语音回声信息隐藏技术研究

回声信息隐藏是通过在语音媒体中加入不同延时的回声来实现信息隐藏的一种技术。采用易于检测的前向一后向回声核构建了回声信息隐藏系统。介绍了前向一后向回声核的构成原理和倒谱检测方法，仿真并分析了系统关键参数对隐藏信息恢复率的影响，如延迟时间、分段长度、回声的衰减系数等。通过引入8个延时的回声实现了8进制信息隐藏，使隐藏信息的容量提高了3倍，在采样频率为8kHz的条件下达到150bit／s，恢复率大于99％。20人的非正式试听表明，隐藏信息后的语音和原始语音没有明显的差别且优于单回声的语音质量，得到了较好的隐藏效果。     

基于统计特征的语音回声隐藏分析

提出了一种基于偏度和峰度的语音回声隐藏分析方法.通过分析回声隐藏导致的语音复倒谱变化,计算出语音复倒谱的统计特征--偏度和峰度.通过对原始语音样本和藏密语音样本复倒谱偏度和峰度的学习和训练,分别得到可用于回声隐藏分析的偏度和峰度阈值.该方法已在计算机上进行了实验.实验结果表明,该方法能够有效地分析多种回声隐藏方法,峰度的隐藏分析结果好于偏度.     

回声隐藏技术中回声核的研究

简述了对回声隐藏技术的最初设想、心理声学原理及最基本的回声隐藏方法,在此基础上总结了回声隐藏算法的研究进展情况,主要归纳了对回声核的改造,同时对各种回声核结构进行了模拟仿真测试,通过测试结果分析并比较了各方法的优缺点,展望了回声隐藏技术领域的研究发展方向.     

音频数字水印中回声隐藏技术的时域提取方法

回声隐藏是利用音频作载体的一种信息隐藏技术。根据音频数字水印的应用情况，提出了时域水印提取的方法，通过matlah仿真实现。并在此基础上，提出了利用空余隐藏量降低误码率的改进方法。实验证明，在44100Hz采样频率的条件下完全可以获得很好的音频数字水印的运用效果。     

基于卷积神经网络框架的回声隐藏检测方法

回声隐藏是一种以音频为载体的隐写技术,目前针对回声隐藏的隐写分析方法主要以倒谱系数作为手工特征进行分类。然而,这些传统方法普遍在回声幅度较低时检测性能不高。针对回声幅度较低的情况,提出一种基于卷积神经网络（CNN）的回声隐藏隐写分析方法。首先利用短时傅里叶变换（STFT）提取音频的幅度谱系数矩阵作为浅层特征,然后设计了一个卷积神经网络框架对浅层特征进行进一步的深度特征提取,网络框架中包含了四个卷积模块以及三层全连接层,最后分类结果以Softmax进行输出。在三种经典的回声隐藏算法上对提出的方法进行了隐写分析实验评估,实验结果表明,该方法在低回声幅度条件下的检测率分别为98.62%、98.53%和93.20%,与目前所提出的传统基于手工特征的方法和基于深度学习的方法相比,检测性能提升10%以上。     

隐藏逻辑磁盘的技术与实现

文中提出了一种利用分区链表数据隐藏逻辑磁盘的技术，该方法具有隐藏效果好、不易被发现和破坏、恢复容易等特点。     

一种基于短时能量自适应的回声隐藏算法

在前后向双核回声隐藏思想的基础上,提出了一种基于声音信号短时能量自适应的回声隐藏算法,根据不同音段的短时能量自适应调整回声核衰减系数的大小,并且在隐藏信息提取的过程中引入了功率倒谱检测法。改进后的算法具有良好的鲁棒性,不可感知性更高,隐藏效果更好。     

基于时域扩展回声隐藏的数字音频水印研究

信息隐藏是一种在不对载体信号产生过多影响的条件下将额外的信息嵌入数字媒体中以实现版权保护、隐蔽通信等功能的技术,回声隐藏是利用音频作载体的一种信息隐藏技术。传统时域扩展回声隐藏技术存在着两个影响水印安全和质量的问题,在此基础上对其算法进行改进,在保证音频质量和降低误码率的同时,使嵌入的水印贯穿到了整个信号,增强了水印的鲁棒性。     

数据隐藏与数字取证

提出了一种基于空间域的相关性数据隐藏算法，并利用相关性原理能够在不参考原始载体的情况下对数字图像进行内容认证和密文提取，通过提取数字图像中的嵌入数据，为司法机关提供证据，实现数字取证。多媒体信息的数据隐藏技术，是实现数字取证的一种行之有效的方法，通过把与位置相关的GPS信息隐藏到多媒体信息中，为以后版权保护和计算机取证提供了有力的手段。     

基于相邻两像素差值的无损数据隐藏算法

提出了一种基于相邻两像素差值的无损数据隐藏算法.只有当相邻两像素的差值为0时才可以隐藏数据,并修改像素的灰度值,当相邻两像素的灰度值不相等时,只修改灰度值不隐藏数据.大量的实验结果表明,隐藏数据后的载体图像的信噪比(PSNR)都在40dB以上,提取出隐藏数据后的载体图像的PSNR为∞,能够将隐藏信息后的载体图像完全恢复.