基于贝叶斯网络的压缩语音信息隐藏检测

压缩语音量化索引调制(QIM)信息隐藏方法中,最近邻投影点QIM(NPP-QIM)方法具有较高的嵌入效率和隐蔽性。针对现有的隐写分析方法对NPP-QIM方法检测准确率不高的问题,提出了一种基于贝叶斯推理的检测方法以提高检测准确率。首先,利用矢量量化(VQ)码字(VQ_1、VQ_2、VQ_3)构建了码字时空转移网络(CSTN);接着,以码字转移指数对CSTN进行化简得到隐写敏感码字时空转移网络(SS-CSTN);然后,基于SS-CSTN进一步构建了码字贝叶斯网络(CBN);最后,使用Dirichlet分布作为先验分布学习网络参数,实现对QIM信息隐藏的检测。实验结果表明,在嵌入率为100%、时长为10 s时,与索引分布特征(IDC)方法和梅尔频率倒频系数(DMFCC)方法相比,提出CBN方法的检测准确率分别提高了25个百分点和37个百分点;在时间性能方法,检测一段10 s的语音时间约为21 ms,能够实时检测。

一种低速率压缩语音通用隐写分析方法

合成分析线性预测编码(AbS-LPC)广泛应用于多种低速率语音编码中,现有的AbS-LPC低速率压缩语音隐写检测方法针对特定类型的隐写方法而设计,泛化能力较弱。为此,本文提出了一种面向多类低速率压缩语音隐写的通用信息隐藏检测方法。由于AbS-LPC低速率压缩语音码流中的码元存在时空关联性,且所有AbS-LPC低速率压缩语音隐写方法本质上都是改变码元取值。因此,从码元的角度出发,基于贝叶斯推理实现多类低速率压缩语音隐写的通用隐写检测。实验结果证明本文方法具有很好的通用隐写检测效果。

AbS-LPC低速率压缩语音信息隐藏技术综述

合成分析线性预测编码(AbS-LPC)是目前最常用的语音编码方案,广泛应用于多种低速率语音编码器中。基于AbS-LPC的信息隐藏技术成为了语音信息隐藏中新的研究热点,秘密信息的嵌入主要面向三个域:音调合成滤波、LPC合成滤波器、压缩语音码流中的码元。本文分别对这三个嵌入域的信息隐藏方法进行综述,归纳总结现有方法的特点,并指出该领域的研究方向。

爱立信与VimpelCom携手完成全球首次基于全IP网络的商用压缩语音呼叫

近日，爱立信与俄罗斯Beeline品牌的拥有者VimpelCom携手，首次在商用GsM网络上基于IP完成了3GPP标准下的压缩语音呼叫和信令发射演示。第一次呼叫于2005年12月在VimpelCom新增的覆盖地区Yekaterinburg和Nizhniy Tagil之间进行。这项先进的技术将于2006年2月在该区域全面普及。引入基于爱立信移动软交换解决方案的全IP语音压缩是运营商向高效IP网络演进的最根本的第一步．该技术大幅降低了对传输的要求。

1.6Kb/s类MELP语音压缩编码器的FPGA实现

基于"CPU软核+模块算法IP"的方法对一个1.6Kb/s类MELP语音压缩编码算法进行了实现,并将整个语音压缩编码器在FPGA上进行了整体验证,实验结果说明本文给出的语音压缩编码器的实现结构是可行的,能够满足语音压缩编码算法对实时性的要求,从而为下一阶段语音压缩编码器的芯片设计提供有力的可行性论据.同时,由于本文给出的语音压缩编码器的实现结构中的各模块算法IP对于许多语音压缩编码算法中都适用,因此该语音压缩编码器的实现结构对不同的语音压缩编码算法具有一定的通用性.

ADPCM语音压缩编解码器的FPGA实现

通过对自适应差分脉冲编解码算法原理进行分析,讨论其在FPGA上的实现。实现过程中,充分利用了FPGA器件的优点,结合有限状态机的特点对算法进行了更好的简化和优化,提高了算法效率,使应用具有更好的可靠性和实时性。

基于自适应多尺度压缩感知的语音压缩与重构

本文针对语音信号的压缩感知问题,在系数总长度不超过原信号长度的前提下,推导了Sym小波分解合成的矩阵形式,提出了语音信号多尺度压缩感知(MCS)框架.进一步分析语音信号在小波基下不同级的稀疏性,提出了自适应多尺度压缩感知(AMCS)方法,把该方法运用到语音压缩与重构中,对重构语音进行了主客观评价,并进行了说话人识别验证,得出结论:基于AMCS比三层MCS重构语音的性能好.

语音压缩感知研究进展与展望

压缩感知技术,特别是语音压缩感知技术逐渐成为信号处理领域的研究热点。当前的语音压缩感知关键技术主要包括适合语音信号的稀疏分解矩阵构造,观测矩阵的选择和重构算法的设计。稀疏分解矩阵的重要代表是正交基、基于语音特性的线性预测矩阵和过完备字典。观测矩阵方面主要采用随机观测矩阵分析语音压缩感知性能;重构算法方面重点研究当观测序列或语音信号本身含有噪声时鲁棒的语音压缩感知重构算法。本文对上述语音压缩感知的3大关键技术进行了介绍和对比分析,并对语音压缩感知的应用进行了总结,最后对未来可能的研究热点进行了展望。

语音压缩编码技术研究进展

为了满足数字通信及其它商业应用的需求,语音压缩编码技术得到了迅速发展。介绍了目前语音压缩编码技术的研究进展,主要包括连续可变斜率增量调制(CVSD)、小波分析、多脉冲激励线性预测编码、散布脉冲码激励线性预测(DP-CELP)、多重脉冲散布非均匀代数码本激励线性预测(MPD-USACELP)、波形内插(WI)、线谱对(频率)(LSP)的量化。对以上算法进行了分析比较,总结了它们的特点和适用范围,并介绍了其中一些算法在DSP上的实时实现。

基于脉冲位置参数统计特征的压缩域语音隐写分析

针对依合成分析法编码的压缩语音隐写,提出一种基于脉冲位置参数统计特征的隐写分析方法。以G.729编码的压缩语音为例,分析了载体语音和载密语音脉冲位置直方图和0、1出现概率的不同特点,在此基础上提出直方图平坦度这一特征,并采用脉冲位置修正直方图的平坦度、特征函数质心和方差,以及将码流中0和1出现的概率差作为分类特征,用SVM分类器进行隐写分析。实验结果表明,该方法对于G.729编码的压缩域语音隐写分析检测有较高的准确率。该方法也适用于其它使用依合成分析技术编码的压缩域语音隐写的分析。

基于自适应基追踪去噪的含噪语音压缩感知

针对含白噪语音信号压缩采样后采用基追踪方法重构性能差的问题,提出了自适应基追踪去噪方法,该方法根据原含噪信号的信噪比自适应选择重构最佳参数,从而在重构语音的同时提高原信号信噪比。把该方法运用到含噪语音压缩感知中,对重构语音进行了主客观评价,并分析了不同压缩比下的重构性能。仿真结果显示:本文方法既实现了压缩采样,又在重构信号时实现了语音增强。

基于DSP技术的多路语音实时采集与压缩处理系统

介绍一个多路语音实时采集与压缩处理系统。该系统基于 PC- ISA总线结构 ,最大的特点是通过单片 DSP高性能价格比实时地实现了多达 10路的语音采集和 10路语音实时压缩及一路语音解压处理。该系统已成功应用于某语音记录设备中。

基于压缩感知的分布式语音压缩与重构

本文首先阐述了压缩感知(CS)的理论框架,然后分析了语音信号的特点——短时平稳性、离散余弦(DCT)基下的稀疏性,最后提出了基于CS理论的分布式语音压缩重构的框架。基于此框架采用基追踪(BP)和正交匹配追踪(OMP)算法对已压缩的语音信号进行重构,得出结论:每帧语音信号选取的帧长的大小,基于CS理论压缩得到的观测数的多少,都对重构性能有影响。

高效语音压缩芯片AMBE-2000^(TM)及其在语音压缩中的应用

介绍了 Digital Voice Systems,Inc开发的高效语音压缩芯片 AMBE- 2 0 0 0 TM的特点及其应用 ,详细阐述了 AMBE- 2 0 0 0

G.729A语音压缩算法的多级优化

针对G.729A语音压缩算法存在算法复杂、计算量大的不足,提出一种可快速计算LSP系数的APF-LSP算法,对G.729A算法进行算法级、语言级和编译器级三级优化,使其满足TMS320C5510 DSP硬件平台上的语音实时编解码要求。测试结果表明,优化后的G.729A算法运算量从590.097 MIPS降至50.523 MIPS,程序执行速度提高11倍以上。

TETRA中的ACELP语音压缩编码

介绍了欧洲数字集群系统(TETRA)中声码器所使用的语音压缩编码算法———ACELP,着重阐述了代数码本结构及代数码本搜索中采用的聚焦搜索技术,并给出了ACELP算法仿真的结果。结果表明,该算法在较低码率上可获得较高的语音质量。

基于小波包最优基的语音信号压缩方法

提出了基于方差准则的小波包最优基压缩方法。首先选择一个合适的小波函数及分解层次对语音信号进行小波包分解。然后基于方差准则确定小波包最优基,保留语音信号的重要特征,实现信号压缩。最后对小波包最优基中的小波系数进行量化、编码,以便于信号在信道中传输。在接收端进行译码,重构压缩后的语音信号,观察压缩效果。实验中对语音信号采用不同方法进行了压缩实验,验证了本文算法的可行性。实验结果表明,本文算法的搜索量小,易于实现,压缩效果比较明显。