《语音信号处理》实验3-LPC特征提取

华南理工大学《语音信号处理》实验报告

实验名称：LPC特征提取

姓名：

学号：

班级：10级电信5班

日期：2013年5 月24日

1. 实验目的

1、熟练运用MATLAB 软件进行语音信号实验；

2、熟悉短时分析原理、LPC 的原理；

3、学习运用MATLAB 编程进行LPC 的提取；

4、学会利用短时分析原理提取LPC 特征序列。

2. 实验原理

1、LPC 分析基本原理

LPC 分析为线性时不变因果稳定系统V （z ）建立一个全极点模型，并利用均方误差准则，对已知的语音信号s(n)进行模型参数估计。

如果利用P 个取样值来进行预测，则称为P 阶线性预测。假P 个

取样值()()(){

}

1,2,S n S n S n p --- 的加权之和来预测信号当前取样值()S n ，则预测

信号()S n

∧

为：

()()

1

p

k k S n a n k ∧==-∑ (1)

其中加权系数用k a 表示，称为预测系数，则预测误差为:

()()()()()

1

p

k k e n s n S n s n a n k ∧

==-=--∑ (2)

要使预测最佳，则要使短时平均预测误差最小有：

()2

min E e n ε??==?? (3)

()20,(1)

k

e n k p a ?????

=≤≤? (4)

令

()()(),,i k E s n i S n k φ=--????

(5)

最小的ε可表示成：

()()

min 10,00,p

k k a k εφφ==-∑ (6)

显然，误差越接近于零，线性预测的准确度在均方误差最小的意义上为最佳，由此可以计算出预测系数。

通过LPC 分析，由若干帧语音可以得到若干组LPC 参数，每组参数形成一个

描绘该帧语音特征的矢量，即LPC 特征矢量。由LPC 特征矢量可以进一步得到很多种派生特征矢量，例如线性预测倒谱系数、线谱对特征、部分相关系数、对数面积比等等。不同的特征矢量具有不同的特点，它们在语音编码和识别领域有着不同的应用价值。

2 、自相关法

在最佳线性预测中，若用下式定义的时间平均最小均方准则代替(3)式的集合平均最小均方准则，即令

()120

1min

N p n e n N

ε+-==

=∑

(7)

事实上就是短时自相关函数，因而

()()

,R i k i k φ-=

(8)

()()(),R k E S n S n k =-????

（9）

根据平稳随机信号的自相关性质，可得

()(),,1,2;0,1i k R i k i p k p

φ=-== (10)

由(6)式，可得：

()()

min 10p

k k R a R k ε==-∑

(11)

综上所述，可以得到如下矩阵形式：

(12)

值得注意的是，自相关法在

计算预测误差时，数据段()()(){

}

0,1,1S S S n - 的两端都需要加P 个零取样值，因

而可造成谱估计失真。特别是在短数据段的情况下，这一现实更为严重。另外，当预测系数量化时，有可能造成实际系统的不稳定。

自相关解法主要有杜宾算法、格型算法和舒尔算法等几种高效递推算法。 3、 协方差法

如果在最佳线性预测中，用下式定义的时间平均最小均方准则代替(3)式的集合平均最小均方准则，则可得到类似的方程：

()()

()()()()()()()011102120R R R P R R R P R P R P R -?? ?

- ? ? ? ?-- ? ???

()()()()123123n R a R a a R a R p ??

?? ?

?

? ? ?

?= ? ? ? ? ? ? ?????

()121min

N n p

e n N

ε-==

=∑ （13）

可以看出，这里的数据段两端不需要添加零取样值。在理论上，协方差法计算出来的预测系数有可能造成预测误差滤波器的不稳定，但在实际上当每帧信号取样足够多时，其计算结果将与自相关法的结果很接近，因而稳定性一般是能够保证的 (当然这种方法也有量化效应可能引起不稳定的缺点)。

协方差解法的最大优点在于不存在自相关法中两端出现很大预测误差的情况，在N 和P 相差不大时，其参数估值比自相关法要精确的多。但是在语音信号处理时，往往取N 在200左右。此时，自相关法具有较大误差的段落在整个语音段中所占的比例很小，参数估值也是比较准确的。在这种情况下，协方差法误差较小的优点就不再突出，其缺乏高效递推算法的缺点成为了制约因素。所以，在语音信号处理中往往使用高效的自相关法。

5、LPC

由于频率响应)(jw e H 反映声道的频率响应和被分析信号的谱包络，因此用

)(|log jw e H 做反傅里叶变换求出的LPC 倒谱系数。

通过线性预测分析得到的合成滤波器的系统函数为)1/(1)(1∑=--=p

i i i z a z H ，其

冲激响应为h(n)。h(n)的倒谱为)(^n h ，∑+∞=-=1

^

^

)()(n n

z

n h z H 就是说)(^

z H 的逆变换

)(^

n h 是存在的。设0)0(^=h ，将式∑+∞=-=1

^

^

)()(n n z n h z H 两边同时对1-z 求导，得

∑∑+∞=--=--??=-??1^

11

11

)(]11log[n n

p i i z n h z z a z 得到∑∑∑∞

+==-=+-+--=1

1

11

1^1)(n p i i

i p

i i i n z a z

ia z n h n ，于是有 ∑∑∑+∞

=+∞

=+-+-=-=-1

1

11

^

1

1

)()1(n n i i n p i i z ia z

n h n z a 令其左右两边z 的各次幂前系数分别相

等，得到)(^

n h 和i a 间的递推关系

??

??

?

????

>--=≤≤--+==∑∑=-=p i i n i i n p n n h a n i n h p

n k n h a n i a n h a h 1^^11^^

1^

),1()1()(1),()1()()1( ，按其可直接从预测系数｛i a ｝求得倒谱)(^

n h 。这个倒谱是根据线性预测模型得到的，又称为LPC 倒谱。LPC 倒谱由于利用线性预测中声道系统函数H （z ）的最小相位特性，因此避免了一般同态处理中求复对数的麻烦。

3. 实验数据及平台

本实验所采用的数据是语音文件phrase.WAV 和monologue speech_female ，平台

是MATLAB 。

4. 实验过程（步骤）

(1)、实验步骤 1、输入原始语音

2、对样本语音进行加窗处理

3、计算LPC 系数

4、建立语音正则方程

5、输出原始样本语音、预测语音波形和预测误差

6、输出LPC 谱

7、求出预测误差的倒谱

8、输出原始语音和预测语音的语谱图 （2）实验流程

图1 LPC 系数实验流程图

5. 实验结果及讨论

我们使用的原始语音为“monologue speech_female ”，运行程序，得到原始语音语谱图和原始语音波形：

图2 原始语音语谱图和原始语音波形

在这里我们选取线性预测阶数为15，下图是实验的结果，图3上半部分中蓝色的线是原始语音帧波形，红色的线是预测语音帧的波形；下半部分为预测误差；图4为原始语音帧和预测语音帧的短时谱和LPC谱的波形：

图3

图4 短时谱和LPC谱

图5 原始语音和预测误差的倒谱波形

图6 原始语音语谱图和预测语音语谱图

LPC系数：

ai =

Columns 1 through 8

1.0000 -0.5313 -0.1624 -0.2005 -0.0726 0.1481 0.0192 -0.1592

Columns 9 through 16

-0.1248 0.1857 0.0636 0.0848 -0.1475 -0.0562 0.0129 -0.0196

通过计算LPC系数可以很好的利用先行预测中声道系统函数的最小相位特性

来提取特征函数

6. 实验总结

这次实验利用MATLAB对信号进行分析和处理，主要就是进行语音线性预测，

语音线性预测的基本思想是：一个语音信号的抽样值可以用过去若干个取样值的

线性组合来逼近。通过使实际语音抽样值与线性预测抽样值的均方误差达到最小，可以确定唯一的一组线性预测系数。通过这个实验，我对语音线性预测进行

了探究和验证，巩固了课内所学的知识。

7. 实验代码

I = wavread('E:\yuuyin\monologue speech_female.wav');%读入原始语音

%subplot(3,1,1),

plot(I);

title('原始语音波形')

%对指定帧位置进行加窗处理

Q = I';

N = 256; % 窗长

Hamm = hamming(N); % 加窗

frame = 60;%需要处理的帧位置

M = Q(((frame - 1) * (N / 2) + 1):((frame - 1) * (N / 2) + N));

Frame = M .* Hamm';%加窗后的语音帧

[B,F,T] = specgram(I,N,N/2,N);

[m,n] = size(B);

for i = 1:m

FTframe1(i) = B(i,frame);

end

P =input('请输入预测器阶数 = ');

ai = lpc(Frame,P); % 计算lpc系数

LP = filter([0 -ai(2:end)],1,Frame); % 建立语音帧的正则方程

FFTlp = fft(LP);

E = Frame - LP; % 预测误差

subplot(2,1,1),plot(1:N,Frame,1:N,LP,'-r');grid;

title('原始语音和预测语音波形')

subplot(2,1,2),plot(E);grid;

title('预测误差');

pause

fLength(1 : 2 * N) = [M,zeros(1,N)];

Xm = fft(fLength,2 * N);

X = Xm .* conj(Xm);

Y = fft(X , 2 * N);

Rk = Y(1 : N);

PART = sum(ai(2 : P + 1) .* Rk(1 : P));

G = sqrt(sum(Frame.^2) - PART);

A = (FTframe1 - FFTlp(1 : length(F'))) ./ FTframe1 ;

subplot(2,1,1),plot(F',20*log(abs(FTframe1)),F',(20*log(abs(1 ./ A))),'-r');grid;

xlabel('频率/dB');ylabel('幅度');

title('短时谱');

subplot(2,1,2),plot(F',(20*log(abs(G ./ A))));grid; xlabel('频率/dB');ylabel('幅度');

title('LPC谱');

pause

%求出预测误差的倒谱

pitch = fftshift(rceps(E));

M_pitch = fftshift(rceps(Frame));

subplot(2,1,1),plot(M_pitch);grid;

xlabel('语音帧');ylabel('/dB');

title('原始语音帧倒谱');

subplot(2,1,2),plot(pitch);grid;

xlabel('语音帧');ylabel('/dB');

title('预测误差倒谱');

pause

%画出语谱图

ai1 = lpc(I,P); % 计算原始语音lpc系数

LP1 = filter([0 -ai(2:end)],1,I); % 建立原始语音的正则方程subplot(2,1,1);

specgram(I,N,N/2,N);

title('原始语音语谱图');

subplot(2,1,2);

specgram(LP1,N,N/2,N);

title('预测语音语谱图');

实验2-菠菜中色素的提取和分离

实验2-菠菜中色素的提取和分离

实验2 菠菜中色素的提取和分离 扬州大学化学化工学院张磊 091301223 一．实验目的： 1．了解分离与提纯过程在科学研究和生产生活中的应用； 2．掌握分离与提纯实验设计的一般思路和方法； 3. 掌握菠菜中色素提取的原理，步骤和影响因素； 二．实验原理： 1．叶绿体中的色素是有机物，不溶于水，易溶于乙醇等有机溶剂中，所以用石油醚、乙醇等能提取色素。 2．本实验选用的是吸附色谱，氧化铝作为吸附剂（极性），色素提取液为吸附液，色素提取液中各成分极性大小为：叶绿素b（黄绿色）>叶绿素a（蓝绿色）>叶黄素（黄色）> β-类胡萝卜素（橙色）。 2

3. 柱层析法的分离原理是根据物质在氧化铝上的吸附力不同而使各组分分离。一般情况下极性较大的物质易被吸附，极性较弱的物质不易被吸附，所以由上到下为：叶绿素b（黄绿色），叶绿素a（蓝绿色），叶黄素（黄色），β-类胡萝卜素（橙色）。 三、实验材料： 仪器：研钵、分液漏斗、层析柱(20×10 cm)，表面皿，普通漏斗，量筒 试剂：石油醚、乙醇(95%)、菠菜叶、丙酮(化学纯)、中性氧化铝，无水硫酸钠 四、实验步骤与内容【探究：菠菜（或青菜）的处理方式】 （1）小组讨论处理菠菜的各种方式，然后按照“手撕”，“划几刀，再手撕”，“剪成丁状”，“剪碎后稍加研磨”，“研磨成浆”共五种方式分为五组进行实验，最后确定控制菠菜叶取25克，加入有机溶剂15mL（9mL石油醚+6mL乙醚），浸泡时间取25min为统一条件； 3

（2）开始分组实验，各自处理好各组的菠菜，放置在烧杯中，加入15mL有机溶剂并盖上表面皿浸泡25min。 （3）在浸泡的时间内开始装柱，首先在滴管下口装上橡皮管并夹上弹簧夹（夹紧），在管的出口处放入一小撮棉花，在棉花上放置已剪好的和滴管内径一般大小的圆形滤纸，然后用普通漏斗往里面装入中性氧化铝，最后在氧化铝上再加上和滴管内径一般大小的圆形滤纸，夹在铁架台上备用。 （4）25min后，把浸取液用纱布过滤，滤液转移至分液漏斗中，加等体积的水洗一次，弃去下层的水-乙醇层。石油醚层再用等体积的水洗二次。有机相用无水硫酸钠干燥后转移至烧杯中做柱层析分离。 （5）把得到的叶绿素分几次倒入柱中，缓慢放开弹簧夹，再用9:1的石油醚—丙酮溶液滴加，一段时间后在层析柱上出现了一条条的不同颜色的条纹，即叶绿素b，叶绿素a，叶黄素，β- 4

语音信号处理与及其MATLAB实现分析

目录 摘要 (2) 第一章绪论 (3) 1.1 语音课设的意义 (3) 1.2 语音课设的目的与要求 (3) 1.3 语音课设的基本步骤 (3) 第二章设计方案论证 (5) 2.1 设计理论依据 (5) 2.1.1 采样定理 (5) 2.1.2 采样频率 (5) 2.1.3 采样位数与采样频率 (5) 2.2 语音信号的分析及处理方法 (6) 2.2.1 语音的录入与打开 (6) 2.2.2 时域信号的FFT分析 (6) 2.2.3 数字滤波器设计原理 (7) 2.2.4 数字滤波器的设计步骤 (7) 2.2.5 IIR滤波器与FIR滤波器的性能比较 (7) 第三章图形用户界面设计 (8) 3.1 图形用户界面概念 (8) 3.2 图形用户界面设计 (8) 3.3 图形用户界面模块调试 (9) 3.3.1 语音信号的读入与打开 (9) 3.3.2 语音信号的定点分析 (9) 3.3.3 N阶高通滤波器 (11) 3.3.4 N阶低通滤波器 (12) 3.3.5 2N阶带通滤波器 (13) 3.3.6 2N阶带阻滤波器 (14) 3.4 图形用户界面制作 (15) 第四章总结 (18) 附录 (19) 参考文献 (24)

摘要 数字信号处理是将信号以数字方式表示并处理的理论和技术。数字信号处理与模拟信号处理是信号处理的子集。 数字信号处理的目的是对真实世界的连续模拟信号进行测量或滤波。因此在进行数字信号处理之前需要将信号从模拟域转换到数字域，这通常通过模数转换器实现。而数字信号处理的输出经常也要变换到模拟域，这是通过数模转换器实现的。 数字信号处理的算法需要利用计算机或专用处理设备如数字信号处理器（DSP）和专用集成电路（ASIC）等。数字信号处理技术及设备具有灵活、精确、抗干扰强、设备尺寸小、造价低、速度快等突出优点，这些都是模拟信号处理技术与设备所无法比拟的。 数字信号处理的核心算法是离散傅立叶变换(DFT)，是DFT使信号在数字域和频域都实现了离散化，从而可以用通用计算机处理离散信号。而使数字信号处理从理论走向实用的是快速傅立叶变换(FFT)，FFT的出现大大减少了DFT的运算量，使实时的数字信号处理成为可能、极大促进了该学科的发展。 MATLAB是矩阵实验室（Matrix Laboratory）的简称，和Mathematica、Maple 并称为三大数学软件。它在数学类科技应用软件中在数值计算方面首屈一指。MATLAB可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。 MATLAB的基本数据单位是矩阵，它的指令表达式与数学、工程中常用的形式十分相似，故用MATLAB来解算问题要比用C，FORTRAN等语言完相同的事情简捷得多，并且mathwork也吸收了像Maple等软件的优点,使MATLAB成为一个强大的数学软件。在新的版本中也加入了对C，FORTRAN，C++ ，JAVA的支持。可以直接调用,用户也可以将自己编写的实用程序导入到MATLAB函数库中方便自己以后调用，此外许多的MATLAB爱好者都编写了一些经典的程序，用户可以直接进行下载就可以用。

叶绿素的提取和分离实验报告

陕西师范大学远程教育学院生物学实验报告 报告题目叶绿素的提取和分离 姓名刘伟 学号 专业生物科学 批次/层次 指导教师 学习中心

叶绿素的提取和分离 一、实验目的 1. 学习叶绿体色素的提取、分离方法。 2. 通过叶绿体色素提取、分离方法的学习了解叶绿体色素的相关理化性质。 3. 为进一步研究各叶绿体色素性质、功能等奠定基础。 二、原理 叶绿体中含有绿色素（包括叶绿素a和叶绿素b）和黄色素（包括胡萝卜素和叶黄素）两大类。它们与类囊体膜蛋白相结合成为色素蛋白复合体。它们的化学结构不同，所以它们的物化性质（如极性、吸收光谱）和在光合作用中的地位和作用也不一样。这两类色素是酯类化合物，都不溶于水，而溶于有机溶剂，故可用乙醇、丙醇等有机溶剂提取。提取液可用色谱分析的原理加以分离。因吸附剂对不同物质的吸附力不同，当用适当的溶剂推动时，混合物中各种成分在两相（固定相和流动相）间具有不同的分配系数，所以移动速度不同，经过一定时间后，可将各种色素分开。 三、材料、仪器设备和试剂 1. 绿色植物如菠菜等的叶片。 2. 研钵、漏斗、三角瓶、剪刀、滴管、康维皿、圆形滤纸（直径11cm）。 3. 试剂：95%乙醇，石英砂，碳酸钙粉，推动剂:按石油醚:丙酮:苯=10:2:1比例配制（v/v） 四、试验步骤 1. 叶绿体色素的提取 （1）取菠菜或其他植物新鲜叶片4-5片（4g左右），洗净，擦干，去掉中脉剪碎，放入研钵中。 （2）研钵中加入少量石英砂及碳酸钙粉，加2-3ml 95%乙醇，研磨至糊状，再加10ml 95%乙醇，然后以漏斗过滤之，残渣用10ml 95%乙醇冲洗，一同过滤于三角瓶中。 2. 叶绿体色素的分离 (1)将11cm的滤纸的一端剪去二侧，中间留一长约1.5cm、宽约0.5cm窄条。 (2)用毛细管取叶绿体色素浓溶液点于窄条上端，用电吹风吹干，如一次点样量不足可反复在色点处点样数次，使色点上有较多的叶绿体色素。 (3)在大试管中加入四氯化碳3-5ml及少许无水硫酸钠。然后将滤纸条固定于软木塞上，插入试管内，使窄端浸入溶剂中，而色点略高于液面，滤纸条边缘不可碰到试管壁，软木塞盖紧，直立于阴暗处层析。 0.5-1小时后，观察色素带分布：最上端橙黄色(胡萝卜素)，其次黄色(叶黄素)，再崐次 蓝绿素(叶绿素a)，最后是黄绿色(叶绿素b)。（4）当展层剂前沿接近滤纸边缘时便可结束实 验，此时可看到不同色素的同心圆环，各色素由内往外的顺序为：叶绿素b（黄绿色）、叶 绿素a（蓝绿色）、叶黄素（鲜黄色）、胡萝卜素（橙黄色），再用铅笔标出各种色素的位置 和名称。

关于图像特征提取

关于图像特征提取 特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。 特征的定义 至今为止特征没有万能和精确的定义。特征的精确定义往往由问题或者应用类型决定。特征是一个数字图像中“有趣”的部分，它是许多计算机图像分析算法的起点。因此一个算法是否成功往往由它使用和定义的特征决定。因此特征提取最重要的一个特性是“可重复性”：同一场景的不同图像所提取的特征应该是相同的。 特征提取是图象处理中的一个初级运算，也就是说它是对一个图像进行的第一个运算处理。它检查每个像素来确定该像素是否代表一个特征。假如它是一个更大的算法的一部分，那么这个算法一般只检查图像的特征区域。作为特征提取的一个前提运算，输入图像一般通过高斯模糊核在尺度空间中被平滑。此后通过局部导数运算来计算图像的一个或多个特征。 有时，假如特征提取需要许多的计算时间，而可以使用的时间有限制，一个高层次算法可以用来控制特征提取阶层，这样仅图像的部分被用来寻找特征。 由于许多计算机图像算法使用特征提取作为其初级计算步骤，因此有大量特征提取算法被发展，其提取的特征各种各样，它们的计算复杂性和可重复性也非常不同。 边缘 边缘是组成两个图像区域之间边界（或边缘）的像素。一般一个边缘的形状可以是任意的，还可能包括交叉点。在实践中边缘一般被定义为图像中拥有大的梯度的点组成的子集。一些常用的算法还会把梯度高的点联系起来来构成一个更完善的边缘的描写。这些算法也可能对边缘提出一些限制。 局部地看边缘是一维结构。 角 角是图像中点似的特征，在局部它有两维结构。早期的算法首先进行边缘检测，然后分析边缘的走向来寻找边缘突然转向（角）。后来发展的算法不再需要边缘检测这个步骤，而是可以直接在图像梯度中寻找高度曲率。后来发现这样有时可以在图像中本来没有角的地方发现具有同角一样的特征的区域。 区域 与角不同的是区域描写一个图像中的一个区域性的结构，但是区域也可能仅由一个像素组成，因此许多区域检测也可以用来监测角。一个区域监测器检测图像中一个对于角监测器来说太平滑的区域。区域检测可以被想象为把一张图像缩小，然后在缩小的图像上进行角检测。 脊 长条形的物体被称为脊。在实践中脊可以被看作是代表对称轴的一维曲线，此外局部针对于每个脊像素有一个脊宽度。从灰梯度图像中提取脊要比提取边缘、角和区域困难。在空中摄影中往往使用脊检测来分辨道路，在医学图像中它被用来分辨血管。 特征抽取 特征被检测后它可以从图像中被抽取出来。这个过程可能需要许多图像处理的计算机。其结果被称为特征描述或者特征向量。 常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。 一颜色特征 （一）特点：颜色特征是一种全局特征，描述了图像或图像区域所对应的景物的表面性质。一般颜色特征是基于像素点的特征，此时所有属于图像或图像区域的像素都有各自的贡献。由于颜色对图像或图像区域的方向、大小等变化不敏感，所以颜色特征不能很好地捕捉图像中对象的局部特征。另外，仅使用颜色特

基于Matlab的语音信号处理与分析

系（院）物理与电子工程学院专业电子信息工程题目语音信号的处理与分析 学生姓名 指导教师 班级 学号 完成日期：2013 年5 月 目录 1 绪论.............................................................................................................. 错误!未定义书签。 1.1课题背景及意义................................................................................. 错误!未定义书签。 1.2国内外研究现状................................................................................. 错误!未定义书签。 1.3本课题的研究内容和方法................................................................. 错误!未定义书签。 1.3.1 研究内容................................................................................ 错误!未定义书签。 1.3.2 开发环境................................................................................ 错误!未定义书签。 2 语音信号处理的总体方案............................................................................ 错误!未定义书签。 2.1 系统基本概述.................................................................................... 错误!未定义书签。 2.2 系统基本要求与目的........................................................................ 错误!未定义书签。 2.3 系统框架及实现................................................................................ 错误!未定义书签。 2.3.1 语音信号的采样.................................................................... 错误!未定义书签。 2.3.2 语音信号的频谱分析............................................................ 错误!未定义书签。 2.3.3 音乐信号的抽取.................................................................... 错误!未定义书签。 2.3.4 音乐信号的AM调制.............................................................. 错误!未定义书签。 2.3.5 AM调制音乐信号的同步解调............................................... 错误!未定义书签。 2.4系统设计流程图................................................................................. 错误!未定义书签。 3 语音信号处理基本知识................................................................................ 错误!未定义书签。 3.1语音的录入与打开............................................................................. 错误!未定义书签。 3.2采样位数和采样频率......................................................................... 错误!未定义书签。 3.3时域信号的FFT分析......................................................................... 错误!未定义书签。 3.4切比雪夫滤波器................................................................................. 错误!未定义书签。 3.5数字滤波器设计原理......................................................................... 错误!未定义书签。 4 语音信号实例处理设计................................................................................ 错误!未定义书签。 4.1语音信号的采集................................................................................. 错误!未定义书签。

图像特征提取总结

图像常见特征提取方法简介 常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。 一、颜色特征 （一）特点：颜色特征是一种全局特征,描述了图像或图像区域所对应的景物的表面性质。一般颜色特征是基于像素点的特征，此时所有属于图像或图像区域的像素都有各自的贡献。由于颜色对图像或图像区域的方向、大小等变化不敏感，所以颜色特征不能很好地捕捉图像中对象的局部特征。另外，仅使用颜色特征查询时，如果数据库很大，常会将许多不需要的图像也检索出来。颜色直方图是最常用的表达颜色特征的方法，其优点是不受图像旋转和平移变化的影响，进一步借助归一化还可不受图像尺度变化的影响，基缺点是没有表达出颜色空间分布的信息。 （二）常用的特征提取与匹配方法 （1）颜色直方图 其优点在于：它能简单描述一幅图像中颜色的全局分布，即不同色彩在整幅图像中所占的比例，特别适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的图像。其缺点在于：它无法描述图像中颜色的局部分布及每种色彩所处的空间位置，即无法描述图像中的某一具体的对象或物体。 最常用的颜色空间：RGB颜色空间、HSV颜色空间。 颜色直方图特征匹配方法：直方图相交法、距离法、中心距法、参考颜色表法、累加颜色直方图法。 （2）颜色集 颜色直方图法是一种全局颜色特征提取与匹配方法，无法区分局部颜色信息。颜色集是对颜色直方图的一种近似首先将图像从RGB颜色空间转化成视觉均衡的颜色空间（如HSV 空间），并将颜色空间量化成若干个柄。然后，用色彩自动分割技术将图像分为若干区域，每个区域用量化颜色空间的某个颜色分量来索引，从而将图像表达为一个二进制的颜色索引集。在图像匹配中，比较不同图像颜色集之间的距离和色彩区域的空间关系 （3）颜色矩 这种方法的数学基础在于：图像中任何的颜色分布均可以用它的矩来表示。此外，由于颜色分布信息主要集中在低阶矩中，因此，仅采用颜色的一阶矩（mean）、二阶矩（variance）和三阶矩（skewness）就足以表达图像的颜色分布。 （4）颜色聚合向量 其核心思想是：将属于直方图每一个柄的像素分成两部分，如果该柄内的某些像素所占据的连续区域的面积大于给定的阈值，则该区域内的像素作为聚合像素，否则作为非聚合像素。（5）颜色相关图 二纹理特征 （一）特点：纹理特征也是一种全局特征，它也描述了图像或图像区域所对应景物的表面性质。但由于纹理只是一种物体表面的特性，并不能完全反映出物体的本质属性，所以仅仅利用纹理特征是无法获得高层次图像内容的。与颜色特征不同，纹理特征不是基于像素点的特征，它需要在包含多个像素点的区域中进行统计计算。在模式匹配中，这种区域性的特征具有较大的优越性，不会由于局部的偏差而无法匹配成功。作为一种统计特征，纹理特征常具有旋转不变性，并且对于噪声有较强的抵抗能力。但是，纹理特征也有其缺点，一个很明显的缺点是当图像的分辨率变化的时候，所计算出来的纹理可能会有较大偏差。另外，由于有可能受到光照、反射情况的影响，从2-D图像中反映出来的纹理不一定是3-D物体表面真实

图像颜色特征提取基本知识

一、颜色特征 1 颜色空间 1.1 RGB 颜色空间 是一种根据人眼对不同波长的红、绿、蓝光做出锥状体细胞的敏感度描述的基础彩色模式,R、 G、B 分别为图像红、绿、蓝的亮度值,大小限定在 0～1 或者在 0～255。 1.2 HIS 颜色空间 是指颜色的色调、亮度和饱和度,H表示色调,描述颜色的属性,如黄、红、绿,用角度 0～360度来表示;S 是饱和度,即纯色程度的量度,反映彩色的浓淡,如深红、浅红,大小限定在 0～1;I 是亮度,反映可见光对人眼刺激的程度,它表征彩色各波长的总能量,大小限定在 0～1。1.3 HSV 颜色模型 HSV 颜色模型依据人类对于色泽、明暗和色调的直观感觉来定义颜色, 其中H (Hue)代表色度, S (Saturat i on)代表色饱和度,V (V alue)代表亮度, 该颜色系统比RGB 系统更接近于人们的经验和对彩色的感知, 因而被广泛应用于计算机视觉领域。 已知RGB 颜色模型, 令M A X = max {R , G, B },M IN =m in{R , G,B }, 分别为RGB 颜色模型中R、 G、 B 三分量的最大和最小值, RGB 颜色模型到HSV 颜色模型的转换公式为: S =(M A X - M IN)/M A X H = 60*(G- B)/(M A X - M IN) R = M A X 120+ 60*(B – R)/(M A X - M IN) G= M A X 240+ 60*(R – G)/(M A X - M IN) B = M A X V = M A X 2 颜色特征提取算法 2.1 一般直方图法

绿叶中色素的提取与分离实验操作过程(图文)

绿叶中色素的提取与分离实验 一、实验原理 1、提取的原理：利用色素溶于有机溶剂无水乙醇而不溶于水的性质。 2、分离的原理：利用各种色素在层析液中的溶解度不同，随着层析液在滤纸上扩散的速度不同。（纸层析法） 二、目的要求 1、进行绿叶中色素的提取和分离； 2、探究绿叶中含有几种色素 三、材料用具 1、材料：新鲜的绿叶（如菠菜、韭菜的绿叶）。 2、用具：剪刀、药匙、研钵、量筒、漏斗、试管、棉塞、尼龙纱布、盖玻片、试管架、干燥的定性滤纸、铅笔、直尺、烧杯、穿针的细线、滴管。 3、试剂：无水乙醇、层析液、二氧化硅（石英沙）和碳酸钙。 四、方法步骤 1、提取绿叶中的色素 （1）取深绿色的植物叶片，洗净，抹干水分，并称取5g，剪成小块置于研钵中。（2）在研钵中加入少许二氧化硅（SiO2）、碳酸钙（CaCO3），再加入6ml无水乙醇。（3）迅速、充分地研磨成糊状。 （4）在漏斗基部放一小块单层尼龙纱布，将研磨液迅速倒入玻璃漏斗中进行过滤。将滤液收集到试管中，及时用棉塞将试管口塞严。 剪碎绿叶加二氧化硅、碳酸钙，（迅速）研磨成糊状 再加入10ml无水乙醇 过滤收集滤液，棉塞封口 2、制备滤纸条（如下图） 3、画滤液细线（如下图） 滤纸条：长6cm，宽1cm，用盖玻片一端蘸取滤液，沿铅笔线画线， 距一端1cm处用铅笔和直尺等滤液细线风干后，再画下一道细线，重复 画一条细的横线。2—3次。画线要求：细、直、齐。

4、分离色素 将3ml 层析液倒入小烧杯中，将滤纸条（有滤液细线的一端朝下）轻轻插入层析液中，随后用培养皿盖盖住小烧杯。注意：不能让滤液细线接触到层析液。 5、观察与记录 观察烧杯中滤纸条上出现了几条色素带，以及每条色素带的 颜色和宽度。 将观察结果记录下来，并将层析结果的分离结果贴在上面。 “培养皿法” 五、讨论 1、滤纸条上有几条不同颜色的色带？其排序怎样？宽窄如何？这说明了什么？ 2、滤纸条上的绿叶细线为什么不能触及层析液？ 3、将有色素带的滤纸条夹在书里，几天后会出现什么现象？这说明了什么？ 4、到了秋天叶色变黄、变红的原因是什么？ 注：无水乙醇-------------------溶解、提取色素 二氧化硅（SiO 2）--------研磨充分 碳酸钙（CaCO 3）--------防止色素破坏 层析液----------------------分离色素 胡萝卜素叶绿素b 叶绿素a 叶黄素 橙黄色 黄色 蓝绿色 黄绿色

普通高中叶绿素提取和分离实验

植物叶绿体中色素的提取与分离实验报告 用具：剪刀一把、干燥的定性滤纸、50ml的烧杯及100ml的烧杯各3个、白纸3张、试管架一个、研钵一个、玻璃漏斗一个、尼龙布或纱布、毛细血管一只、药勺一个、10ml 量筒一只，天平一只，试管3支、纸板一块、棉塞3个、培养皿3个、刻度尺、注射器一只、盖玻片 试剂：丙酮、无水乙醇、层吸液（20份石油醚、2份丙酮、1份苯配置而成）、白沙（二氧化硅）、碳酸钙、碳酸钠 材料：新鲜的紫茎泽兰叶、其他野生植物叶片 背景资料： 1、叶绿素等是脂溶性的有机分子，根据相似相溶的原理，叶绿素等色素分子溶于有机溶剂而不溶于有极性的水。故在研磨和收集叶绿色素时要用丙酮或乙醇等有机溶剂而不用水。 2、叶绿素分布于基粒的片层薄膜上，加入少许二氧化硅是为了磨碎细胞壁、质膜、叶绿体被膜和光合片成，使色素溶解于丙酮中。 3、破碎的细胞中含有草酸等有机酸，叶绿素分子中含有的Mg元素处于不稳定化合太，镁离子与有机酸结合将导致色素分子破坏。加入少许碳酸钙使得钙离子与有机酸结合，减少镁离子的转移，防止研磨时叶绿体色素的破坏。所以在研磨时加入适量的碳酸钙，同时加入碳酸钠的道理亦如此。 4、在过滤时选用脱脂棉或纱布，而不用滤纸。原因主要有下：（1）色素分子比较大，不容易透过滤纸；（2）滤纸有较强的吸附性而使色素吸附在滤纸上，从而降低色素浓度，影响实验效果；（3）叶绿素是脂溶性，根据相似相容的原理，脱脂棉可以减少实验过程中色素的流失，增强实验效果。 5、根据物理学中的毛细现象，画滤纸细线前滤纸必须经过干燥处理，是为了阻止水分子堵塞滤纸中的毛细管而影响层析液的扩散。但如果用火烤的话，会使滤纸纤维变形同时破坏啦毛细管，而影响层析液的扩散。 6、由于液面的不同位置表面张力不同，纸条接近液面时，其边缘的表面的张力较大，层析液沿滤纸边缘扩散过快，而导致色素带分离不整齐的现象。故而，在插入层析液的滤纸条一端剪去两个角。 7、为了防止滤纸条倒入层析液中而使层析实验失败。同时，防止因液体表面张力引起层析液沿滤纸条向上的“壁流”而导致色素溶解。 8、色素分离的原理：纸层析是用滤纸作为载体的一种色层分析法，其原理主要是利用混合物中各组分在；流动相和固定相的分配比（溶解度）的不同而使之分离。滤纸上吸附的水为固定相（滤纸纤维常能吸20%左右的水），有机溶剂如乙醇等为流动相，色素提取液为层析试样。把试样点在滤纸的滤液细线位置上，当流动相溶剂在滤纸的毛细管的作用下，连续不断地沿着滤纸前进通过滤液细线时，试样中各组份便随着流动相溶剂向前移动，并在流动相和固定相溶剂之间连续一次有一次的分配。结果分配比比较大的物质移动速度较快，移动距离较远；分配比较小的物质移动较慢，移动距离较近，试样中各组分分别聚集在滤纸的不同的位置上，从而达到分离的目的。符合我国的资源友好型社会。 操作步骤 1．称取新鲜叶子2g，放入研钵中加丙酮5ml，少许碳酸钙(防止叶绿素被破坏）和石英砂（帮助研磨），研磨成匀浆，再加丙酮5ml，然后以漏斗过滤之，即为色素提取液。

图像特征提取方法

图像特征提取方法 摘要 特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。 至今为止特征没有万能和精确的图像特征定义。特征的精确定义往往由问题或者应用类型决定。特征是一个数字图像中“有趣”的部分，它是许多计算机图像分析算法的起点。因此一个算法是否成功往往由它使用和定义的特征决定。因此特征提取最重要的一个特性是“可重复性”：同一场景的不同图像所提取的特征应该是相同的。 特征提取是图象处理中的一个初级运算，也就是说它是对一个图像进行的第一个运算处理。它检查每个像素来确定该像素是否代表一个特征。假如它是一个更大的算法的一部分，那么这个算法一般只检查图像的特征区域。作为特征提取的一个前提运算，输入图像一般通过高斯模糊核在尺度空间中被平滑。此后通过局部导数运算来计算图像的一个或多个特征。 常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。当光差图像时，常 常看到的是连续的纹理与灰度级相似的区域，他们相结合形成物体。但如果物体的尺寸很小 或者对比度不高，通常要采用较高的分辨率观察：如果物体的尺寸很大或对比度很强，只需 要降低分辨率。如果物体尺寸有大有小，或对比有强有弱的情况下同事存在，这时提取图像 的特征对进行图像研究有优势。 常用的特征提取方法有：Fourier变换法、窗口Fourier变换（Gabor)、小波变换法、最 小二乘法、边界方向直方图法、基于Tamura纹理特征的纹理特征提取等。

设计内容 课程设计的内容与要求（包括原始数据、技术参数、条件、设计要求等）：一、课程设计的内容 本设计采用边界方向直方图法、基于PCA的图像数据特征提取、基于Tamura纹理特征的纹理特征提取、颜色直方图提取颜色特征等等四种方法设计。 （1）边界方向直方图法 由于单一特征不足以准确地描述图像特征,提出了一种结合颜色特征和边界方向特征的图像检索方法.针对传统颜色直方图中图像对所有像素具有相同重要性的问题进行了改进,提出了像素加权的改进颜色直方图方法;然后采用非分割图像的边界方向直方图方法提取图像的形状特征,该方法相对分割方法具有简单、有效等特点,并对图像的缩放、旋转以及视角具有不变性.为进一步提高图像检索的质量引入相关反馈机制,动态调整两幅图像相似度中颜色特征和方向特征的权值系数,并给出了相应的权值调整算法.实验结果表明,上述方法明显地优于其它方法.小波理论和几个其他课题相关。所有小波变换可以视为时域频域的形式，所以和调和分析相关。所有实际有用的离散小波变换使用包含有限脉冲响应滤波器的滤波器段(filterbank)。构成CWT的小波受海森堡的测不准原理制约，或者说，离散小波基可以在测不准原理的其他形式的上下文中考虑。 通过边缘检测，把图像分为边缘区域和非边缘区域，然后在边缘区域内进行边缘定位．根据局部区域内边缘的直线特性，求得小邻域内直线段的高精度位置；再根据边缘区域内边缘的全局直线特性，用线段的中点来拟合整个直线边缘，得到亚像素精度的图像边缘．在拟合的过程中，根据直线段转角的变化剔除了噪声点，提高了定位精度．并且，根据角度和距离区分出不同直线和它们的交点，给出了图像精确的矢量化结果 图像的边界是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合，边界广泛的存在于物体和背 景之间、物体和物体之间，它是图像分割所依赖的重要特征．边界方向直方图具有尺度不变性，能够比较好的 描述图像的大体形状．边界直方图一般是通过边界算子提取边界，得到边界信息后，需要表征这些图像的边 界，对于每一个边界点，根据图像中该点的梯度方向计算出该边界点处法向量的方向角，将空间量化为M级， 计算每个边界点处法向量的方向角落在M级中的频率，这样便得到了边界方向直方图． 图像中像素的梯度向量可以表示为[ ( ，)，)，( ，)，)] ，其中Gx( ，)，)，G ( ，)，)可以用下面的

图像中角点(特征点)提取与匹配算法

角点提取与匹配算法实验报告 1 说明 本文实验的目标是对于两幅相似的图像，通过角点检测算法，进而找出这两幅图像的共同点，从而可以把这两幅图像合并成一幅图像。 下面描述该实验的基本步骤: 1.本文所采用的角点检测算法是Harris 角点检测算法，该算法的基本原理是取以目标像素点为中心的一个小窗口，计算窗口沿任何方向移动后的灰度变化，并用解析形式表达。设以像素点(x,y)为中心的小窗口在X 方向上移动u ，y 方向上移动v ，Harris 给出了灰度变化度量的解析表达式： 2 ,,|,|,,()(x y x y x u y v x y x y I I E w I I w u v o X Y ??= -=++??∑∑ (1) 其中，,x y E 为窗口内的灰度变化度量；,x y w 为窗口函数，一般定义为2 2 2 ()/,x y x y w e σ +=； I 为图像灰度函数，略去无穷小项有： 222222 ,,[()()2]2x y x y x y x y E w u I v I uvI I Au Cuv Bv = ++=++∑ （2） 将,x y E 化为二次型有： ,[]x y u E u v M v ?? =???? (3) M 为实对称矩阵： 2 ,2 x y x x y x y y I I I M w I I I ???= ???????∑ (4) 通过对角化处理得到： 11 ,200x y E R R λλ-??= ??? (5) 其中，R 为旋转因子，对角化处理后并不改变以u,v 为坐标参数的空间曲面的形状，其特征值反应了两个主轴方向的图像表面曲率。当两个特征值均较小时，表明目标点附近区域为“平坦区域”；特征值一大一小时，表明特征点位于“边缘”上；只有当两个特征值均比较大时，沿任何方向的移动均将导致灰度的剧烈变化。Harris 的角点响应函数(CRF)表达式由此而得到： 2 (,)det()(())C RF x y M k trace M =- (6)

语音信号处理试验教程

语音信号处理试验 实验一：语音信号时域分析 实验目的： (1)录制两段语音信号，内容是“语音信号处理”，分男女声。 (2)对语音信号进行采样，观察采样后语音信号的时域波形。 实验步骤： 1、使用window自带录音工具录制声音片段 使用windows自带录音机录制语音文件，进行数字信号的采集。启动录音机。录制一段录音，录音停止后，文件存储器的后缀默认为.Wav。将录制好文件保存，记录保存路径。男生女生各录一段保存为test1.wav和test2.wav。 图1基于PC机语音信号采集过程。 2、读取语音信号 在MATLAB软件平台下，利用wavread函数对语音信号进行采样，记住采样频率和采样点数。通过使用wavread函数，理解采样、采样频率、采样位数等概念！ Wavread函数调用格式： y=wavread（file），读取file所规定的wav文件，返回采样值放在向量y中。

[y，fs，nbits]=wavread（file），采样值放在向量y中，fs表示采样频率（hz），nbits表示采样位数。 y=wavread（file，N），读取前N点的采样值放在向量y中。 y=wavread（file，[N1，N2]）,读取从N1到N2点的采样值放在向量y中。 3、编程获取语音信号的抽样频率和采样位数。 语音信号为test1.wav和test2.wav，内容为“语音信号处理”，两端语音保存到工作空间work文件夹下。在M文件中分别输入以下程序，可以分两次输入便于观察。 [y1,fs1,nbits1]=wavread('test1.wav') [y2,fs2,nbits2]=wavread('test2.wav') 结果如下图所示 根据结果可知：两端语音信号的采样频率为44100HZ，采样位数为16。 4、语音信号的时域分析 语音信号的时域分析就是分析和提取语音信号的时域参数。进行语音分析时，最先接触到并且夜市最直观的是它的时域波形。语音信

叶绿体色素的提取分离理化性质和叶绿素含量的测定

实验报告 植物生理学及实验（甲）实验类型：课程 名称：实验名称：叶绿体色素的提取、分离、理化性质和叶 绿素含量的测定姓名：专业：学 号：指导老师：同组学生姓名： 实验日期：实验地点： 二、实验内容和原理一、实验目的和要求装 四、操作方法与实验步骤三、主要仪器设备订 六、实验结果与分析五、实验数据记录和处理 七、讨论、心得一、实验目的和要求、掌握植物中叶绿体色素的分离和 性质鉴定、定量分析的原理和方法。1 和b的方法及其计算。a2、熟悉在 未经分离的叶绿体色素溶液中测定叶绿素二、实验内容和原理以青菜为 材料，提取和分离叶绿体色素并进行理化性质测定和叶绿素含量分析。 原理如下：80%的乙醇或95%叶绿素和类胡萝卜素均不溶于水而溶于有机溶剂，1、常用的丙酮提取。、皂化反应。叶绿素是二羧酸酯，与强碱反应， 形成绿色的可溶性叶绿素2． 盐，就可与有机溶剂中的类胡萝卜素分开。- COOCHCOO3 Mg + 2KOH C32H30ON4Mg + 2KOH +CH3OH

HONC43230+C20H39OH 、3H+可依次被在酸性或加温条件下，叶-COOCOOCH39 20 绿素卟啉环中的Mg++取代反应。Mg2+, Cu2+ 取代Cu++取代形成褐色的去镁叶绿素和绿色的铜代叶绿素。(H+和H+ ) 取代(Zn2+) 绿色褐色 、叶绿素受光激发，可发出红色荧光，反射光下可见红色荧光。4645其中叶绿素吸收红光和兰紫光，红光区可用于定量分析，5、定量分析。 652可直接用于总量分析。663用于定量叶绿素a,b及总量，而和C最大吸收光谱不同的两个组分的混合液，它们的浓度根据朗伯-比尔定律， *k+C*kOD=Ca*k与吸光值之间有如下的关系： OD=Ca*k+C b2 1g/L和b的80查阅文献得，2b1 b1a1a2b时，比吸收系％丙酮溶液，当浓度为 叶绿素a 值如下。数k k 比吸收系数波长/nm b 叶绿素a 叶绿素 9.27 82.04 663 45.60 645 16.75

叶绿素的提取和分离实验报告

叶绿素的提取和分离实 验报告 Company number：【0089WT-8898YT-W8CCB-BUUT-202108】

陕西师范大学远程教育学院 生物学实验报告 报告题目叶绿素的提取和分离 姓名刘伟 学号 专业生物科学 批次/层次 指导教师 学习中心 叶绿素的提取和分离 一、实验目的 1. 学习叶绿体色素的提取、分离方法。 2. 通过叶绿体色素提取、分离方法的学习了解叶绿体色素的相关理化性质。 3. 为进一步研究各叶绿体色素性质、功能等奠定基础。 二、原理 叶绿体中含有绿色素（包括叶绿素a和叶绿素b）和黄色素（包括胡萝卜素和叶黄素）两大类。它们与类囊体膜蛋白相结合成为色素蛋白复合体。它们的化学结构不同，所以它们的物化性质（如极性、吸收光谱）和在光合作用中的地位和作用也不一样。这两类色素是酯类化合物，都不溶于水，而溶于有机溶剂，故可用乙醇、丙醇等有机溶剂提取。提取液可用色谱分析的原理加以分离。因吸附剂对不同物质的吸附力不同，当用适当的溶剂推动时，混合物中各种成分在两相（固定相和流动相）间具有不同的分配系数，所以移动速度不同，经过一定时间后，可将各种色素分开。 三、材料、仪器设备和试剂 1. 绿色植物如菠菜等的叶片。 2. 研钵、漏斗、三角瓶、剪刀、滴管、康维皿、圆形滤纸（直径11cm）。 3. 试剂：95%乙醇，石英砂，碳酸钙粉，推动剂:按石油醚:丙酮:苯=10:2:1比例配制（v/v） 四、试验步骤 1. 叶绿体色素的提取 （1）取菠菜或其他植物新鲜叶片4-5片（4g左右），洗净，擦干，去掉中脉剪碎，放入研钵中。 （2）研钵中加入少量石英砂及碳酸钙粉，加2-3ml 95%乙醇，研磨至糊状，再加10ml 95%乙醇，然后以漏斗过滤之，残渣用10ml 95%乙醇冲洗，一同过滤于三角瓶中。

高中生物《绿叶中色素的提取和分离实验》精品课时练习试题

绿叶中色素的提取和分离实验 1．叶绿体色素的纸层析结果显示，叶绿素b位于层析滤纸的最下端，主要原因是( ) A．分子量最小 B．分子量最大 C．在层析液中的溶解度最低 D．在层析液中的溶液度最高 2.为研究高光强对移栽幼苗光合色素的影响，某同学用乙醇提取叶绿体色素，用石油醚进行纸层析，如图为滤纸层析的结果(Ⅰ、Ⅱ、Ⅲ、Ⅳ为色素条带)。下列叙述不正确的是( ) A．强光照导致了该植物叶绿素含量降低 B．类胡萝卜素含量的增加有利于该植物抵御强光照 C．色素Ⅲ、Ⅳ吸收光谱的吸收峰波长不同 D．画滤液线时，滤液在点样线上只能画一次 3．下图为新鲜菠菜叶中四种色素的相对含量及在滤纸条上的分离情况。下列说法不正确的是( ) A．叶绿体中的四种色素分布在类囊体薄膜上 B．四种色素均可溶于有机溶剂无水乙醇中 C．四种色素在层析液中溶解度最大的是甲 D．发黄的菠菜叶中色素含量显著减少的是甲和乙 4．下列关于绿叶中光合色素的提取和分离的叙述，不正确的是( ) A．用无水乙醇提取到的各种色素的含量不同

B．色素在层析液中的溶解度不同，导致在色素带的位置不同 C．研磨绿叶时不加CaCO3，则滤纸条上四条色素带变窄的比例相同 D．只画一次滤液细线会导致滤纸条上四条色素带的宽度变窄 5．下列关于“菠菜叶中色素的提取和分离”实验的相关叙述，错误的是( ) A．提取色素后，试管不加棉塞会导致滤液颜色变深 B．若发现菠菜严重缺乏Mg，则会导致叶绿素的含量降低 C．菠菜叶中含量最多的色素在层析液中的溶解度最小 D．光合色素的获得至少需要破坏3层磷脂双分子层 6．苋菜叶片细胞中除了叶绿体含有色素外，液泡中也含有溶于水但不溶于有机溶剂的花青素(呈现红色)。某探究小组用适量体积分数为95%的酒精提取苋菜叶片中的色素，然后用层析液分离。层析结束后滤纸条上出现了不同的色素带，对色素带由上到下分析有关叙述正确的是( ) A．第一条色素带对应的色素是叶黄素 B．第二条色素带对应的色素主要吸收蓝紫光 C．第三条色素带对应的色素是呈现红色的花青素 D．第四条色素带对应的色素在层析液中溶解度最大 7．列关于“绿叶中色素的提取和分离”实验的叙述，不正确的是( ) A．可以用无水乙醇提取叶绿体中的色素 B．叶绿体中色素能够分离的原因是不同色素在层析液中的溶解度不同 C．研钵中需加入二氧化硅、醋酸钙、无水乙醇和绿叶 D．滤液细线要画得细而直，避免色素带间的部分重叠 8．颜色变化常作为生物实验结果观察的一项重要指标，下列叙述正确的是( ) A．烘干的口腔上皮细胞经健那绿染液染色后，线粒体呈蓝绿色 B．取新鲜的菠菜叶，加人少许SiO2和无水乙醇，研磨液呈黄绿色，原因是菠菜叶用量太少C．紫色洋葱鳞片叶外表皮细胞发生质壁分离复原过程中，细胞液颜色变浅是液泡里的色素渗透出细胞所致 D．吡罗红染色剂可将口腔上皮细胞大部分染成红色 9．在做“绿叶中色素的提取和分离”实验时，甲、乙、丙、丁四位同学使用相关试剂的情况如表所示(“＋”表示使用，“－”表示未使用)，其余操作均正常，他们所得的实验结果依次应为( )

普通高中叶绿素提取和分离实验

普通高中相关实验 植物叶绿体中色素的提取与分离 用具：剪刀一把、干燥的定性滤纸、50ml的烧杯及100ml的烧杯各3个、白纸3张、试管架一个、研钵一个、玻璃漏斗一个、尼龙布或纱布、毛细血管一只、药勺一个、10ml量筒一只，天平一只，试管3支、纸板一块、棉塞3个、培养皿3个、刻度尺、注射器一只、盖玻片 试剂：丙酮、无水乙醇、层吸液（20份石油醚、2份丙酮、1份苯配置而成）、二氧化硅、碳酸钙、碳酸钠 材料：新鲜的菠菜叶、青菜叶、大叶黄杨叶片 背景资料： 1、叶绿素等是脂溶性的有机分子，根据相似相溶的原理，叶绿素等色素分子溶于有机溶剂而不溶于有极性的水。故在研磨和收集叶绿色素时要用丙酮或乙醇等有机溶剂而不用水。 2、叶绿素分布于基粒的片层薄膜上，加入少许二氧化硅是为了磨碎细胞壁、质膜、叶绿体被膜和光合片成，使色素溶解于丙酮中。 3、破碎的细胞中含有草酸等有机酸，叶绿素分子中含有的Mg元素处于不稳定化合太，镁离子与有机酸结合将导致色素分子破坏。加入少许碳酸钙使得钙离子与有机酸结合，减少镁离子的转移，防止研磨时叶绿体色素的破坏。所以在研磨时加入适量的碳酸钙，同时加入碳酸钠的道理亦如此。 4、在过滤时选用脱脂棉或纱布，而不用滤纸。原因主要有下：（1）色素分子比较大，不容易透过滤纸；（2）滤纸有较强的吸附性而使色素吸附在滤纸上，从而降低色素浓度，影响实验效果；（3）叶绿素是脂溶性，根据相似相容的原理，脱脂棉可以减少实验过程中色素的流失，增强实验效果。 5、根据物理学中的毛细现象，画滤纸细线前滤纸必须经过干燥处理，是为了阻止水分子堵塞滤纸中的毛细管而影响层析液的扩散。但如果用火烤的话，会使滤纸纤维变形同时破坏啦毛细管，而影响层析液的扩散。 6、由于液面的不同位置表面张力不同，纸条接近液面时，其边缘的表面的张力较大，层析液沿滤纸边缘扩散过快，而导致色素带分离不整齐的现象。故而，在插入层析液的滤纸条一端剪去两个角。 7、为了防止滤纸条倒入层析液中而使层析实验失败。同时，防止因液体表面张力引起层析液沿滤纸条向上的“壁流”而导致色素溶解。 8、色素分离的原理：纸层析是用滤纸作为载体的一种色层分析法，其原理主要是利用混合物中各组分在；流动相和固定相的分配比（溶解度）的不同而使之分离。滤纸上吸附的水为固定相（滤纸纤维常能吸20%左右的水），有机溶剂如乙醇等为流动相，色素提取液为层析试样。把试样点在滤纸的滤液细线位置上，当流动相溶剂在滤纸的毛细管的作用下，连续不断地沿着滤纸前进通过滤液细线时，试样中各组份便随着流动相溶剂向前移动，并在流动相和固定相溶剂之间连续一次有一次的分配。结果分配比比较大的物质移动速度较快，移动距离较远；分配比较小的物质移动较慢，移动距离较近，试样中各组分分别聚集在滤纸的不同的位置上，从而达到分离的目的。符合我国的资源友好型社会。 操作步骤