Создание маскирующего шума для имитации виброакустического зашумления

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

[pic 1]

Рисунок 1 – Шум ХИП 

[pic 2]

Рисунок 2 – Спектр шума ХИП

Нормированная гистограмма шума ХИП представлена на рисунке 3.

[pic 3]

Рисунок 3 – Нормированная гистограмма шума ХИП

Основные характеристики белого шума представлены на рисунке 4 и рисунке 5.

Белый шум

[pic 4]

Рисунок 4 – Белый шум

[pic 5]

Рисунок 5 – Спектр белого шума

Нормированная гистограмма белого шума представлена на рисунке 6.

[pic 6]

Рисунок 6 – Нормированная гистограмма белого шума

Основные характеристики созданного мною шума представлены на рисунке 7 и рисунке 8.

Мой шум

[pic 7]

Рисунок 7 – Мой шум

[pic 8]

Рисунок 8 – Спектр моего шума

 Нормированная гистограмма моего шума представлена на рисунке 9.

[pic 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);