语音信息隐藏关键技术的研究

《语音信息隐藏关键技术的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、隶劫大J坚博士学位论文语音信息隐藏关键技术的研究ResearchonKeyTechniqueofInformationHidinginSpeechADissertationSubmittedtoSoutheastUniversityFortheAcademicDegreeofDoctorofEngineeringBYXiJiSupervisedbySupervisedbyZouCaiRongSchoolofInformationScienceandEngineeringSoutheastUniversityMay2013东南

2、大学学位论文独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。研究生签名：日期：型必东南大学学位论文使用授权声明东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的

3、内容和纸质论文的内容相一致。除在保密期内的保密论文外，允许论文被查阅和借阅，可以公布(包括刊登)论文的全部或部分内容。论文的公布(包括刊登)授权东南大学研究生院办理。研究生签名万彳多、毛导师日签名期摘要语音信息隐藏是信息隐藏领域的研究难点。由于人耳对语音频段信号非常敏感，在语音信号中嵌入隐秘数据比图像等其他载体难度更大。嵌入隐秘信息的语音信号通过电话、网络等信道传输时，信道噪声、语音压缩与解压、同步及滤波等影响因素对隐藏算法提出了很高的抗攻击性和鲁棒性要求。此外，对接收的语音信号进行隐藏信息的盲判决和盲提取方法也不同于应用于

4、图像等其他信息隐藏载体的方法。传统语音信息隐藏方法在时域语音信号中嵌入隐藏信息，主要有最小信息位、相位、回声等信息隐藏方法。在变换域中嵌入隐藏信息也越来越受到研究者的重视，这类方法主要利用语音信号的傅里叶变换、离散余弦变换和小波变换等嵌入隐藏数据。由于语音信息隐藏方法与人类听觉感知机理密切相关，如何利用人耳的听觉感知特征和语音的声学特性嵌入隐藏信息也是当前的研究热点。本文针对隐秘性、鲁棒性、安全性等应用需求，深入探索人耳听觉特征，研究了语音信息隐藏的若干算法，取得了以下研究成果：1、提出了一种分数阶傅里叶变换域语音信息安全隐

5、藏方法。该方法对原始语音信号进行分数傅里叶变换，在变换域嵌入隐藏信息，并将嵌入隐藏信息的信号进行分数傅里叶反变换后再进行传输。分数傅里叶变换具有能量聚焦的特点，可使原始语音和嵌入隐藏信息的语音在时域和频域的方差很小，分散了嵌入信息在传统时频域的能量分布。由于目前对隐藏信息的分析与检测大多基于时频分析，该方法伪装性强，保证了隐秘信息的安全。在隐藏信息提取时，利用分数阶傅里叶变换的能量聚集特性，可以实现语音载体及隐秘信息的分离，对隐藏信息进行有效提取。仿真与实验结果表明，基于分数阶傅里叶变换的语音信息隐藏算法具有较高的隐秘性和安

6、全性，并对常规的噪声攻击、低通滤波攻击和下采样攻击具有抵抗能力。2、提出了一种鲁棒的回声信息隐藏方法。回声信息隐藏原理是在原始语音载体中叠加适度的回声信号，而隐藏数据的包含在叠加的回声中。由于人耳听觉特性中的时域掩蔽效应，短延时回声会被声强较大的原始语音信号屏蔽，难以察觉，甚至使听者主观感觉声音更饱满。本文提出的嵌入算法简单，隐秘性强。在接收端本文提出的方法采用次梯度投影算法估计嵌入信息的回声路径，并通过回声路径分析进行隐秘数据提取。为了增强鲁棒性，本文改进了次梯度投影算法的白适应收敛策略，提出一种基于噪声估计的自适应收敛算

7、法。仿真与实验结果表明，在同经典倒谱提取算法的比较中，本文提出的自适应次梯度投影算法在滤波攻击、噪声攻击、采样攻击和压缩攻击下，显著提高了回声隐藏数据提取算法的鲁棒性。3、提出了一种粒子群优化神经网络的信息隐藏方法。粒子群优化神经网络算法源于鸟群和鱼群等群体智能，是一种简单且易用实现的全局优化计算方法。本文提出的方法在嵌入隐秘数据的同时，嵌入部分训练样本，以保证接收端可以组建神经网络提取隐秘数据。在隐秘信息提取端，首先通过样本训练的方法获取神经网络参数，利用训练完成的粒子群优化神经网络对经过变换的数据矩阵提取隐藏信息。为了提

8、高训练效率和解码精度，算法首先利用小波分解获得接收信号的高频系数，然后计算高频系数的特征值，并采用Fisher鉴别比(FDR)方法选择32个最优特征值训练神经网络。对于嵌入二值隐秘图像信息的仿真与实验表明，粒子群优化神经网络信息隐藏算法比BP神经网络和Elman神经网络抗干扰性能强，解码率