基于μC/OS-Ⅱ的低速率语音编码器系统设计

μC/OS-Ⅱ是一种免费且源代码公开的实时内核,经过多年的实际应用,显示出强大的功能和巨大的商业价值.本文实现了μC/OS-Ⅱ在TMS320C54X上的移植,并设计了基于μC/OS-Ⅱ的低速率语音编码器.

基于统计模型及SVM的低速率语音编码QIM隐写检测

QIM(Quantization Index Modulation,量化索引调制)隐写在标量或矢量量化时嵌入机密信息,可在语音压缩编码过程中进行高隐蔽性的信息隐藏,文中试图对该种隐写进行检测.文中发现该种隐写将导致压缩语音流中的音素分布特性发生改变,提出了音素向量空间模型和音素状态转移模型对音素分布特性进行了量化表示.基于所得量化特征并结合SVM(Support Vector Machine,支持向量机)构建了隐写检测器.针对典型的低速率语音编码标准G.729以及G.723.1的实验表明,文中方法性能远优于现有检测方法,实现了对QIM隐写的快速准确检测.

低速率语音码流中的码元替换信息隐藏检测

低速率语音码流中的码元替换信息隐藏选取编码压缩语音中的特定码元作为载体,可实现高嵌入率和较高隐蔽性的信息隐藏.本文提出了码元关联网络模型,既可以从空间角度描述并量化同一语音帧内不同码元的取值分布特性,又能从时间角度描述并量化不同语音帧内同一码元的取值关联特性。进一步,基于码元关联网络构建高性能分类器,最终可高效地实现针对码元替换信息隐藏的隐写检测。在不同语音数据库来源和不同语音长度条件下的实验结果证明了本文方法的检测准确率优于现有的隐写检测算法,实现了快速有效地码元替换信息隐藏检测。

基于码书关联网络的基音调制信息隐藏检测

基音调制信息隐藏在进行基音预测时嵌入机密信息,可在低速率语音压缩编码过程中进行高隐蔽性的信息隐藏,文中试图对该种隐写进行检测.文中发现该种隐写将导致压缩语音流中相邻语音帧自适应码书的关联特性发生改变,文中以此为设计隐写分析算法的关键线索.为了量化该种关联特性,文中设计了码书关联网络模型并基于该模型得到了对隐写敏感的特征向量.最后,基于所得特征向量并结合SVM(Support Vector Machine,支持向量机)构建了隐写检测器.针对典型的低速率语音编码标准G.729以及G.723.1的实验表明,文中方法性能优于现有检测方法,实现了对基音调制信息隐藏的快速有效检测.