基于盲源分离的小波域多重音频水印方法

该文利用盲源分离理论,提出一种小波域的多重音频水印方法。为了解决多水印嵌入过程中经常需要考虑的嵌入顺序问题,同时增强水印方法的安全性,本文将两路水印信号与一路等长的混沌序列进行混合,得到嵌入水印信号。然后,利用线性混合方法,将嵌入水印信号与选定的小波系数进行混合,得到隐秘信号。水印提取时,利用独立分量分析算法,提取嵌入水印信号,再经过后处理过程,得到原始水印。该水印方案是一种盲水印方法,可以将多个作者信息同时嵌入到音频作品中,而不需要考虑水印的嵌入顺序。实验结果表明,该方法对常规的信号处理操作具有良好的鲁棒性,以及良好的抵抗时间轴同步攻击的能力。     

双声道音频水印的同步及盲检测算法

基于双声道特性提出了水印同步及盲检测方法。通过计算左右声道Mel频率倒谱系数特征并利用左右声道相关性实现水印同步段,并将水印嵌入在这个同步段内。同时分析了水印嵌入及攻击对同步性能的影响。利用左右声道同时嵌入正相关或负相关的水印,在水印检测时可对左右声道进行相关检测来确定水印嵌入信息,实现了相关检测在水印盲检测中的应用。水印检测时,既不需要原始载体,也不需要原始的水印信息。实验结果表明:提出的同步及水印嵌入算法对加噪、MP3压缩、重采样及重量化等攻击具有较强的健壮性。     

音频水印盲检测算法的关联性分析

针对嵌入的水印信息与宿主信息存在一定关联性,深入研究了音频水印的盲检测方案,通过设定不同的假设条件,分析了其对应的盲水印检测过程.首先介绍了音频水印算法的嵌入过程和水印盲检测原理,然后深入分析了音频水印盲检测过程中水印信息与宿主信息之间的关联性,并分别以半盲检测算法和盲检测算法为代表,分析了水印信息与宿主信息之间的关联性,并得出了量化的计算式.     

变换域内利用SVD的音频数字盲水印算法

为了有效地保护音频数字的版权,提出了一种基于离散小波变换(Discrete Wavelet Transformation,DWT)和奇异值分解(Singular Value Decomposition,SVD)并利用人耳听觉系统(Human Audio System,HAS)特性的音频数字水印算法.根据音频信号的特征选...     

基于变分贝叶斯学习的音频水印盲检测方法

为了提高音频水印的检测性能,基于音频帧MFCC特征的统计特性,提出了一种音频水印盲检测方法。在音频帧的DCT系数上嵌入扩频水印,对嵌入水印的音频帧和原始音频帧分别提取MFCC特征进行训练,分别建立高斯混合模型,并通过变分贝叶斯学习方法估计出高斯混合模型的参数,检测时依据最大似然的原则。实验结果显示提出的方法在音频信号受到噪声干扰和恶意攻击的情况下,相对基于EM算法的方法在误检率上有明显降低,在小样本训练情况下具有更好的效果并且可以有效避免过拟合的问题。     

一种基于峰度的盲源分离算法研究

盲源分离(BSS)问题是在缺少先验知识的情况下，从接收到的观测信号中恢复统计独立的源信号。独立分量分析(ICA)方法把多维随机矢量转换为尽可能统计独立的分量，是现代解决盲源分离问题最主要的方法之一。本文给出了一种基于峰度的盲源分离算法，与用Comon的方法求解Givens矩阵相比，结构清晰、实现简单，而且几乎没有对源信号的概率密度函数做任何假设，可以对几乎所有概率密度的源信号进行分离，还借鉴了Comon的成对处理原则，把算法推广到了解决一般的盲源分离问题。仿真证明了该算法的有效性。     

基于细菌觅食的盲源分离算法研究

细菌觅食算法是一种基于细菌觅食行为的智能优化算法.盲源分离是盲信号处理的重要方面.为了提高盲源分离的有效性,根据盲源分离和细菌觅食算法的基本原理,提出了一种基于细菌觅食行为的盲源分离算法.用MATLAB对提出的这一算法进行仿真,并将其分离结果与传统独立分量分析算法的分离结果相比较.实验结果表明这是一种分离效果优于传统独立分量分析算法的有效分离算法.证明了基于细菌觅食盲源分离算法的可行性和有效性.     

基于 BHC 编码的 DCT 域音频水印算法

将BHC编码引入到音频水印系统的研究中,设计了一种包含版权信息和密钥的二值图像作为水印.利用混沌序列,并将其加密后,采用BHC纠错编码,将水印信息嵌入到原始音频信号的DCT域中,此水印方案包含的版权信息量大.对一般信号处理进行了仿真实验,实验表明此方法具有很强的鲁棒性.     

用于CMOS图像传感器芯片的版权保护盲水印算法

提出了一种易于硬件实现的、用于图像版权保护的自适应盲水印算法。利用R、G和B分量在图像信息中各自的不同特点做不同处理;根据人眼的视觉特性,通过对图像G分量纹理强度分析自适应地选择合适的水印拉伸因子,从R分量中提取图像内容来加密水印,对B分量进行DCT变换来嵌入不可见盲水印。采用伪随机序列发生器实现水印置乱,基于DCT中低频系数求均值来嵌入盲水印,大大降低了硬件消耗。实验结果表明,算法对噪声干扰、滤波、锐化、剪裁和模糊处理具有很好的鲁棒性,提取出的水印的归一化相关系数均在0.5之上,大于人眼可识别的检测阈值。     

一种频率域的盲源分离算法

提出了一种频率域基于第二特征函数的窄带信号盲分离算法，理论上证明了本方法能够从有噪观察数据中得到无噪混合矩阵估计。仿真结果表明本方法信号分离性能优于时域方法。在高信噪比时，本方法的分离信号绝对误差和比时域方法低9．5dB。     

一种信号源盲分离的神经网络算法

本文提出了一种新的盲信号分离的神经网络算法。神经网络的第一层使用奇异值分解(SVD)方法对观测信号进行预白化处理。在传感器的数目不少于源信号的情况下,预白化处理能够估计出源信号的数目,同时压缩掉冗余信息。神经网络的第二层是分离层。分离层的权值矩阵应该是正交矩阵。本文应用一个正交严格受限(SOC)算法调整分离网络的权值。其中,用恢复信号的四阶互累积量的平方构造代价函数。仿真实验验证了算法的有效性。     

盲源分离和盲反卷积

盲信号处理是信号处理领域的热点研究问题,盲源分离和盲反卷积是盲信号处理的重要组成部分近年来取得许多重要进展.本文主要介绍盲源分离和盲反卷积的基本模型、数学原理和研究进展;分析了各种方法的特点并指出了进一步的研究方向.     

利用脊的特征进行信号盲分离

本文研究了一种新的盲信号分离方法,利用信号在时频变换域上的一些形态特征进行信号分量的分离和重构.稳定位相法的理论表明,渐近信号在连续小波变换域上的分布呈现明显的脊的形态,脊上的数据表现出和原信号最相似的特性,各个信号分量的主要参数均可以从各自对应的脊上的信息中提取出来,并且完全重构信号.本文利用这一特点对由多个非平稳信号混合而成的源信号进行盲分离,并给出了仿真实验的结果.     

一种用于数字音频广播的自适应水印算法

为了解决数字音频广播版权认证,提出一种基于频域和MPEG压缩域的自适应盲检测水印算法。通过量化处理数字音频信号的离散傅里叶变换系数的幅度和MPEG音频流的比例因子的方法嵌入水印。仿真表明,该算法对数字音频信号的MP2压缩、噪声叠加以及滤波等操作具有很强的鲁棒性,可适用于实际数字音频广播系统。     

语音信号频域盲分离中一种频率对准方法

混合语音信号可以使用盲分离频域解法,对观测信号在每一个频点分别进行复值独立分量分析（CICA）算法来解混并得到分离信号,但带来了幅值和次序不定问题（后者又称频率对准）。讨论了频率对准算法中基于DOA估计的方法,并提出了一种基于分离矩阵初始化的频率对准方法,此方法易于实现。通过仿真表明,该方法较好地解决了次序不定问题．对卷积混合语音信号有较好的分离效果。     

一种基于盲源分离的雷达信号分选方法

盲信号分离是近几年才发展起来的,用于解决从混合观测数据中分离源信号的一门新技术,已在众多领域中获得了广泛的应用。文中结合高阶累积量对高斯噪声的不敏感性,给出了一种基于盲源分离的雷达信号分选方法,可以对高斯噪声背景中混合的多个雷达信号实现分选。最后给出了该方法的计算机仿真,结果证明了该方法的有效性。     

混合语音信号的盲分离

重点研究了卷积混合语音信号的盲分离方法。语音信号是非平稳信号,但是它在短时间上具有平稳性。因此,本文对语音信号进行加窗傅立叶变换（FFT）将卷积混合问题转换为频域上每个频点的瞬时性BSS（blind source separation）问题,采用定点（fixed—point）ICA（independent component analysis）算法对混合语音信号进行了分离,并用matlab进行了仿真。     

Audio Source Separation Based on Residual Reprojection

This paper describes an audio source separation that is based on nonnegative matrix factorization (NMF) and expectation maximization (EM). For stable and high‐performance separation, an effective auxiliary source separation that extracts source residuals and reprojects them onto proper sources is proposed by taking into account an ambiguous region among sources and a source's refinement. Specifically, an additional NMF (model) is designed for the ambiguous region — whose elements are not easily represented by any existing or predefined NMFs of the sources. The residual signal can be extracted by inserting the aforementioned model into the NMF‐EM‐based audio separation. Then, it is refined by the weighted parameters of the separation and reprojected onto the separated sources. Experimental results demonstrate that the proposed scheme (outlined above) is more stable and outperforms existing algorithms by, on average, 4.4 dB in terms of the source distortion ratio.     

LS—CMA在MIMO—OFDM频域盲信源分离中的应用

源分离(SS)是M IMO系统接收的关键技术,而盲源分离(BSS)又是其中的一个研究热点。目前最小二乘常模(LS-CM)BSS算法[1~3]都是针对频率非选择性衰落的时域M IMO信道。本文提出了LS-CMA在M IMO-OFDM系统频选信道频域盲源分离中的应用,计算机仿真表明,M IMO-OFDM系统频域盲信源分离的最小二乘常模算法能够获得很好的性能以及较快的收敛性。