基于频域的数字音频水印算法研究

来源 :太原理工大学 | 被引量 : 0次 | 上传用户:zhongnanhai10mg
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在音频信号中嵌入所有者的有效版权信息的技术称为数字音频水印技术,这种技术可以有效的解决数字音频的版权问题,已经成为信息安全领域内的重要研究之一。而且同步问题对于音频信号的研究十分重要,所以音频水印技术的发展较慢;随着互联网技术的不断发展,大量出现的各种各样的破解工具导致了数字音频的被侵权问题越来越严重,如今对音频水印算法的性能也就有了更高的要求。但是,由于音乐音频类型的多样性,对于现有的基于频域的音频水印算法使用不同变换进行级联的方式实现水印信息的嵌入,并不能保证同时适用于大部分类型的音乐音频,没有良好的泛化能力。所以,本文针对传统的基于频域的音频水印算法进行了研究和改进。主要从两个方面进行研究与总结,一方面针对的是传统嵌入式音频水印算法,一方面则针对“非嵌入式”,即传统音频零水印算法。具体内容如下:(1)首先通过查阅文献、整理资料,介绍了关于音频信号(包括了语音信号)的内容,并对音频水印领域的经典论文和前沿论文进行了仔细研读,系统总结了音频水印技术相关的知识。介绍了一些经典的音频水印算法的原理,其中对基于频域的音频水印算法进行了详细的介绍,分析了不同方法的优势和缺点,针对存在的问题提出相应的优化思路。(2)在传统的嵌入式音频水印算法中,并没有有效解决不可感知性,有效载荷和鲁棒性这三者的权衡问题,同时,水印信息表现出了弱安全性,针对这两个问题,本文提出了一种基于秘密分享和平稳小波变换(SWT)的数字音频水印算法。首先,利用了Shamir的秘密共享方案对水印信息处理得到n份秘密信息,其中n-1份存储在区块链中,剩余一份嵌入到根据水印信息特征产生出的哈希码选定的浊音帧中。在频域内,通过SWT和Schur分解(SD)来修正浊音帧的离散余弦变换(DCT)系数,将水印自适应地嵌入到从SD获得的正交矩阵的第一列元素中。实验结果表明,提出的改进算法具有较高的不可感知性,对各种信号攻击有着很高的鲁棒性,有效载荷高达1.39kbps。(3)为了使得零水印的构造时选取的音频特征更具有代表性,并去除伴奏参与特征的提取过程,本文又提出一种基于支持向量机(SVM)和谐波特征结合的鲁棒音频零水印算法。首先将原始音频中的语音通过谐波噪声模型(HNM)建模后获取到谐波部分后,在利用K-means聚类算法获得每帧谐波部分的高通SWT子带的大幅值区域来构造零水印,通过大幅值区域确定的奇异值均值集合作为SVM样本集,进行SVM训练,从而生成决策函数。水印检测方式为盲检测,指的是利用构造零水印阶段得到的决策函数来进行检测。实验结果表明,该算法对于不同类型的音频来说都表现出很强的抗攻击效果。
其他文献
互联网上存在海量形式异构的用户生成内容,包括公开点评网站、电子交易平台中用户针对某些服务或产品所发表的评价。通常,用户会通过多种形式分享他的消费体验,比如上传照片等图像数据,发表文字评论,在平台限定范围内给出评分。随着个性化推荐、用户画像、文本挖掘分析等研究的不断深入,这些体量庞大的用户反馈数据越来越成为其不可或缺的研究支撑。某种程度上,在线评论会影响甚至引导其他新用户的购物决策,从而与品牌信誉、
随着工业生产规模的不断扩大,工业生产过程变得愈发复杂,对于系统中一些关键参数的测量变得更为重要。传统的测量技术主要基于新型的过程测量仪表,以硬件形式实现过程参数的在线测量。但受限于过程机理、物理环境、传感器和仪器硬件特性等因素的影响,工业生产过程的某些关键参数难以通过硬件设备直接在线测量。软测量技术采用间接测量的思路,利用过程中易获取到的辅助数据信息建立相应的数学模型,实现对难测主导变量的估计。传
近年来,随着大数据相关技术的发展,不光数据维数在增加,计算量也呈指数倍增长。特征选择是解决该问题的方法之一。根据数据的来源,特征选择分为单视图特征选择与多视图特征选择,根据分类模型中是否使用标签,特征选择分为监督、半监督、无监督三种类型。由于多视图数据能够发挥各个视图的优势,因此收到了广泛关注。而有监督特征选择方法因标签的获取成本很高,因此无监督特征选择方法受到了广泛关注。但是目前的无监督多视图特
音频水印算法将表示特定含义的信息(音频创作者的相关信息、音频文件的下载及传播记录)嵌入到音频文件中,不影响原始音频文件自身的品质;在发生版权纠纷的情况下,能够将嵌入音频中的水印信息正确地提取出来,即使嵌入水印后的音频受到信号处理攻击,水印提取的正确性也不会受到影响。在音频中嵌入水印可以实现音频版权的追踪,它的有效性不仅取决于嵌入水印后算法的不可感知性,还取决于提取时的鲁棒性。两者之间是相互制衡的,
随着移动互联网技术的不断发展,网络结构及其拓扑日益复杂,数据规模爆炸式扩张,使得如何迅速而准确地从海量信息中搜集和获取更多有价值的数据及其特征已经成为当前关注的热点。个性化推荐算法就是一种通过对用户历史活动资料进行分析,挖掘用户潜在偏好信息的有效方法。协同过滤推荐算法作为经典的个性化推荐算法,可以准确发现其喜好与倾向,并对其倾向的商品进行筛选、预测与推荐。然而,面对数据规模快速增长,以及日益复杂的
滚磨光整加工是一种广泛应用的提高零件表面质量的机械加工技术,加工时将零件、滚抛磨块、水和磨液等放入滚筒中,通过滚筒转动使滚抛磨块和零件产生碰撞、摩擦和滚压等作用力,从而去除零件表面的毛刺、划痕,达到提高零件表面光亮度和表面质量的目的。滚抛磨块是滚磨光整加工中的研磨介质,对零件加工效果有重要影响。烧结型球状滚抛磨块是滚磨光整加工中应用最为广泛的一种磨块。但目前国内磨块生产厂家由于生产工艺、设备等因素
脑网络分析已广泛应用于神经影像领域的研究。传统功能连接网络大多是基于两两相关构建大脑区域之间的二阶关系,为有效构建大脑区域之间的高阶交互关系,基于超网络的脑功能构建方法被提出。超网络是基于超图概念下的复杂网络,超网络中的超边可用来表示多个脑区之间的交互作用。超网络是根据静息态功能磁共振成像时间序列通过稀疏线性回归模型构建。现有的稀疏线性回归模型大多是采用套索的方法解决的。虽然套索方法应用广泛,但也
小规模数据集和有限的带标签样本是医学成像领域的主要挑战。训练成功的深度学习算法需要大量的有标签数据作为支撑,但由于医学图像数据难以获取且标签注释需要昂贵的人工成本,这大大限制了其在医学领域中的应用。在医学成像任务中,高级放射科医师会根据他们的专业领域知识制作病变标签,但是医学图像的大多注释都很耗时。当数据匮乏的时候,神经网络极易出现过拟合问题,这种现象在小规模数据集上尤为明显。传统的图像数据增强方
近年来,随着电子商务的不断发展,用户评论已成为各大线上消费平台的重要组成部分,其往往反映了用户的态度、意见以及情感等大量有价值的信息,能很好地进行商业反馈。因此,如何从这些评论文本中高效地提取有用信息,对消费者、商家以及消费平台都具有重要意义。现有研究主要通过“粗粒度情感分析”和“细粒度情感分析”两个方面来实现对文本信息的情感分析研究。粗粒度情感分析主要计算给定文本的整体情感倾向,细粒度情感分析则
近几年,卷积神经网络在医疗领域发挥着越来越大的作用,解决了医学上很多棘手问题,将卷积神经网络应用在医疗图像识别方面,可以很大程度上提高图像识别率。糖尿病视网膜病变在实际诊断中会出现病变特征难以用肉眼区分,识别率较低,并且依赖于眼科医生的临床经验等问题。目前,使用卷积神经网络对糖尿病视网膜病变进行分类可以为医生提供可靠的判断依据,本文提出了一种基于注意力卷积神经网络的方法对糖尿病视网膜病变进行分类,