一、回声隐藏的研究与实现(论文文献综述)
王超[1](2020)在《基于数字水印的语音安全认证及篡改检测技术》文中提出数字水印作为保护信息安全、实现防伪溯源和版权保护的有效方法,是信息隐藏技术研究领域的重要分支和研究方向。在本文中,我们主要研究的是通过语音的数字水印技术来实现语音的安全认证和篡改检测。现如今,语音的水印技术已经发展出很多种,我们在本文中主要使用的水印嵌入方法是回声隐藏(Echohiding)方法和量化索引调制(Quantization Index Modulation,QIM)方法。这两种水印方法在众多水印方法中具有比较简单的操作过程,良好的语音质量和较为广泛的应用等优点。但是目前在对这些水印方法的相关研究中也存在着低嵌入量和低安全性等问题,而且越来越多的语音篡改类型的出现对语音信号构成了严重的威胁。为了解决这些出现的问题,单纯的从嵌入方法上提升已经是很困难的事了,因此我们需要结合其它现有的技术对其相关性能进行提高。针对现有数字水印技术在安全认证和篡改检测中所存在的问题,本文分别从语音的安全认证和篡改检测两方面展开讨论,主要完成了以下工作:(1)提出了基于回声隐藏和鲁棒主成分分析(Robust Principal Component Analysis,RPCA)的安全认证模型。该模型利用RPCA将原始音频信号分解为低秩和稀疏部分,然后利用一对相反的改进后的伪随机(Pseudo-Noise,PN)序列对其进行水印嵌入。改进后的PN序列增加了相关峰值,提高了水印检测的鲁棒性。与此同时,受益于RPCA和相反的PN序列,该方法可以进一步提高模型的安全性,因为即使PN序列是已知的,水印信息也无法从整个水印信号中检测到,这相较基于PN序列的回声方法是一个明显的改善。在水印检测过程中,我们利用水印信号的低秩和稀疏特征,通过相同的RPCA分解参数,可以从低秩和稀疏部分分别提取出水印信息。在此基础上,我们还提出了一种多比特嵌入方法来提高提出方法的嵌入容量,与以往基于PN的回声隐藏方法相比,可获得双倍的嵌入容量。我们对该方法从不可听性、安全性和鲁棒性方面进行了评估。实验结果验证了该方法是有效的。(2)提出了基于线谱频率(Line Spectral Frequencies,LSFs)和离散小波变换(Discrete Wavelet Transform,DWT)的篡改检测模型。我们利用回声隐藏技术将语音本身的LSFs作为篡改检测水印嵌入到语音中。同时,我们采用QIM技术在DWT域内嵌入同步码。通过回声、LSFs和同步码共同实现篡改检测。实验表明,该方法不仅满足一定的语音质量和鲁棒性,而且具有较好的安全性和脆弱性。此外,该方法对篡改的检测具有较好的准确性。
陈强,陈雨,杜婷婷[2](2019)在《基于纠错编码的回声隐藏音频水印算法》文中进行了进一步梳理数字音频水印应用于版权保护、数字指纹、隐藏标识、保密通信等。水印误码率和归一化相关系数是衡量音频水印系统鲁棒性最重要的两个技术指标。实现方法之一的回声隐藏算法主要采用的汉明编码能有效降低水印误码率。但由于汉明码属于分组码且纠错位数只有一位,水印误码率仍然较高且对各种攻击的鲁棒性不够好。提出一种基于卷积编码的回声隐藏算法,将卷积编解码思想应用于回声隐藏算法中,利用卷积码的纠错能力降低水印误码率。结果表明:该算法较基于汉明编码的回声隐藏算法和传统回声隐藏算法降低了水印误码率,增强了音频水印系统对各种攻击的鲁棒性。
王杰,王让定,严迪群,林昱臻[3](2020)在《基于卷积神经网络框架的回声隐藏检测方法》文中研究指明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。
陈亮[4](2019)在《基于扩频和回声的音频信息隐藏方法研究》文中研究表明近年来由于计算机网络技术的蓬勃发展,使得传统媒体产品越来越多向数字化转变,数字音频作品的存储、复制和传播变得越来越容易,这也导致了一系列的不良后果,例如一些音频作品随意被复制,篡改,版权纠纷问题时有发生。数字音频水印技术可以实现数字产品的版权保护,该技术可以通过在音频文件中嵌入秘密信息来实现版权保护的目的,目前针对音频的水印算法有很多,但这些算法都存在一定缺陷,其中水印算法的鲁棒性和透明性就是一个很难平衡的问题。回声隐藏技术和扩频技术都是数字水印技术的重要分支,本文以PN(Pseudo-Noise)序列的回声隐藏和完全互补码的扩频方式相结合,设计了一种基于扩频和回声的音频水印算法,来进一步提高水印算法的鲁棒性和透明性。首先,提出了基于PN序列的回声隐藏方法,该方法在时域内均匀地扩展引入回声,同时利用每个音频带的短时能量值自适应地调整嵌入水印的衰减系数来完成载体音频的处理,并利用PN序列改变前后向回声内核的极性,对回声内核进行加密,能够在回声幅度很小的情况下保持高检测率,该方法能更好的体现水印的安全性和不可见性。其次,综合分析了各种数字音频水印算法的不可见性、鲁棒性和安全性的基础上,结合回声隐藏思想和扩频思想提出了一种基于扩频和回声的水印算法。该算法采用完全互补码对水印序列进行扩频,由于完全互补码具有完全随机性,水印序列经过完全随机性的扩频调制,再结合PN序列的短时能量回声隐藏方法,将扩频调制后的水印信息叠加到音频信号的时域波形上,自适应地选择嵌入位置嵌入水印信息。完全互补码具有更好的抗噪声性能,可以提高水印的鲁棒性。实验结果表明,本文提出的算法能满足水印具有良好的隐藏效果,在保证水印透明性的基础上,嵌入强度逐渐增大,水印信息的检测率在98%以上,对加噪声、滤波和重采样等攻击具有较强的鲁棒性,水印信息的检测率在90%以上,水印提取效果良好。通过改变发送端与接收端之间的距离和角度,得到的实验结果均有较高的信噪比和较低的误码率,设计的水印算法能够准确地检测到水印,该算法在保护音频作品版权方面有很大优势。
原晨,高勇[5](2015)在《高质量信道上回声隐藏法秘密信息提取出错原因分析》文中进行了进一步梳理回声信息隐藏是通过在载体语音中嵌入不同延时的回声来实现信息隐藏的一种技术。介绍回声隐藏算法的基本原理,分析回声隐藏法秘密信息提取的关键步骤,即计算隐藏秘密信息后语音的倒谱,并结合线性卷积与循环卷积的关系,推导及总结了在高质量信道上利用回声隐藏法进行隐蔽通信时秘密信息提取出错的原因。分析表明,实际应用中可根据语音在延迟处的倒谱值自适应地调节回声衰减因子的大小,提高回声隐藏法秘密信息恢复的准确率。
张学君[6](2015)在《应用于FM广播的多回声音频水印系统的设计与实现》文中进行了进一步梳理随着移动互联网的发展和大数据时代的到来,微信、微博等新兴媒体得到了迅猛的发展。报纸、杂志、电视、广播等传统媒体与新兴媒体融合的趋势越来越明显,媒体内容趋近于更加丰富化,媒体的介质要求多元化、便捷化。FM调频无线广播,因其技术成熟、成本低廉,传输距离远等优势获得了广泛的应用。本文采用音频水印技术,在不影响FM广播音频本身质量的前提下,将标识FM音频信号身份的ID号作为水印嵌入到音频信号中,FM接收端可以通过解码算法提取ID号。用这个ID号标识身份,FM广播音频就能接入到互联网这个大平台中,使得广播内容丰富多彩并且实现与人们互动,与新兴媒体完美结合。根据这一需求,本文对基于回声的音频水印算法进行了研究,首先推导了多回声核系统中回声核个数的理论极限值,也就是在保证鲁棒性的条件下,最多能嵌入的回声个数的最大值。根据理论推导的结果,确定了基于延迟点矩阵的水印嵌入算法。对于对系统性能产生极大影响的相关参数,本文进行了理论的分析,分析得出了它们的最优值。针对提出的水印嵌入算法,本文的水印提取算法采用倒频谱分析和能量倒频谱同时分析方法,确保了系统的鲁棒性。并且本文将整个音频水印系统看成一个通信系统,推导了系统信道容量。为了验证整个算法的性能,做了信息容纳能力、鲁棒性能、不可感知性能的实验测试。测试结果显示该算法在保证系统鲁棒性和不可感知性能的前提下,拥有更高的信息容量。主观测试实验表明,本文的水印算法没有破坏音频本身的质量,具有良好的不可感知性。最后,将算法应用到FM广播中,并且添加了奇偶检验位。此外,讨论了同步问题产生的原因和常用抗同步攻击算法。在此基础上,提出了帧同步和数据同步双重同步的方案,在保证盲检测的同时解决了同步的问题。
励书怀,汪云路[7](2012)在《基于高阶统计量和功率倒谱的语音回声隐藏分析》文中提出文章提出了一种基于功率倒谱和结合两种高阶统计量——偏度和峰度的语音回声隐藏盲检测方法。根据回声隐藏时对载体语音引入回声的特点,通过分析语音的功率倒谱,提取并结合语音功率倒谱的高阶统计量——偏度和峰度。通过对原始语音样本和藏密语音样本功率倒谱偏度-峰度值的学习和训练,提取得到偏度-峰度阈值,可用于回声隐藏的盲检测分析。实验结果表明,该方法能够对四种回声隐藏方法同时生效,且检测率较高。
杜治国,胡大辉,罗先文[8](2012)在《基于BCH码和回声隐藏的音频水印技术》文中研究表明为提高回声隐藏方法中水印信息的提取效果和准确率,在原始载体基本不变化的基础上加大水印信息的嵌入量,提出了一种使用双向回声核来增加隐藏效果和嵌入量并对水印信息进行BCH编码以利于提高提取准确率的方法,利用功率倒谱方法来确定水印嵌入位置便于增加水印信息的提取率。仿真实验结果表明,该方法算法简单、执行效率高、水印隐藏效果好,在受到恶意攻击后提取出的水印信息的准确率远远高于原方法。
雷敏[9](2011)在《音频数字水印与隐写分析算法研究》文中研究表明随着互联网应用的普及,越来越多的数字化多媒体内容信息纷纷以各种形式在网络上快速的交流和传播。如何对数字化多媒体内容进行有效的管理和保护,成为信息安全领域的研究热点。多媒体数字内容在网络上的传递、发布和扩散带来了一系列问题和应用需求,从总体上来说可以分为两大部分:多媒体数字内容的版权保护问题和伪装式保密通信。对于上述问题和需求,人们最初的想法是求助于传统的密码学,但是传统的加密手段无法解决上述问题。为此,人们开始寻找新的解决办法来作为对传统密码系统的补充。信息隐藏可以在载体中嵌入难以被感知的秘密信息以保护数字内容的版权或用于保密通信,可以很好的解决上述问题。数字水印和隐写术是信息隐藏的两个重要研究分支,用于信息隐藏的载体可以是图像、视频、音频、文本和网络协议等。音频数字水印是在音频中嵌入与音频载体有关的信息来保护数字音频,音频隐写术主要是把需要传递的秘密信息隐藏在看似正常的音频载体中,以隐藏秘密信息的存在性,用于保密通信。音频数字水印和隐写术的研究课题可分为正向研究和逆向研究。基于音频的隐写术和数字水印的研究是正向研究,音频数字水印主要是研究在音频中嵌入和提取水印的各种算法。基于音频的水印攻击和隐写分析是逆向研究,音频水印攻击的目标是妨碍水印信息顺利提取。音频隐写术主要是研究如何在音频载体中隐藏秘密信息用于保密通信。隐写分析的目标是判断和检测听觉上正常的音频载体中是否隐藏秘密信息。本文的研究工作主要集中在音频的数字水印和隐写分析领域,提出两种变换域音频水印算法和两种专用的音频隐写分析算法。本文工作主要包括以下四个方面。1.提出一种结合离散小波变换、离散余弦变换和奇异值分解的音频盲水印算法。算法首先将音频分段,每段音频进行一维小波变换,取出近似分量。将近似分量进行离散余弦变换,将变化后前四分之一的系数取出转成二维矩阵A,对A进行奇异值分解,利用奇异值分解后S矩阵的S(1,1)和S(2,2)的比值关系在S(1,1)中嵌入水印信息。奇异值分解后S矩阵的调整不会对矩阵A产生较大影响,因此该算法具有较好的透明性。该算法将水印信息嵌入在离散小波变换后的近似分量,算法具有较好的鲁棒性。同时S矩阵具有较强的稳定性,矩阵A的变化也不会对S矩阵的值产生较大影响,因此该算法能抵抗各种常规音频信号处理攻击。实验表明该算法具有较好的透明性,同时对MP3压缩、重采样、重量化、加噪、低通滤波和裁剪替换等常规音频信号处理攻击具有较强的鲁棒性。2.提出一种用于音频内容完整性保护的离散小波变换域半脆弱音频水印算法。该算法对原始音频进行一维小波变换后取出近似分量,计算所有近似分量的平均值作为量化步长,然后将音频近似分量分段,将每段近似分量的平均值进行量化处理后嵌入置乱后的二值图像水印信息。该算法具有很好的透明性,实验表明该算法能容忍如加噪、MP3压缩、重采样和低通滤波等常规音频信号处理。作为音频内容完整性保护的半脆弱音频水印算法,该算法能检测出静音替换、使用原始音频代替含水印音频、甚至是两种替换组合的恶意篡改,而且还能准确定位篡改位置,实验表明该算法恶意篡改定位误判率低于8%。3.提出一种离散余弦变换音频隐写的专用隐写分析算法。通过对隐写算法分析得出隐写算法改变了分段信号的均值,利用音频均值为正、负的分段数目差值比例来判断音频是否为隐写音频。检测的方法是对所有待检测音频进行二次隐写,自然音频二次隐写前后的均值为正、负的分段数目差值比例的值明显高于隐写音频,通过差值比例和阈值比较判断待检测音频是否为隐写音频。实验结果表明该算法的准确率为80.6%。4.提出一种基于回声隐藏的专用隐写分析算法。该算法基于回声隐藏改变自然语言倒谱分布这一特点,通过构造倒谱和差分方差VDSC (Variants of Difference of Sum of Cepstrum)来反映隐写对自然音频的影响,并据此来判断该音频文件是否为隐写音频。分析过程在不同的偏移条件下计算待检测音频的VDSC值,如果VDSC的值没有显着变化,且在相对判决域以下,则该待检测音频为自然音频。如果计算出来的VDSC值有显着变化,且在相对判决域以上,则该待检测音频为隐写音频。实验结果表明该算法准确率为88.2%。
王昱洁[10](2011)在《音频隐写分析机理与关键技术研究》文中研究指明隐写术将秘密信息以一定的方式嵌入到公开的数字媒体中,从而隐藏了秘密信息的存在,可以实现隐蔽通信。隐写分析是对隐写术的攻击,目的在于揭示媒体中是否存在秘密信息以致破坏隐蔽通信。隐写分析技术具有重要的学术价值和应用前景,它有利于防止隐写术的非法应用,并对于如何设计安全的隐写方法具有指导意义。目前在隐写与分析的研究上主要以图像作为载体,而针对音频信号的隐写分析方法相对匮乏,以AAC为载体的隐写与分析方法更是很少,相关研究具有很高的实用性和挑战性。因此,本文开展了音频信号隐写分析的研究,从未压缩音频和压缩域音频两个方面进行研究,力图从理论到实践探索出实用的音频隐写分析方法。本文的主要工作及创新点如下:1.提出了一种基于小波包与自适应预测器的音频隐写分析方法,主要用于检测基于加性噪声模型的音频隐写方法。实验证明,对于常用的加性噪声隐写方法,即使在嵌入强度或嵌入率较低的情况下,也能够达到较高的分类准确率。2.提出了一种基于功率倒谱统计特征的音频回声隐写分析方法。该隐写分析方法不仅能够对最基本的单回声核进行检测,还适用于改进的回声核,在衰减系数较低的情况下也能达到较高的分类准确率,且无论嵌入段长如何,都能较为准确的检测。3.提出了一种基于特征融合的通用音频隐写分析方法。首先给出了一种基于短时傅立叶变换的特征提取方法,然后将基于短时傅里叶变换的特征与基于音频质量测度的特征和基于线性预测的特征相结合,并对特征进行了选择。该隐写分析方法具有较强的通用性,它融合了不同类型特征的优点,使得总体的检测率得到了提高。4.提出了两种AAC隐写方法,分别是基于MDCT系数量化小值区的秘密信息嵌入方法和基于Huffman编码中溢出序列的隐写方法。这两种方法均是在MDCT量化系数上嵌入秘密信息的,避免了量化过程中秘密信息的损失,减少了运算复杂度。性能测试表明,这两种AAC隐写方法的嵌入容量较高,具有良好的不可感知性,并有一定的抗隐写分析性。5.提出了一种基于AAC量化系数的隐写分析方法。根据隐写前后量化系数直方图的改变,采用广义高斯分布模型进行拟合,提取量化系数GGD的参数作为特征,还将直方图变换到频域,提取频域统计矩作为特征。又根据隐写对相邻帧量化系数相关性的影响,提取马尔可夫转移矩阵中的部分数据作为特征,采用支持向量机进行分类。实验结果表明,该隐写分析方法对于量化系数上的扩频调制隐写方法检测率较高。
二、回声隐藏的研究与实现(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、回声隐藏的研究与实现(论文提纲范文)
(1)基于数字水印的语音安全认证及篡改检测技术(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景 |
1.1.1 语音信号的重要性 |
1.1.2 语音信号面临的安全威胁 |
1.2 语音安全保护的相关技术 |
1.3 本文的主要研究内容 |
1.4 本文的组织结构 |
第二章 水印技术和篡改检测技术的研究现状 |
2.1 水印技术的研究现状 |
2.1.1 最低有效位技术 |
2.1.2 相位编码技术 |
2.1.3 扩频技术 |
2.1.4 回声隐藏技术 |
2.2 篡改检测技术的研究现状 |
第三章 基于回声隐藏和鲁棒主成分分析的水印技术模型 |
3.1 回声隐藏水印技术模型的分析 |
3.2 水印信息的嵌入过程 |
3.2.1 回声核的设计 |
3.2.2 安全嵌入相反的回声核 |
3.3 水印信息的检测过程 |
3.3.1 分别检测低秩和稀疏部分的水印信息 |
3.3.2 确定最后的水印比特 |
3.4 提出方法的安全性分析 |
3.5 多比特嵌入方案 |
3.6 实验设置和结果分析 |
3.6.1 数据集介绍 |
3.6.2 评估不可听性 |
3.6.3 评估安全性 |
3.6.4 评估鲁棒性 |
3.6.5 与之前的回声隐藏方法相比较 |
3.7 本章总结 |
第四章 基于线谱频率和离散小波变换的篡改检测模型 |
4.1 篡改检测模型的分析 |
4.2 提出的篡改检测方法的嵌入阶段 |
4.2.1 同步码的嵌入过程 |
4.2.2 篡改检测信息的嵌入过程 |
4.3 提出的篡改检测方法的篡改检测阶段 |
4.3.1 帧同步过程 |
4.3.2 篡改检测信息提取与对比过程 |
4.4 实验设置和结果分析 |
4.4.1 数据集和评估指标 |
4.4.2 评估不可听性 |
4.4.3 评估鲁棒性 |
4.4.4 评估篡改检测能力 |
4.5 本章总结 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
发表论文和参加科研情况 |
致谢 |
(2)基于纠错编码的回声隐藏音频水印算法(论文提纲范文)
1 基于卷积编码的回声隐藏算法 |
1.1 水印的编码与嵌入 |
1.2 水印提取与解码 |
2 实验仿真 |
2.1 嵌入水印不可感知性测试 |
2.2 音频水印系统鲁棒性测试 |
2.2.1 随机噪声对水印误码率的影响 |
2.2.2 降噪对水印误码率的影响 |
2.2.3 MP3压缩对水印误码率的影响 |
2.2.4 低通滤波对水印误码率的影响 |
3 结论 |
(3)基于卷积神经网络框架的回声隐藏检测方法(论文提纲范文)
0 引言 |
1 经典回声隐藏算法 |
1.1 传统回声隐藏算法 |
1.2 双极性回声隐藏算法 |
1.3 双向回声隐藏算法 |
2 基于CNN的回声隐藏隐写分析方法 |
2.1 浅层特征幅度谱系数提取 |
2.2 基于CNN的深度特征提取与分类 |
2.2.1 卷积层 |
2.2.2 池化层 |
2.2.3 批标准化层 |
2.2.4 激活函数 |
2.2.5 全连接层 |
2.3 隐写分析方法流程 |
3 实验结果与分析 |
3.1 实验设置 |
3.2 实验结果与对比 |
3.3 调整网络框架实验结果 |
3.3.1 增加网络深度 |
3.3.2 修改激活函数 |
3.3.3 移除权重初始化 |
3.3.4 增大卷积核尺寸 |
3.4 交叉实验结果 |
4 结语 |
(4)基于扩频和回声的音频信息隐藏方法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究目的及意义 |
1.2 国内外研究现状及应用领域 |
1.2.1 数字音频水印研究现状 |
1.2.2 数字音频水印应用领域 |
1.2.3 数字音频水印目前存在的问题 |
1.3 主要工作及研究内容 |
1.4 本文结构 |
第2章 数字音频水印相关理论与技术 |
2.1 引言 |
2.2 数字音频水印技术 |
2.2.1 数字音频水印的概念 |
2.2.2 数字音频水印的分类 |
2.2.3 数字音频水印的基本原理 |
2.3 掩蔽效应和心理声学 |
2.3.1 人耳听觉掩蔽特性 |
2.3.2 心理声学模型 |
2.4 常用的数字音频水印算法 |
2.4.1 最低有效位(LSB)法 |
2.4.2 回声隐藏法 |
2.4.3 相位隐藏法 |
2.4.4 扩频水印算法 |
2.4.5 变换域算法 |
2.5 完全互补码 |
2.6 本章小结 |
第3章 基于扩频和回声的数字音频水印算法 |
3.1 引言 |
3.2 基于PN序列的回声隐藏方法 |
3.2.1 PN序列 |
3.2.2 回声隐藏的基本思想 |
3.3 基于扩频和回声的音频水印算法 |
3.3.1 水印序列的编码 |
3.3.2 载体信息处理 |
3.3.3 水印信息的嵌入 |
3.3.4 水印信息的提取 |
3.4 本章小结 |
第4章 实验结果与分析 |
4.1 引言 |
4.2 数字音频水印算法的评价标准 |
4.3 实验环境及素材 |
4.4 仿真实验及结果分析 |
4.5 本章小结 |
结论 |
参考文献 |
攻读硕士期间发表的论文 |
致谢 |
(5)高质量信道上回声隐藏法秘密信息提取出错原因分析(论文提纲范文)
0 引言 |
1 回声隐藏算法的基本原理 |
2 高质量信道上回声隐藏算法秘密信息提取出错的原因 |
3 实验结果 |
4 结语 |
(6)应用于FM广播的多回声音频水印系统的设计与实现(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 数字水印技术概述 |
1.2 音频水印研究背景和意义 |
1.2.1 研究背景 |
1.2.2 研究意义 |
1.3 音频水印技术现状及发展方向 |
1.3.1 研究现状 |
1.3.2 发展方向 |
1.4 本文研究的主要内容 |
第二章 回声隐藏技术(Echo Hiding)综述 |
2.1 时域掩蔽效应 |
2.2 能量倒频谱 |
2.3 回声隐藏的基本原理 |
2.4 回声核 |
2.5 回声提取算法现状 |
2.6 问题与挑战 |
2.7 本章小结 |
第三章 多回声核隐藏算法 |
3.1 多回声核隐藏算法基本原理 |
3.1.1 多回声核 |
3.1.2 回声嵌入算法 |
3.1.3 回声提取算法 |
3.1.4. 性能比较 |
3.2 算法改进 |
3.2.1 回声个数极限值的理论推导 |
3.2.2 水印嵌入算法的改进 |
3.2.3 相关参数的推导 |
3.2.4 提取算法改进 |
3.3 信道容量分析 |
3.4 性能测试 |
3.4.1 测试系统的信息容量(系统传输速率) |
3.4.2 衰减系数对系统的影响 |
3.4.3 系统鲁棒性能测试 |
3.4.4 音频主观质量测试 |
3.5 本章小结 |
第四章 应用 FM 广播的多回声核隐藏算法 |
4.1 FM 广播系统 |
4.1.1 FM 调制解调原理 |
4.1.2 FM 广播系统的优缺点 |
4.2 应用于 FM 广播 |
4.3 奇偶校验位(Parity Check) |
4.3.1 奇偶校验原理 |
4.3.2 添加奇偶校验信息 |
4.4 同步问题 |
4.4.1 同步问题产生的原因及影响 |
4.4.2 解决同步问题的方法 |
4.5 系统性能 |
4.6 本章小结 |
第五章 结论与展望 |
5.1 主要工作与结论 |
5.2 展望 |
参考文献 |
致谢 |
攻读学位期间学术成果 |
(7)基于高阶统计量和功率倒谱的语音回声隐藏分析(论文提纲范文)
1 回声隐藏法 |
1.1 回声隐藏的基本原理 |
1.2 回声核的改进 |
2 回声隐藏对功率倒谱的影响 |
3 基于高阶统计量的回声隐藏检测方法 |
3.1 高阶统计量的计算 |
3.2 阈值的训练 |
3.3 检测 |
4 实验结果 |
5 结束语 |
(8)基于BCH码和回声隐藏的音频水印技术(论文提纲范文)
0 引 言 |
1 回声隐藏技术 |
1.1 水印信息的嵌入 |
1.2 水印信息的提取 |
2 算法改进 |
2.1 前后回声核 |
2.2 交织编码 |
2.3 BCH编码 |
3 实验验证 |
4结束语 |
(9)音频数字水印与隐写分析算法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 音频信息隐藏 |
1.1.1 什么是信息隐藏 |
1.1.2 信息隐藏算法性能指标 |
1.1.3 音频信息隐藏研究内容 |
1.2 音频数字水印 |
1.2.1 音频数字水印算法 |
1.2.2 音频数字水印的评价指标 |
1.2.3 音频数字水印的应用 |
1.3 音频隐写分析 |
1.3.1 隐写分析分类 |
1.3.2 隐写分析评价指标 |
1.3.3 专用音频隐写分析算法 |
1.3.4 通用音频隐写分析算法 |
1.4 论文结构 |
第二章 基于DWT、DCT和SVD的音频水印算法研究 |
2.1 引言 |
2.1.1 离散小波变换 |
2.1.2 离散余弦变换 |
2.1.3 奇异值分解变换 |
2.2 基于DWT-DCT-SVD的音频盲水印算法 |
2.2.1 水印嵌入算法 |
2.2.2 水印提取算法 |
2.3 实验与性能分析 |
2.3.1 透明性 |
2.3.2 算法容量 |
2.3.3 鲁棒性 |
2.3.4 与其它算法的比较 |
2.4 本章结语 |
第三章 DWT域半脆弱音频水印算法研究 |
3.1 引言 |
3.1.1 半脆弱水印系统 |
3.1.2 音频半脆弱水印的基本框架 |
3.2 DWT域半脆弱音频水印算法 |
3.2.1 水印预处理 |
3.2.2 水印嵌入 |
3.2.3 水印提取 |
3.3 实验与性能分析 |
3.4 本章结语 |
第四章 DCT域音频隐写分析算法研究 |
4.1 引言 |
4.2 DCT域音频水印算法 |
4.3 音频DCT域隐写分析算法 |
4.3.1 差值比例隐写分析算法 |
4.3.2 实验与性能分析 |
4.4 本章结语 |
第五章 基于回声隐藏的隐写分析算法研究 |
5.1 引言 |
5.1.1 回声隐藏算法简介 |
5.1.2 回声隐藏的嵌入算法 |
5.1.3 回声隐藏提取算法 |
5.2 回声隐藏分析算法 |
5.2.1 原理 |
5.2.2 一种新的隐写分析算法 |
5.2.3 测试音频文件的选择 |
5.3 实验和性能分析 |
5.4 本章结语 |
第六章 总结与展望 |
参考文献 |
致谢 |
攻读学位期间发表的学术论文目录 |
攻读学位期间完成和参与的科研项目 |
(10)音频隐写分析机理与关键技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 信息隐藏概述 |
1.2 隐写与隐写分析概述 |
1.3 隐写分析技术的分类与评价 |
1.3.1 隐写分析技术分类 |
1.3.2 隐写分析方法的评价 |
1.4 隐写与分析技术的研究现状 |
1.4.1 隐写技术的背景与研究现状 |
1.4.2 隐写分析的研究现状 |
1.4.3 隐写分析方法回顾 |
1.5 论文的主要工作与结构 |
1.5.1 论文的主要工作 |
1.5.2 论文的结构 |
1.6 本章小结 |
第2章 音频隐写方法与隐写机理分析 |
2.1 常用的音频隐写方法 |
2.1.1 时域隐写方法 |
2.1.2 变换域隐写方法 |
2.1.3 压缩域隐写方法 |
2.1.4 音频隐写工具 |
2.2 音频隐写机理分析 |
2.2.1 不同隐写方法对音频的影响 |
2.2.2 隐写对音频的综合影响 |
2.2.3 隐写对压缩音频的影响 |
2.3 本章小结 |
第3章 音频隐写分析系统模型与隐写分析方法 |
3.1 音频隐写分析系统模型 |
3.1.1 特征提取与特征选择 |
3.1.2 判别 |
3.2 常用的音频隐写分析方法 |
3.2.1 针对LSB 隐藏的隐写分析方法 |
3.2.2 通用音频隐写分析方法 |
3.3 本章小结 |
第4章 基于小波包与自适应预测器的隐写分析方法 |
4.1 加性噪声模型与特点分析 |
4.2 隐写分析方法 |
4.2.1 隐写特征的提取 |
4.2.2 自适应预测器 |
4.2.3 特征提取的步骤 |
4.2.4 分类器的选择 |
4.3 实验结果与分析 |
4.4 本章小结 |
第5章 基于功率倒谱统计特征的回声隐写分析方法 |
5.1 音频回声隐藏原理 |
5.1.1 回声隐藏的数学模型 |
5.1.2 回声隐藏的方法 |
5.1.3 回声隐藏的提取 |
5.1.4 其他的回声核 |
5.2 隐写分析方法 |
5.2.1 回声隐藏的特点分析 |
5.2.2 隐写分析方法的系统框图 |
5.2.3 特征提取 |
5.3 实验结果与分析 |
5.4 本章小结 |
第6章 基于特征融合的通用音频隐写分析方法 |
6.1 基于短时傅立叶变换的特征提取 |
6.1.1 美尔倒谱系数(MFCC) |
6.1.2 STFT 频谱的统计特征 |
6.1.3 基于STFT 的特征提取步骤 |
6.1.4 测试结果与分析 |
6.2 基于特征融合的隐写分析方法 |
6.2.1 特征的提取与选择 |
6.2.2 实验结果与分析 |
6.3 本章小结 |
第7章 基于先进音频编码的隐写与分析方法 |
7.1 AAC 编码算法原理 |
7.1.1 AAC 编码过程概述 |
7.1.2 AAC 量化算法原理 |
7.2 基于AAC 编码的信息隐藏方法 |
7.2.1 基于量化系数小值区的隐写方法 |
7.2.2 基于Huffman 编码中溢出序列的隐写方法 |
7.3 基于AAC 量化系数的隐写分析方法 |
7.3.1 广义高斯分布模型(GGD)的统计特征 |
7.3.2 基于直方图频域统计矩的特征 |
7.3.3 基于马尔可夫链的统计特征 |
7.3.4 实验结果与分析 |
7.4 本章小结 |
第8章 总结与展望 |
8.1 本文的总结 |
8.2 后续工作的展望 |
参考文献 |
致谢 |
在读期间发表的学术论文与取得的研究成果 |
四、回声隐藏的研究与实现(论文参考文献)
- [1]基于数字水印的语音安全认证及篡改检测技术[D]. 王超. 天津工业大学, 2020(01)
- [2]基于纠错编码的回声隐藏音频水印算法[J]. 陈强,陈雨,杜婷婷. 科学技术与工程, 2019(30)
- [3]基于卷积神经网络框架的回声隐藏检测方法[J]. 王杰,王让定,严迪群,林昱臻. 计算机应用, 2020(02)
- [4]基于扩频和回声的音频信息隐藏方法研究[D]. 陈亮. 延边大学, 2019(01)
- [5]高质量信道上回声隐藏法秘密信息提取出错原因分析[J]. 原晨,高勇. 现代电子技术, 2015(11)
- [6]应用于FM广播的多回声音频水印系统的设计与实现[D]. 张学君. 北京理工大学, 2015(07)
- [7]基于高阶统计量和功率倒谱的语音回声隐藏分析[J]. 励书怀,汪云路. 大众科技, 2012(07)
- [8]基于BCH码和回声隐藏的音频水印技术[J]. 杜治国,胡大辉,罗先文. 计算机工程与设计, 2012(03)
- [9]音频数字水印与隐写分析算法研究[D]. 雷敏. 北京邮电大学, 2011(01)
- [10]音频隐写分析机理与关键技术研究[D]. 王昱洁. 中国科学技术大学, 2011(09)