МИНИСТЕРСТВО ОБРАЗОВАНИЯ РЕСПУБЛИКИ БЕЛАРУСЬ

Учреждение образования «Полоцкий государственный университет»

Факультет информационных технологий

Кафедра технологий программирования

ОТЧЕТ ПО
ПРАКТИЧЕСКОЙ РАБОТЕ № 3
Дисциплина: «Основы защиты информации»
Тема: «Создание маскирующего шума для имитаци
виброакустического зашумления»

ВЫПОЛНИЛ студент группы 18ИТд

Панкратов А.А.

ПРОВЕРИЛА к.т.н., зав. кафедрой ТП

Чертков В. М

Полоцк, 2022
 Тема: Создание маскирующего шума для имитации
виброакустического зашумления.

Практическая часть

1. Построение нормированной гистограммы для каждого шума.

Рисунок 1 – Шум Хип

2
Рисунок 2 – Спектральный анализ шума Хип

3
Рисунок 3 - Нормированная гистограмма шума хип

4
Рисунок 4 – Белый шум

5
Рисунок 5 – Спектральный анализ белого шума

6
Рисунок 6 - Нормированная гистограмма белого шума

7
Рисунок 7 – Неизвестный шум

8
Рисунок 8 – Спектральный анализ неизвестного шума

9
 Рисунок 9 - Нормированная гистограмма неизвестного шума

Таблица 1 – Расчет характеристик шума хип

Fs m 𝜎2 𝛾𝑎 𝛾э KH
44100 -1.1532e- 0.0403 -3.0248 -0.0103 0.1758
06

Таблица 2 – Расчет характеристик белого шума

Fs m 𝜎2 𝛾𝑎 𝛾э KH
16000 -0.0022 0.5159 -2.9968 -1.3869 0.1510

Таблица 3 – Расчет характеристик неизвестного шума

Fs m 𝜎2 𝛾𝑎 𝛾э KH
4000 0.0019 1.5418 -2.9917 1.2929 0.7693

Расчет характеристики шумов приведен в листинге 1:

10
 Листинг 1 – Расчет характеристики шумов
close all
clear all
T=1;
[noise,Fs]=wavread('C:\Users\admin\Desktop\ози\хип.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([-2 2]);
ylim([0 5]);
xlabel('Значение сигнала, х');
legend('Нормированная гистограмма','Законрас пределения','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)

11