把和时序相关的傅立叶分析的显示图形。 第三章语音信号分析 1.贯穿于语音分析全过程的是“短时分析技术”。 2.语音信号的数字化一般包括放大及增益控制、反混叠滤波、采样、A/D变换及编码（一般就是PCM码）；预处理一般包括预加重、加窗和分帧等。 3.预滤波的目的有两个：