基于对象传播神经网络的抗TSM攻击音频水印算法

提出了一种基于对象传播神经网络的抗TSM攻击音频水印算法。利用CPN自学习和自适应的特征,通过自适应改变段长的分段算法,选用具有较强稳定性的小波低频系数方差作为输入向量训练CPN,建立音频特征与水印信号的对应关系,以达到嵌入水印的目的。实验结果表明,该算法对常规音频信号处理和TSM等同步攻击具有很强的鲁棒性。

基于对象传播神经网络的音频水印算法

提出了一种基于对象传播神经网络的音频水印算法。算法将水印的嵌入和提取转换为对象传播神经网络(CPN)的训练和回想,由于水印的提取依赖于CPN输入的统计特性,因此选用具有较强稳定性的小波低频系数方差作为输入向量训练CPN。实验结果表明,该算法在抵抗常规音频信号处理和去同步攻击方面具有较好的鲁棒性。

基于正交基函数对向传播过程神经网络的语音识别方法

针对特定人孤立词识别任务,传统的语音识别系统中构造的神经网络模型主要采用BP神经网络和径向基函数网络,为了解决这两种神经网络构造下的语音识别系统对训练样本需求量较大和识别率较低问题,提出了一种基于正交基函数展开的混合学习算法,并应用于语音识别中,同时与传统的BP神经网络、径向基函数网络进行了比较。仿真结果表明,采用对向传播过程神经网络进行的语音识别,识别性能得到了提高,并为对向传播过程神经网络的应用领域提供了一个新的方向。