CN110097887A - 一种基于lsf系数统计分布特征的silk安全隐写方法 - Google Patents

一种基于lsf系数统计分布特征的silk安全隐写方法 Download PDF

Info

Publication number
CN110097887A
CN110097887A CN201910347906.3A CN201910347906A CN110097887A CN 110097887 A CN110097887 A CN 110097887A CN 201910347906 A CN201910347906 A CN 201910347906A CN 110097887 A CN110097887 A CN 110097887A
Authority
CN
China
Prior art keywords
lsf
code word
silk
error
vector
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910347906.3A
Other languages
English (en)
Inventor
任延珍
蔡森
郑维曼
王丽娜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University WHU
Original Assignee
Wuhan University WHU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN201910347906.3A priority Critical patent/CN110097887A/zh
Publication of CN110097887A publication Critical patent/CN110097887A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/018—Audio watermarking, i.e. embedding inaudible data in the audio signal
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L2019/0001—Codebooks
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L2019/0001—Codebooks
    • G10L2019/0004—Design or structure of the codebook
    • G10L2019/0005—Multi-stage vector quantisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

本发明公开了一种基于LSF系数统计分布特征的SILK安全隐写方法，首先对SILK编码过程中在LPC量化阶段的码字使用情况进行统计分析，根据统计情况将码字分布情况相似的组进行分组；将LSF量化过程每一级中分布相似的码字分为一组；最后将量化结果1到9级的LSF索引用于嵌入秘密信息，嵌入秘密信息的比特数由嵌入组中的码字矢量个数决定。本发明针对目前面向SILK隐写方法相对缺少的问题，实现了面向SILK基于LSF系数统计分布特征的安全隐写算法，该算法最大嵌入容量可以达到274bps，同时可以保证语音的听觉隐蔽性，并且具有较好的安全性。

Description

一种基于LSF系数统计分布特征的SILK安全隐写方法
技术领域
本发明属于多媒体信息内容安全技术领域，涉及一种基于SILK的隐写方法，具体涉及一种实现秘密信息安全传输的基于LSF系数统计分布特征的SILK安全隐写方法。
技术背景
近年来，随着移动通信技术的迅速发展，语音通讯和音频会话业务日趋成熟，语音通讯在人们的日常生活中越来越重要，成为交流沟通的主要方式之一。目前，移动通讯基本普及，各种无线设备以及通讯软件成为人们日常生活不可或缺的一部分，使得语音通讯业务必须更快更好的发展以满足需求。语音通讯在编码过程中，既要保证编码质量，又要考虑网络带宽占用量。SILK压缩语音编码由Skype 公司开发，其作为一种语音压缩和音频编解码器，是IETF(The Internet Engineering Task Force)的标准编码格式。SILK语音的编码过程和线性预测编码技术相似，但是又不同于一般的CELP编码技术。该编码器结合iLBC与SpeeX 编解码器的编码原理，设计了一种在低速率网络环境下编码效率较高的自适应编码技术。该编码器的语音编码质量较高，在网络带宽较低的情况下也可以正常编码。同时即使语音帧的丢包率为10％，编码器仍然可以保持24KHZ采样的通话质量。SILK编解码器自身的特性使得其在给定的码率下能够提高语音质量，同时在丢包的情况下仍然能保证音频的正常播放。基于SILK编码的高效性以及在有限带宽下的良好可扩展性，越来越多的语音通讯业务将SILK作为语音编解码器，例如QQ、微信和国外的Steam，Skype等软件中，SILK作为音频的默认格式。同时，SILK也被用于目前较为流行的交互式语音和音频编码器Opus编码器中。因此，SILK压缩语音编码目前被广泛使用，在一些场景中逐步替代了传统的CELP编码。
目前，还未出现针对SILK语音的隐写方法。
发明内容
本发明对SILK编码器的编码原理进行分析和研究，寻找可行的嵌入域，开拓性地提出了一种基于SILK的隐写方法，实现秘密信息的安全传输，是一种全新的研究方向，对信息隐藏的研究具有重要的影响。同时，也可以作为一种全新的保密信息传输通道。
本发明所采用的技术方案是：一种基于LSF系数统计分布特征的SILK安全隐写方法，其特征在于，包括以下步骤：
步骤1：对SILK编码过程中在LPC量化阶段的码字使用情况进行统计分析，根据统计情况将码字分布情况相似的组进行分组；将LSF量化过程每一级中分布相似的码字分为一组；
所述码字分布情况相似，是指码字分布的区间范围在预设阈值范围内，分布的趋势也符合预设趋势范围；
其中，SILK编码过程中，LSF矢量使用多级矢量码本进行量化。保留0级 LSF系数的量化结果，只对1到9级LSF系数的量化结果进行统计分析。
步骤2：将量化结果1到9级的LSF索引用于嵌入秘密信息，嵌入秘密信息的比特数由嵌入组中的码字矢量个数决定；
其中，根据秘密信息的不同选择不同的组编码，在分组个数为2和4的码字组中，分别嵌入1bit和2bit的秘密信息；如果分组中只有一组码字矢量，则该码字矢量无法嵌入秘密信息。
相对于现有技术，本发明针对目前面向SILK隐写方法相对缺少的问题，实现了面向SILK基于LSF系数统计分布特征的安全隐写算法，该算法最大嵌入容量可以达到274bps，同时可以保证语音的听觉隐蔽性，并且具有较好的安全性。
附图说明
图1为本发明实施例中SILK编码流程图；
图2为本发明实施例中多级矢量码本编码流程图；
图3为本发明实施例的流程图；
图4为本发明实施例中8KHz采样率下隐写前后PESQ值对比图；
图5为本发明实施例中16KHz采样率下隐写前后PESQ值对比图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。
首先对本发明采用的技术术语做如下说明：
1)压缩音频：指经过有损压缩的音频，如MP3、WMA、AMR均为有损压缩音频。
2)Cover：载体音频，即未进行秘密信息嵌入的音频。
3)Stego：载密音频，即进行了秘密信息嵌入的音频。
4)LPC系数：AMR语音每帧包括4个子帧，第一子帧和第二子帧构成一个子帧组，第三子帧和第四子帧构成一个子帧组。
5)LSF系数：LPC系数通常被转换为线性频谱频率系数LSF(Linear SpectralFrequencies)，LSF系数作为一种更稳定的表示形式，被用于后续的编码和量化过程，实现更有效的压缩编码。
请见图1，为SILK编码流程图；在SILK编码中，无论是清音帧还是浊音帧，都需要要执行LSF量化过程。对于得到的LSF矢量，使用多级矢量码本分析相关的系数。
根据SILK编码采样率的不同，LSF系数的阶数和码本矢量量化的级数不同，语音在8KHz的采样率下，LSF矢量的阶数为10，码本矢量量化的级数为6；其余采样率下，LSF阶数为16，码本矢量量化的级数为10。
在SILK编码中，LSF矢量使用多级矢量码本进行量化。在量化的第一阶段，输入LSF矢量，在后面的阶段，输入为来自上一阶段量化得到的误差和。量化过程中，码本矢量总和为：
其中Ms表示量化第s级的矢量个数。因此量化阶段的可能的组合结果个数为：
如果遍历所有组合，计算误差，然后从中选择误差最小的路径组合，算法的复杂度太高。因此，在量化阶段的每一级，计算比特率和失真率的加权综合，只有量化误差最小的码字矢量可以作为下一级的输入进行后续的量化过程。在最后一级的量化时，唯一的最佳路径由所有量化阶段确定。
各阶矢量参数与码本之间的误差和，计算公式如下：
其中x代表每一级的输入，d表示LSF矢量的阶数,cw表示码本中的码字值。
多级矢量码本的具体量化过程如图1、2所示。在每个量化阶段中，M代表子码本的个数，系数需要和对应阶数的每个码字矢量进行量化，计算输入和码字矢量的误差和，在每一级中选择量化误差最小的码字矢量，最后得到量化误差最小的码字矢量在对应级别码本中的索引。
在LSF系数的多级矢量码本量化中，首先计算原始信号和码字之间的误差和，第一级量化过程中输入的是LSF矢量，计算与码本中对应码字矢量的误差和；在后面的级数中，计算的上一级得到的误差和码本中对应码字的误差和；然后对计算得到的误差和从小到大进行排序，并记录对应的码字在码本中的索引；接下来对排序后的误差和进行筛选，丢弃超过设定阈值的误差和；得到的误差和用做下一级量化的输入，计算与对应子码本之间的误差和；重复上述步骤直至每一级的码本都被量化。最终，LSF系数通过多级矢量码本量化得到一组误差和最小的最优索引，作为熵编码器的最终输入。语音编码在8KHz的采样率下，得到6个最优索引；在其他采样率下，得到10个最优索引征。
LSF矢量在执行多级矢量码本的分析计算之后，得到的码本序号映射到对应码本中的码字矢量，第一个码字序号代表的是输入的LSF系数与对应码本的误差和最小的最优码字序号，而后面级数的索引分别代表与上一级量化造成的误差和与对应码本的误差和最小的最优索引。为了使隐写算法具有较高的隐写容量、好的听觉隐蔽性，以及较高的抗隐写分析能力，需要对LSF量化过程进行统计分析。首先，分析LSF量化结果的修改能力，确定合适的嵌入域，在保证语音听觉隐蔽性的前提下，尽可能多地嵌入秘密信息，提高隐写算法的容量；其次，统计码本中每组码字的使用频率，得到LSF码本的使用分布情况。根据LSF的码字统计分布特性设计针对SILK语音压缩编码的隐写算法，保证原始SILK语音(后文统称为Cover语音)和隐写后的SILK语音(即为Stego语音)在统计分布上的一致性，使该隐写算法的抗隐写分析能力较高。
在SILK语音编解码的过程中，LSF系数量化阶段根据LSF矢量的阶数和清浊音类型使用不同的码本。因此，统计不同的码本的码字值分布，分别统计在每一级下码字的最大值，最小值。表1表示码本CB0-16和CB1-16中码字的最大值和最小值。和从表中可以看出，第一级码本中的码字值较大，码字值分布在较大的范围内。浊音帧的第一级码字值在1012到31294之间，清音帧的第一级码字值在454到31082之间。后面9级码本中的码字值较小，包括负数。而且随着级数的增大，码字的数值和范围逐渐减小。即第9级码字数值和分布范围是最小的，浊音帧的第九级码字值在-413到245之间，清音帧在-376到339之间。结合码本量化过程可以得出，第一个索引表征LSF系数信息，代表的是LSF系数的主要特征，后面9个索引表征误差和信息，对前一级量化得到的索引信息起到一个修正作用，越到后面的级数，误差越小，因此码字范围也越小。
表1 码本CB0-16和CB1-16码字值统计
基于上述分析，针对16KHz采样率下，设计PESQ实验分析10个索引的修改能力，修改LSF量化得到的10个索引，测试对应的PESQ值，查看语音质量，分析改变不同索引值对语音质量的影响。在使用中，从后往前修改索引值，先修改最后1个索引，然后修改最后的2个索引，最后修改所有的10个索引，将LSF 量化得到的索引值用可用范围内的随机数替代，测试修改后语音的PESQ值 (PESQ最大值为4.5)，该值可以表示语音听觉隐蔽性。实验中，使用2000个 PCM文件，在编码过程中修改不同的索引位数，得到SILK语音样本，并测量对应语音的PESQ平均值值。表2表示实验结果，9代表修改9级LSF的索引值， 8代表修改9、8级LSF的索引值，7代表修改9-7级LSF的索引值。从表3.4 可以看出，修改1-9级LSF量化得到的索引值对语音质量影响不大，PESQ值仍然可以达到4.23以上，修改9级索引，PESQ值可以达到4.29；修改1-9级索引， PESQ值可以达到4.23。而一旦修改0级索引，PESQ值下降为2.45，严重影响了语音质量和听觉隐蔽性，因此在设计隐写算法时，不能修改0级LSF量化的索引值，会对语音质量造成较大的影响。
表2 修改各级LSF量化索引值对应的PESQ值
通过PESQ语音质量分析可知，在设计针对LPC量化阶段的语音隐写算法时，为保证语音质量和听觉隐蔽性，对LSF量化索引进行修改时，需要保留0 级LSF系数，只能对1-9(1-6)级LSF系数进行修改，实现秘密信息的嵌入。
通过对现有LPC系数隐写算法的研究发现，本发明提出的隐写方法将考虑修改LSF参数对统计分布特征造成的影响，保证cover和stego分布特征尽可能地相似，实现较为安全的隐写方法。
本发明利用1000个PCM音频通过SILK编码得到压缩后的音频文件，在编码过程中统计cover中LSF系数的分布特征。在LSF系数量化过程中，每一级量化过程中码字组的使用频率计算如公式1-4，1-5：
为了保证嵌入后语音的质量，需要保留原始LSF系数的主要特征，因此，保留0级LSF系数的量化结果，只对1到9级LSF系数的量化结果进行统计分析，根据统计结果，将分布相似的码字进行分组，实现秘密信息的嵌入。本发明提出将LSF量化过程每一级中分布相似的码字分为一组。在隐写方法中，利用具有相似分布的组来实现秘密信息的嵌入，不会影响码本的分布特征，同时提高了隐写算法的安全性。
本发明通过对SILK码字统计特征的分析，修改LSF索引嵌入秘密信息，提出基于LSF系数统计分布特性的SILK安全隐写算法。
首先对SILK编码过程中在LPC量化阶段的码字使用情况进行统计分析，根据统计情况将码字分布情况相似(是指码字分布的区间范围在预设阈值范围内，分布的趋势也符合预设趋势范围)的组进行分组。在编码过程中，根据秘密信息的不同选择不同的组编码，在分组个数为2和4的码字组中，分别可以嵌入1bit 和2bit的秘密信息。如果分组中只有一组码字矢量，则该码字矢量无法嵌入秘密信息。
请见图3，本发明提供的一种基于LSF系数统计分布特征的SILK安全隐写方法，具体流程如下：
首先，SILK编码过程中，LSF矢量使用多级矢量码本进行量化。接着，将量化结果1到9级的LSF索引用于嵌入秘密信息，嵌入秘密信息的比特数由嵌入组中的码字矢量个数决定。
图3中，GofCw_4表示嵌入组中有4组码字，可以嵌入2bit秘密信息。 GofCw_2表示有2组码字，可以嵌入1bit秘密信息。GofCw_1表示没有与该码字统计分布相似的组，无法嵌入秘密信息。提取秘密信息的过程和嵌入过程相反，在提取过程中，用于提取秘密信息的分组情况和嵌入过程相同。SILK语音编码端和解码端双方共享LSF矢量编码过程中的码字分组方式。
为了验证本发明算法的有效性，输入PCM样本，生成使用本发明中提出的隐写方法SS_DLSF，在SILK语音压缩编码过程中嵌入随机地秘密信息，生成 stego含密语音。
本发明针对不同隐写方法训练的隐写分析模型，实验结果如图4、图5所示。其中TPR表示载密音频(Stego)的检测为Stego的概率，TNR表示载体音频(Cover) 检测为Cover的检测率。
(1)听觉隐蔽性实验
为了验证语音在使用本发明的隐写方法嵌入秘密信息后的语音质量以及听觉隐蔽性，采用PESQ实验进行验证。
图4、图5表明，隐写前后的方差值都较小，语音的PESQ值比较稳定，语音质量普遍保持在较高的状态。因此，从语音听觉隐蔽性实验可以得出结论，隐写算法对Stego语音质量影响较小，隐写后的语音仍然有着较高的语音质量，且语音质量普遍比较稳定。因此，本发明提出的隐写算法具有较好的听觉隐蔽性，没有对原始语音质量造成较大影响。
(2)隐藏容量实验
在本发明设计的隐写算法下，通过容量统计实验，分析得到了本章隐写算法的隐藏容量，验证了该算法具有较高的隐藏容量。
表3 SS_DLSF算法的隐藏容量
(3)安全性实验
不同嵌入率的样本分别用于训练对应的样本，例如，在不同采样率下，利用 Cover和10％嵌入率的Stego语音样本在SVM训练器中生成检测模型，得到的模型用于检测另一半的Cover和10％嵌入率的Stego，统计检测结果。
评价标准分别为真阳率(TPR)、假阳率(TNR)和检测正确率(ACC)。如果TPR 和TNR为50％，说明隐写分析算法无法判断出Cover和Stego，即该隐写算法足够安全，能够抵抗隐写分析算法的检测。因此，本发明设计了隐写分析方法，判断算法的安全性。
表4 SS_DLSF算法的抗隐写分析能力
应当理解的是，本说明书未详细阐述的部分均属于现有技术。
应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。

Claims (5)

1.一种基于LSF系数统计分布特征的SILK安全隐写方法，其特征在于，包括以下步骤：
步骤1：对SILK编码过程中在LPC量化阶段的码字使用情况进行统计分析，根据统计情况将码字分布情况相似的组进行分组；将LSF量化过程每一级中分布相似的码字分为一组；
所述码字分布情况相似，是指码字分布的区间范围在预设阈值范围内，分布的趋势也符合预设趋势范围；
步骤2：将量化结果1到9级的LSF索引用于嵌入秘密信息，嵌入秘密信息的比特数由嵌入组中的码字矢量个数决定。
2.根据权利要求1所述的基于LSF系数统计分布特征的SILK安全隐写方法，其特征在于：步骤1中，保留0级LSF系数的量化结果，只对1到9级LSF系数的量化结果进行统计分析。
3.根据权利要求1所述的基于LSF系数统计分布特征的SILK安全隐写方法，其特征在于：步骤1中，SILK编码过程中，LSF矢量使用多级矢量码本进行量化。
4.根据权利要求3所述的基于LSF系数统计分布特征的SILK安全隐写方法，其特征在于：在LSF系数的多级矢量码本量化中，首先计算原始信号和码字之间的误差和，第一级量化过程中输入的是LSF矢量，计算与码本中对应码字矢量的误差和；在后面的级数中，计算的上一级得到的误差和码本中对应码字的误差和；然后对计算得到的误差和从小到大进行排序，并记录对应的码字在码本中的索引；接下来对排序后的误差和进行筛选，丢弃超过设定阈值的误差和；得到的误差和用做下一级量化的输入，计算与对应子码本之间的误差和；重复上述步骤直至每一级的码本都被量化；最终，LSF系数通过多级矢量码本量化得到一组误差和最小的最优索引，作为熵编码器的最终输入。
5.根据权利要求1所述的基于LSF系数统计分布特征的SILK安全隐写方法，其特征在于：步骤2中，根据秘密信息的不同选择不同的组编码，在分组个数为2和4的码字组中，分别嵌入1bit和2bit的秘密信息；如果分组中只有一组码字矢量，则该码字矢量无法嵌入秘密信息。
CN201910347906.3A 2019-04-28 2019-04-28 一种基于lsf系数统计分布特征的silk安全隐写方法 Pending CN110097887A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910347906.3A CN110097887A (zh) 2019-04-28 2019-04-28 一种基于lsf系数统计分布特征的silk安全隐写方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910347906.3A CN110097887A (zh) 2019-04-28 2019-04-28 一种基于lsf系数统计分布特征的silk安全隐写方法

Publications (1)

Publication Number Publication Date
CN110097887A true CN110097887A (zh) 2019-08-06

Family

ID=67446140

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910347906.3A Pending CN110097887A (zh) 2019-04-28 2019-04-28 一种基于lsf系数统计分布特征的silk安全隐写方法

Country Status (1)

Country Link
CN (1) CN110097887A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114242084A (zh) * 2021-11-12 2022-03-25 合肥工业大学 基于分层的低比特率语音流大容量隐写方法和系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107545899A (zh) * 2017-09-06 2018-01-05 武汉大学 一种基于清音基音延迟抖动特性的amr隐写方法
CN108231083A (zh) * 2018-01-16 2018-06-29 重庆邮电大学 一种基于silk的语音编码器编码效率提高方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107545899A (zh) * 2017-09-06 2018-01-05 武汉大学 一种基于清音基音延迟抖动特性的amr隐写方法
CN108231083A (zh) * 2018-01-16 2018-06-29 重庆邮电大学 一种基于silk的语音编码器编码效率提高方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YANZHEN REN, WEIMAN ZHENG, LINA WANG: "SILK Steganography Scheme Based on the Distribution of LSF Parameter", <APSIPA ANNUAL SUMMIT AND CONFERENCE 2018> *
任延珍，柳登凯，杨倩，王丽娜: "基于基音延迟组内相关性的AMR隐写分析算法", 《华南理工大学学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114242084A (zh) * 2021-11-12 2022-03-25 合肥工业大学 基于分层的低比特率语音流大容量隐写方法和系统
CN114242084B (zh) * 2021-11-12 2023-03-10 合肥工业大学 基于分层的低比特率语音流大容量隐写方法和系统

Similar Documents

Publication Publication Date Title
Huang et al. Steganography in inactive frames of VoIP streams encoded by source codec
CN101577605B (zh) 基于滤波器相似度的语音lpc隐藏和提取算法
CN109817233A (zh) 基于层次注意力网络模型的语音流隐写分析方法及系统
AU2008312198B2 (en) A method and an apparatus for processing a signal
CN102376306B (zh) 语音帧等级的获取方法及装置
Ren et al. Secure AAC steganography scheme based on multi-view statistical distortion (SofMvD)
CN110097887A (zh) 一种基于lsf系数统计分布特征的silk安全隐写方法
Nishimura Data hiding in pitch delay data of the adaptive multi-rate narrow-band speech codec
Hicsonmez et al. Audio codec identification from coded and transcoded audios
EP2447943A1 (en) Coding method, decoding method, and device and program using the methods
Cai et al. Speech quality evaluation: A new application of digital watermarking
CN110085242B (zh) 一种基于最小失真代价的silk基音域自适应隐写方法
CN107545899A (zh) 一种基于清音基音延迟抖动特性的amr隐写方法
CN114974270A (zh) 一种音频信息自适应隐藏方法
Chang et al. Dither-like data hiding in multistage vector quantization of MELP and G. 729 speech coding
Vicente-Peña et al. Band-pass filtering of the time sequences of spectral parameters for robust wireless speech recognition
Li et al. Reversible watermarking for compressed speech
CN105575401A (zh) 一种基于C-MAC特征的AACHuffman域隐写分析方法
Lin A Synchronization Scheme for Hiding Information in Encoded Bitstream of Inactive Speech Signal.
US20030158730A1 (en) Method and apparatus for embedding data in and extracting data from voice code
Tahilramani et al. A hybrid scheme of information hiding incorporating steganography as well as watermarking in the speech signal using Quantization index modulation (QIM)
Geiser et al. Robust wideband enhancement of speech by combined coding and artificial bandwidth extension
CN103474079A (zh) 一种语音编码方法
KR100984094B1 (ko) 가우시안 혼합 모델을 이용한 3세대 파트너십 프로젝트2의 선택 모드 보코더를 위한 실시간 유무성음 분류 방법
JP4932530B2 (ja) 音響処理装置、音響処理方法、音響処理プログラム、照合処理装置、照合処理方法及び照合処理プログラム

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190806