語音信息隱藏與分析技術研究.pdf

1、信息隱藏作為保障信息安全的新技術，吸引了國內外眾多學者的關注，已成為信息安全領域的研究熱點。信息隱藏是要隱藏信息的存在性，信息隱藏分析是對信息隱藏系統(tǒng)進行攻擊的技術。論文圍繞如何提高隱藏容量、透明性、魯棒性和如何提高信息隱藏分析的準確性，對以語音為載體的信息隱藏與隱藏分析技術展開研究。 針對回聲信息隱藏方法隱藏容量小的不足，提出一種回聲多進制信息隱藏系統(tǒng)。仿真研究了延時時間、分段長度、回聲的衰減系數(shù)等關鍵參數(shù)對隱藏信息恢復率的影

2、響。通過引入32種延時的前向．后向回聲實現(xiàn)了32進制信息隱藏，在透明性較好的情況下，使隱藏信息的容量較單回聲方法提高了5倍，恢復率達到99％。對隱藏系統(tǒng)的健壯性進行了仿真分析，如抗噪聲、再抽樣、濾波、ADPCM壓縮等，具有較好的效果。 提出了一種由語音質量評價和心理聲學模型聯(lián)合控制嵌入強度的語音隱藏方法，克服了對透明性進行評價時完全依靠主觀試聽的缺點。給出了由語音質量評價和心理聲學模型聯(lián)合控制嵌入強度的算法框架，并詳細描述了該算

3、法從秘密信息的嵌入到提取的全過程。最后從信息隱藏的嵌入容量、隱蔽性、魯棒性三個方面驗證了本文算法的性能，同時與采用單一嵌入強度的疊加法進行了比較。實驗結果表明本文算法在隱藏容量、隱蔽性及魯棒性方面均有較好的表現(xiàn)，且性能優(yōu)于采用單一嵌入強度的疊加算法。 針對常用的小波域語音信息隱藏方法，研究了對應的隱藏分析技術，利用隱藏信息前后語音載體統(tǒng)計特征的變化來區(qū)分語音信號中是否有隱藏信息。針對小波域加性噪聲嵌入模型，提出兩種有效的分類特征

4、：語音信號小波子帶系數(shù)直方圖聯(lián)合特征和小波域幅度共生矩陣特征。對于訓練和測試語音集，完成了特征的提取并采用BP網(wǎng)絡進行分類，實驗結果驗證了兩種特征的有效性。對于小波域乘性嵌入模型，為了克服高階矩特征、小波子帶系數(shù)直方圖聯(lián)合特征和小波域幅度共生矩陣特征分類正確率低的不足，提出采用同態(tài)處理的方法，得到較好的分類效果。 由于語音信號小波子帶系數(shù)直方圖聯(lián)合特征和小波域幅度共生矩陣特征的維數(shù)較高，不利于分類，本文提出了一種基于特征選擇技術