基于压缩编码与混沌加密的语音通信

提出一种基于压缩编码与混沌加密的语音通信方案,并用软件实现了语音双工实时保密通信。其加密方法通过m序列随机改变混沌映射的参数,并利用选择判据引入m序列扰动。混沌加密之前先进行压缩编码处理,减少了传输的数据量,缩短了加解密数据语音所花费的时间。实验表明,系统具有传输效率高,实时性好,提高了数据语音保密通信的安全性等特点。     

中低速率语音波形编码

提出了一种波形编码的新方法，阐述了其编码原理。该编码算法简单，恢复的语音质量较好。由于利用了矢量量化技术，所以该编码速率较低。     

基于半波编码的语音码本的设计

在对语音实验分析的基础上。提出一种语音波形编码的新方法——半波编码。文中详细阐述了浊音初始码本和码本的制作方法，并类推出清音和无声码本的制作。     

基于AAC音频编码与混沌加密的语音加密技术实现

为了减少语音的加密数据量,在此提出一种基于压缩编码和混沌加密的语音加密方案。采用先编码后加密的实现方法,语音编码算法采用AAC低复杂度编码算法,加密算法采用二维猫映射算法,在ARM9硬件平台下的实现结果表明AAC编码压缩比为18∶1,猫映射加解密算法执行效率快,解密后无失真,实验结论证实该方案是可行的。在此将音频压缩算法与混沌加密结合起来,在不影响语音音质和加密效果的前提下减少了加密运算的数据量以及最终加密文件的大小,缩短了加解密语音数据所花费的时间,减少了语音保密通信所需要的带宽。     

中低速率语音波形编码

提出一种波形编码的新方法，阐述其编码原理，给出编码框图。由于利用矢量量化技术，所以该编码速率较低且算法简单，恢复的语音质量较好。     

基于ADPCM,CELP和语音分类和变速率语音压缩编码

新的通信方式和计算机网络的飞速发展，对语音信号的编码传输提出了新的要求。在新一代的网络中，希望能充分利用信号源的特征和信道的统计复用性，改变以往信源一般输出是恒定速率码流的特点，而以具有不同速率的分层编码和变速编码，作为新的信源编码系统。讨论了基于ＡＤＰＣＭ、ＣＥＬＰ和多类激励的多种变速率编码方案。实验表明，利用语音信号本身特征，达到高压缩比同时具有较高合成语音质量是可能的。     

混沌在密码学中的应用

混沌是确定性非线性动力系统内在随机性的表现，混沌吸引子具有周期无穷长的特征，混沌解的这种特征为在密码技术中应用提供了可能。论文探讨了混沌吸引子在密码系统分析中的应用的可能性，这将是一种加密技术的新方法。     

语音业务在ATM网络中降低装配时延提高系统质量的新方法

本文针对ＡＴＭ网络中的语音通信，提出了一种降低信元装配时延的新方法，以及相应的基于ＡＤＰＣＭ的新的信源编码系统，它能确保在信元丢失时，收发双方编译码系统不会失步，并且能产生基本无附加听觉噪声的丢失段恢复语音。文中还分析了各部分参数的求法，实验表明，该法产生的丢失段恢复语音，具有良好的听觉质量。     

通用码本语音矢量编码算法研究

基于预测编码、SOM自主神经网络矢量编码和Huffman编码的联合编码算法(PV算法)压缩效果虽然较好,但它在对每段语音编码时,都需要利用该段语音信号,通过SOM自主神经网络训练得到码本,算法复杂、耗时。为此文中提出从具有一般特征的多段语音信号中通过SOM自主神经网络训练提取码本,所有的语音信号段PV编码都统一用该码本,不需要对每一段语音信号编码都做一次提取码本的运算,这样不仅节省了每段语音PV编码时用于训练码本的时间,也节省了需要编码的专用码本的信息,减小了码率。实验结果显示,通用码本的PV编码算法在保证一定语音质量的条件下,是可行的。文中提出的编码算法在语言压缩编码方面具有较高的研究价值和很好的应用前景。     

利用深度全卷积编解码网络的单通道语音增强

针对传统的神经网络未能对时频域的相关性充分利用的问题，提出了一种利用深度全卷积编解码神经网络的单通道语音增强方法。在编码端，通过卷积层的卷积操作对带噪语音的时频表示逐级提取特征，在得到目标语音高级特征表示的同时逐层抑制背景噪声。解码端和编码端在结构上对称，在解码端，对编码端获得的高级特征表示进行反卷积、上采样操作，逐层恢复目标语音。跳跃连接可以很好地解决极深网络中训练时存在的梯度弥散问题，本文在编解码端的对应层之间引入跳跃连接，将编码端特征图信息传递到对应的解码端，有利于更好地恢复目标语音的细节特征。 对特征融合和特征拼接两种跳跃连接方式、基于L1和 L2两种训练损失函数对语音增强性能的影响进行了研究，通过实验验证所提方法的有效性。      

一种稳健的基于Visemic LDA的口形动态特征及听视觉语音识别

视觉特征提取是听视觉语音识别研究的热点问题。文章引入了一种稳健的基于Visemic LDA的口形动态特征,这种特征充分考虑了发音时口形轮廓的变化及视觉Viseme划分。文章同时提出了一利利用语音识别结果进行LDA训练数据自动标注的方法。这种方法免去了繁重的人工标注工作,避免了标注错误。实验表明,将'VisemicLDA视觉特征引入到听视觉语音识别中,可以大大地提高噪声条件下语音识别系统的识别率;将这种视觉特征与多数据流HMM结合之后,在信噪比为10dB的强噪声情况下,识别率仍可以达到80％以上。     

离散混沌系统稳健差拍同步方法及其在保密通信中的应用

本文结合自适应信道盲均衡和离散混沌系统差拍同步提出了一种存在信道畸变时的离散混沌系统的稳健关拍同步方法。该方法把混沌误差同步作为能量函数,利用进化算法训练递归神经网络完成自适应信道盲均衡,均衡器的输出作为混沌接收器的激励信号,从而在完成信道盲均衡的同时混沌系统达到同步状态。此外,本文提出了一种利用离散混沌系统稳健差拍同步实现存在信道畸变时的保密通信方法。     

基于语音谐波结构的鲁棒特征参数及其在说话人识别中的应用

通过对纯净语音及含噪语音短时谱的分析比较,提出了一种基于基音频率及其谐波结构的新的语音特征参数。实验表明,与传统的倒谱特征相比,新特征对加性白噪声相对较不敏感,在闭集文本无关说话人识别中,新特征可以在加性白高斯噪声环境下提高系统的说话人识别率。     

多带抗噪声语音识别算法研究

根据Flether等人的研究,基于感知独立性假设的子带识别方法被用于抗噪声鲁棒语音识别。本文拓展子带方法,采用基于噪声污染假定的多带框架来减少噪声影响。论文不仅从理论上分析了噪声污染假定多带框架在识别性能上的潜在优势,而且提出了多带环境下的鲁棒语音识别算法。研究表明：多带框架不仅回避了独立感知假设要求,而且与子带方法相比,多带方法能更好的减少噪声影响,提高系统识别性能。     

一种基于线性判别分析的稳健话音检测方法

给出一种新的话音检测方法，即在SNR算法的基础上，应用线性判别分析(LDA)对语音特征参数进行降维。在大噪声环境下，该方法提高了系统的稳健性。同时将这种新的方法与基于信噪比(SNR)和基于噪声／语音统计量(N＆S STAT)的算法做了比较，实验表明该方法可以提高检测效率。     

一种基于混沌系统的窄带超低速语音加密算法

为了在极低通信速率信道中实现保密语音通信,在北大西洋公约组织的0.6 Kb/s增强型混合激励线性预测声码器算法基础上,提出了基于混沌映射的保密通信算法。算法利用两个Logistic方程产生混沌序列,对声码器码流进行置换和移位。最后对该加密语音通信系统进行了仿真测试。测试结果证明,系统方案切实可行,产生的密钥空间大,能够实现加密强度较高的语音保密通信。     

抗噪声的小波谱压缩特征提取算法在语音识别中的应用

针对语音识别实际应用过程中的噪声问题,给出了一种新的抗噪声的特征提取算法,即先利用小波变换将语音信号进行小波子带分解,再根据人耳的听觉掩蔽效应,由谱压缩的技术,将小波变换后的子带语音信号进行压缩,从而提取其对应的语音特征。通过MATLAB软件建立实验平台,仿真实验结果表明该语音特征可以在噪声环境下得到较高的识别率。新的特征参数即充分利用了小波的抗噪声特性又有效地降低了语音识别中的训练环境和识别环境间的失配,具有抗噪声的特点。     

一种基于音质评估的语音伪装通信新方法

研究一种语音伪装新方法,将保密语音替换成另外一种语音以便于在公网上安全传输。保密语音经2.4kb/低速率压缩编码后,依据设计的客观音质评估模型,将参数隐蔽地嵌入普通语音;检测时利用逆过程恢复保密语音。实验表明算法的信噪比较传统算法提高约3.5dB,并在受到压缩、滤波等攻击时具有较高的鲁棒性。     

Robust speaker recognition: a feature-based approach

This article presents an overview of current speaker-recognition systems and the problems encountered in operation, and it focuses on the front-end feature extraction process of robust speech techniques as a method of improvement. Linear predictive (LP) analysis, the first step of feature extraction, is discussed, and various robust cepstral features derived from LP coefficients are described. Also described is the affine transform, which is a feature transformation approach that integrates mismatch to simultaneously combat both channel and noise distortion     

基于耦合映象格子的图像分割方法

为了实现图像的自适应多级分割,利用混沌动力学系统对初值的敏感性和全局耦合映象混沌同步的特点,提出了一种基于耦合映象格子的图像分割方法.方法对每个灰度等级构建全局耦合映象,建立灰度等级间关系矩阵和灰度等级更新模型,通过全局耦合映象混沌同步过程完成灰度等级的自适应聚类.实验结果表明方法对中间类灰度等级聚类具有很好的鲁棒性,分割过程不需要人工干预,并且具有较强的灵活性,优于阈值分割和边缘检测的图像分割方法.