基于小波变换的语音隐藏算法

提出了一种基于小波变换的语音隐藏方法,把一段语音作为秘密信息嵌入一段数字音频信号中,其目的是用音频信号作伪装来传递秘密的语音信息或把语音信息作为一种标记来保护音频作品。这种方法根据人类听觉系统的特点,利用小波对语音信号进行压缩,增加了数据的嵌入量。载体音频信号小波变换后,选择部分小波系数用适当的嵌入参数嵌入信息。实验表明该算法的隐蔽性好,隐藏的数据量大,对常见的信号处理操作具有较强的稳健性,符合掩蔽通信的要求。     

一种基于听觉特性的自适应小波语音增强方法

提出一种基于人类听觉特性的自适应小波滤波算法。该方法用听觉感知小波变换对含噪语音信号进行小波分解,这样可以保证对信号频率和幅值的听觉特性,将经听觉感知小波变换所分离出来的噪声成分作为自适应滤波器的输入。通过采用递推最小二乘算法从而实现信噪分离的最佳滤波,以保证去除信号中的相关噪声。结果表明,该方法能实现非平稳信号在同频段对噪声成分和有用信号的最佳估计,提高了语音的清晰度和可懂度。     

基于LWT域的矩阵编码音频隐写算法

以音频信号作为载体,对隐蔽性与嵌入量进行了研究,提出一种提升小波域的信息隐藏算法,算法利用矩阵编码来实现秘密数据的嵌入。该算法对载体音频帧作提升小波变换,采用人类听觉系统(HAS)的掩蔽特性来寻找合适的嵌入帧,提取宿主信号提升小波分解系数的LSB,矩阵编码实现秘密数据的嵌入。实验结果表明,该算法由于使用了人类听觉掩蔽特性,因此比普通小波域LSB算法具有更加高效、安全、隐蔽的性能,使得鲁棒性与不可感知性得到折中。     

基于DCT和DWT域的音频信息隐藏算法

提出了一种基于DCT域和DWT域的音频信息隐藏算法.该算法充分利用了离散小波变换的多分辨率特性和离散余弦变换的能量压缩能力,通过量化的方法把保密语音信息隐藏到原始的载体音频中,在保密语音的提取过程中不需要原始音频信号的参与.仿真试验表明,该算法的鲁棒性和不可感知性比单独采用DCT变换或DWT变换更好.     

一种基于 DWT 的音频水印算法

基于人耳听觉特性和小波变换的时频特性,提出了一种水印嵌入与检测算法。通过提取音频信号幅度的最大值进行小波变换,再在小波变换的重要系数中嵌入水印。仿真实验证明:该算法隐藏水印具有较好的不可感知性和较强的稳健性。     

基于自适应仿生小波变换的语音增强方法

分析自适应滤波和小波滤波的原理与方法,提出一种基于自适应仿生小波变换的语音增强方法.该方法首先用仿生小波变换对含噪语音信号进行小波分解,这样可以保证对信号频率和幅值的听觉特性,然后将经仿生小波变换所分离出来的噪声成分作为自适应滤波器的输入.通过选用自适应滤波器的最小二乘算法(RLS)从而实现信噪分离的最佳滤波,以保证去除信号中的相关噪声.实验结果表明,该方法对语音信号有显著的增强效果,能实现语音信号在同频段对噪声成分和有用信号的最佳估计.     

基于小波域的大容量图像信息隐藏盲提取算法

目前基于变换域的信息隐藏算法面临容量较小,提取时需要原始图像的问题.提出了一种基于小波变换的大容量信息隐藏盲提取算法,该算法结合人类视觉特性(HVS)及隐密信息自身的特征,以三次小波变换后的低频分量作为参照自适应地调整中高频子带系数来实现信息的嵌入.实验结果表明,该算法具有容量大的特点,并实现了隐密信息的盲提取.     

基于小波变换的语音信息隐藏算法

提出了一种基于小波变换的语音信息隐藏算法,算法在小波变换的高频系数中嵌入密文信息,获得了很好的隐藏效果。大量的试验结果表明算法具有抵抗语音压缩、重新采样攻击的能力。     

基于不完全小波包分解的语音信号数据压缩

为有效解决现有语音信号压缩算法基本没有考虑人耳听觉特性,所划分出的子带与人耳听觉特性相去甚远,语音质量不高的问题,提出了一种基于不完全小波包分解的语音数据压缩算法.该算法充分考虑语音信号的特点以及人耳听觉特性,利用小波包合理分割子带,在每个子带内进行编码,并采用优化目标函数,作为选择最优小波基的评价函数,使划分出的子带更符合人耳听觉特性.实例仿真计算表明,该方法能取得较高的压缩率,压缩后恢复的语音信号具有良好的清晰度和自然度.     

一种基于背包公钥的语音信息隐藏算法

针对在传输语音秘密信息过程中存在破坏或窃取的问题,提出一种鲁棒性较强的信息隐藏方法。把一段语言作为秘密信息隐藏到宿主音频中,在公共信道中传递秘密信息。该算法是根据人类听觉系统在小波域中嵌入秘密信息,并且利用背包公钥可以使隐藏的信息具有加密功能。对于外界的噪声、压缩、滤波干扰有很强的抗干扰能力。     

在小波域中实现的奇异谱分析音频隐藏算法

针对许多语音隐藏算法隐藏容量不大、透明性不高等问题,提出了一种新的语音隐藏算法。将隐蔽信息通过G.729A进行压缩编码,再将提升小波变换和奇异谱分析应用于音频信息隐藏。实验表明,通过该算法嵌入隐蔽信息后的音频文件不仅在隐蔽信息容量上有显著的提高,而且具有很好的透明性,也能抵抗一定的攻击,算法在隐蔽容量、透明性和鲁棒性方面达到了较高的平衡。     

鲁棒的混合域音频信息隐藏算法

提出了一种基于离散小波变换(DWT)和离散余弦变换(DCT)的音频信息隐藏算法。对载体音频整体进行小波分解,将其划分成若干频带,然后根据人耳听觉的频率掩蔽效应,选择对人耳听觉不敏感的频带所对应的小波系数,将小波系数分段进行离散余弦变换,将水印嵌入到DCT直流系数上。实验表明,嵌入水印后的音频文件不仅具有良好的不可感知性,而且对诸如噪声、低通滤波、重采样、回声和Mp3压缩等的攻击具有很强的鲁棒性,并能抵抗一定程度的样点裁剪攻击,算法的鲁棒性和不可感知性达到了很好的平衡。     

基于最大信息熵的小波包阈值去噪语音增强算法

去噪算法在语音增强中占有极为重要的地位.而传统的小波阈值去噪算法会不可避免地造成部分有用语音信号的损失.为了更好地对含噪语音信号进行去噪,选用小波包分析法进行语音分解,采用一种新的阈值函数,同时基于最大信息熵的原理确定了阈值和加权阈值函数中的权因子.仿真结果表明,该算法能够很好地抑制噪声,保证重建信号质量.无论在听觉效...     

一种抵抗去同步攻击的音频隐藏信息的方法

基于音频信息隐藏技术,提出了一种有效抵抗恶意去同步攻击的语音保密通信方法.对保密语音进行压缩编码,利用G.729编码标准的帧内独立编码特性,实现语音码流的帧内自同步;采用量化方法,将语音信息隐藏到载体音频的小波域中;以PN序列作为时域同步帧,定位保密信息的隐藏位置.该算法复杂度低,隐藏容量满足正常语音通信要求,且保密语音的检测与提取不需要使用原始音频.实验表明,算法抵抗音频处理(如加噪、MP3压缩、重采样、随机裁剪等)性能理想,特别是对于音频信号的恶意裁剪攻击,与同类方法相比具有更强的鲁棒性.     

基于离散余弦变换的音频信息隐藏算法

研究了一种将保密语音隐藏在公开的音频载体中的信息隐藏算法.在对保密语音进行改进型多带激励(IMBE)编码,进行纠错编码后形成秘密信息的基础上,对音频载体进行离散余弦变换,通过修改相邻频段的能量而嵌入秘密信息.提取时按同样的方法确定相邻频段的能量值以盲恢复秘密信息,并经IMBE解码还原保密语音.仿真实验结果表明,该算法对音频压缩,加噪等攻击具有较高的鲁棒性.     

一种基于MH公钥的语音信息隐藏算法

针对在传输语音秘密信息过程中存在破坏或窃取的问题,本文提出一种鲁棒性较强的信息隐藏方法.把一段语言作为秘密信息隐藏到宿主音频中,在公共信道中传递秘密信息.该算法根据人类听觉系统,在小波域中嵌入秘密信息.并且利用MH公钥结合汉明码,不但使隐藏的信息具有加密功能,而且在提取时具有纠错功能.对于外界的噪声、压缩、滤波干扰有很强的抗干扰能力.     

一种DCT域的音频信息隐藏方法

基于信息隐藏技术,提出并实现了一种语音保密通信的新方法。首先将保密语音进行混合激励线性预测（MELP）编码,形成隐藏信息;然后对公开语音信号作分段DCT变换,隐藏信息通过量化处理嵌入到DCT域的中频点;解码器在同样的嵌入点盲提取出隐藏信息,最后经MELP解码恢复保密语音。实验结果表明该算法在隐藏信息后,信道中传输的公开语音具有透明性,并且在受到压缩、滤波等攻击时具有较高的鲁棒性。     

An enhanced fuzzy c-means algorithm for audio segmentation and classification

Automated audio segmentation and classification play important roles in multimedia content analysis. In this paper, we propose an enhanced approach, called the correlation intensive fuzzy c-means (CIFCM) algorithm, to audio segmentation and classification that is based on audio content analysis. While conventional methods work by considering the attributes of only the current frame or segment, the proposed CIFCM algorithm efficiently incorporates the influence of neighboring frames or segments in the audio stream. With this method, audio-cuts can be detected efficiently even when the signal contains audio effects such as fade-in, fade-out, and cross-fade. A number of audio features are analyzed in this paper to explore the differences between various types of audio data. The proposed CIFCM algorithm works by detecting the boundaries between different kinds of sounds and classifying them into clusters such as silence, speech, music, speech with music, and speech with noise. Our experimental results indicate that the proposed method outperforms the state-of-the-art FCM approach in terms of audio segmentation and classification.