随着信息化技术的进步和互联网的高速发展,信息隐藏和隐藏分析技术得到了广泛的关注。信息隐藏技术是把秘密消息嵌入到载体信号中,信息隐藏分析的目的就是揭示多媒体信号中隐秘信息的存在性。目前针对隐藏分析的研究都是以单个分类器作为学习器。集成学习是使用多个学习器来解决同一个问题,它是一种新的机器学习范式,并且能够提高学习系统的泛化能力。本文将集成学习应用到语音信息隐藏分析技术中来提高隐藏分析的检测率。集成学习技术是通过一定的方式把多个弱分类器结合起来形成一个强的分类器。回声信息隐藏是语音信息隐藏的一种常用方法。本文针对语音回声信息隐藏的分析问题,提出了一种基于集成学习的回声隐藏分析方法,构建了基于AdaBoost集成学习算法的回声隐藏分析系统。对倒谱特征、倒谱一阶差分、二阶差分、梅尔倒谱特征、直方图联合特征、高阶矩特征分别采用支持向量机和AdaBoost集成学习算法进行了仿真分析。仿真实验结果表明:倒谱特征、倒谱一阶差分、二阶差分和直方图联合特征的集成学习效果优于支持向量机的分类效果,并且分析的准确性有明显的提高。另外本文还采用同样的分类方法针对时域扩频回声隐藏进行分析,同样对以上几种特征进行了仿真分析,进一步验证了集成学习相对于一般分类器在泛化能力上的优越性和较高的检测准确率。