音频隐写方法综述:从传统到深度学习

数字音频作为网络空间中广泛应用的媒体,是承载秘密信息的良好载体,常被用来构建实时性强、复杂度低、不可感知性好的隐蔽通信。音频隐写作为确保网络信息安全和数据保密通信的关键技术手段之一,正受到越来越多学者的关注。本文对音频隐写方法的发展脉络进行了系统性梳理。首先,介绍了音频隐写的基本内容,对问题描述、常用数据格式、工具和评价指标等进行总结。其次,按照嵌入域的不同,将传统音频隐写方法分为时域方法、变换域方法和压缩域方法,并分析其优缺点;根据隐写载体的不同,将基于深度学习的隐写方法划分为嵌入载体式、生成载体式和无载体式音频隐写,并对这3种音频隐写方法进行了对比分析。最后,指出了当前音频隐写进一步的研究方向。

基于圆形麦克风阵列的声源定位改进算法

针对波达方向估计中传统互功率谱法声源方位估计准确性差、方位模糊的问题,提出了一种基于圆形麦克风阵列的声源定位改进算法,并进行了实验验证。在该改进算法中,先设计了十二元圆形麦克风阵列,由麦克风对接收语音信号的时延与相位得到相位旋转因子,再将其引入到语音信号的互功率谱中,新定义了圆形集成互功率谱,由该功率谱进行声源方位估计。仿真与实测实验结果表明,本文的圆形集成互功率谱法对声源方位进行估计,估计的准确度高于传统互功率谱法。

基于自给式呼吸器的语音减噪改进方法

针对传统减噪方法在处理自给式呼吸器通信时语音音质不清晰、噪声干扰严重的问题,提出了一种基于自给式呼吸器的语音减噪改进方法,并进行了实验验证。在该改进方法中,先定义一个新的判决变量为相关函数能量,利用该变量进行语音端点检测,然后根据检测结果,分别对有话段语音信号采取声压差值减噪处理,对无话段噪声信号采用静默处理。实测实验结果表明,对于自给式呼吸器采集到的语音信号,改进方法的准确性与鲁棒性要优于传统语音减噪方法。

面向电台通信的CLU-Net语音增强网络

为了消除电台系统中的环境噪声和信道噪声对语音通信质量的不利影响,提升电台语音通信的质量,提出了一种基于联合通道注意力与长短时记忆网络(Long Short Term Memory,LSTM)的深度可分离U形网络CLU-Net(Channel Attention and LSTM-based U-Net)。该网络采用深度可分离卷积实现低复杂度的特征提取,联合利用注意力机制和LSTM同时关注语音通道特征和长时上下文联系,在参数量较少的情况下实现对干净语音特征的关注。在公开与实测数据集上进行多组对比实验,仿真结果表明,所提方法在VoiceBank-DEMAND数据集上的PESQ和STOI等指标得分优于同类语音增强模型。实测实验结果表明,所提CLU-Net增强框架能够有效抑制环境噪声与信道噪声,在低信噪比条件下的增强性能优于其他同类型的增强网络。