?博主簡介：熱愛科研的Matlab仿真開發(fā)者，修心和技術(shù)同步精進，Matlab項目合作可私信。
??個人主頁：海神之光
??代碼獲取方式：
海神之光Matlab王者學(xué)習(xí)之路—代碼獲取方式
??座右銘：行百里者，半于九十。

更多Matlab仿真內(nèi)容點擊??
Matlab圖像處理（進階版）
路徑規(guī)劃（Matlab）
神經(jīng)網(wǎng)絡(luò)預(yù)測與分類（Matlab）
優(yōu)化求解（Matlab）
語音處理（Matlab）
信號處理（Matlab）
車間調(diào)度（Matlab）

?一、離散小波變換的音頻信號數(shù)字水印技術(shù)簡介

0 引言
近年來, 數(shù)字水印技術(shù)的作用越來越重要。數(shù)字水印技術(shù)是將一些標(biāo)識信息直接嵌入數(shù)字載體當(dāng)中, 或間接表示在信號載體中, 且不影響原載體的使用價值。通過隱藏在載體中的這些信息, 可以判斷信息是否被篡改, 具有防偽溯源、保護信息安全、版權(quán)保護等作用。對于廣播轉(zhuǎn)播臺站而言, 是廣播音頻的中轉(zhuǎn)站, 在廣播信號發(fā)送至千家萬戶之前務(wù)必保證信號的安全可靠, 但現(xiàn)在的大部分臺站只是利用人耳的判斷, 以及不同信源之間的比較, 具有較大的局限性。若利用數(shù)字水印的特性, 應(yīng)用于廣播節(jié)目中可以有效地防止信號插播, 可靠地保護信號安全, 保障廣播的安全播出。

1 音頻數(shù)字水印技術(shù)分類
根據(jù)數(shù)字水印在音頻信號中的處理技術(shù), 可將數(shù)字水印分為時域、變換域、壓縮域數(shù)字水印。

1.1 時域數(shù)字水印
在時域數(shù)字水印技術(shù)中, 直接將水印信息嵌入至音頻信號中, 通常會選擇隱藏在信號不重要部位, 以保證其嵌入水印不影響原音頻信號的監(jiān)聽效果。時域水印技術(shù)的實現(xiàn)較為容易且運算量小, 簡單直接, 但是魯棒性差, 容易被破解, 抵抗力較差。

1.2 變換域數(shù)字水印
在變換域數(shù)字水印中, 音頻信號需經(jīng)過時域至變換域的轉(zhuǎn)換, 通常的變換域有離散余弦變換 (DCT, Discrete Cosine Transform) 、離散傅立葉變換 (DFT, Discrete Fourier transform) 、離散小波變換 (DWT, Discrete Wavelet Transform) 等。在變換域中嵌入水印信息, 通過反變換得到嵌入水印的音頻時域信號。變換域水印技術(shù)較時域水印技術(shù)復(fù)雜, 但變換域嵌入的水印信息較時域而言, 不可見性更強, 隱蔽性更好, 魯棒性更好。本文的研究主要基于DWT的音頻信號的水印信息的嵌入與提取。

1.3 壓縮域數(shù)字水印
在時域和變換域的水印技術(shù), 都是直接將水印信號嵌入未壓縮的音頻格式中, 但是通常在音頻信號的傳輸或存儲中需要對音頻信號進行壓縮編碼 (例如WMA、MP3等) , 因此壓縮域數(shù)字水印也是水印技術(shù)也具有較大的實用價值。壓縮域數(shù)字水印技術(shù)大致可分為三類: (1) 在非壓縮域嵌入水印, 將音頻信號與水印信息一起壓縮; (2) 在壓縮域中, 直接將水印信息嵌入壓縮的音頻信號中; (3) 將壓縮后的信號進行解壓縮, 然后嵌入水印信息, 最后將水印信息和解壓后的音頻信號一起壓縮?？偟膩碚f, 壓縮域水印技術(shù)的編解碼系統(tǒng)過于復(fù)雜, 受壓縮編碼格式限制大, 壓縮后的音頻信號已經(jīng)去除了冗余, 因此加入水印的難度大, 壓縮域水印技術(shù)有待進一步研究。

2 基于DWT的音頻水印算法
2.1 水印嵌入
本文研究的音頻水印算法是基于離散小波變換 (DWT) , 音頻信號通過DWT變換, 在變換域中嵌入水印信息, 再經(jīng)過逆變換 (IDWT) 從而得到嵌入水印的音頻信號。水印嵌入原理框圖如圖1所示。

假定水印為M1×M2的二維圖像bw, 由于音頻信號通常為一維向量, 故水印信息在嵌入音頻信號之前需要將二維降至一維向量w, 即M=M1×M2。通常我們也可以將圖像進行打亂加密, 增強水印隱蔽性。

假定語音信號為s, 長度為N, 則s={s1, s2, s3, …, sN}由于語音信號較長在處理中一般需要進行分段, 每段長度設(shè)為N1, 故該語音信號分為K=fix (N/N1) 段進行處理, 每段語音均嵌入一個水印信息。

小波變換是為了解決傅立葉變換的不足而提出的一種分析變換, 傅立葉變換的基函數(shù)是鋪滿整個時域的正弦信號, 對于突變信號以及變化的頻率成分信息均不能較準(zhǔn)確地表示。而小波變換是時間和頻率的局部變換, 更能準(zhǔn)確地表示音頻信號的頻域特征, 常用的小波基有Haar小波、Daubechies (db N) 小波、Marr小波等。本文采用的小波基是Haar小波, 它是支撐域在t∈[0, 1]范圍內(nèi)的矩形波, 定義如下:

圖1 音頻信號水印嵌入原理框圖

圖2 音頻信號水印提取原理框圖

取定Haar小波基后, 則語音信號s可以表示為:

其中Cj, k為離散小波系數(shù), 將音頻信號分解為低頻的近似部分和高頻的細(xì)節(jié)部分, 我們在水印信息的嵌入處理中, 主要針對代表低頻近似部分的系數(shù)向量處理, 即將水印信號放入低頻近似部分, 高頻細(xì)節(jié)部分不變, 以保證語音質(zhì)量基本不變。由于嵌入的水印為二值圖像, 因此如果水印信息的值為1, 則將對應(yīng)的低頻系數(shù)增大, 相反如果值為0, 則將對應(yīng)的低頻系數(shù)降低。在DWT域嵌入水印信息后, 然后通過IDWT變換, 將語音信號變換成時域信號。

2.2 水印提取
為了保證信息安全, 在發(fā)送端發(fā)送嵌入水印的音頻信號, 而在接收端為了確定音頻信息的準(zhǔn)確性, 我們通常需要提取水印以確保來源的真實性, 因此水印的提取技術(shù)也尤為重要。在水印提取過程中, 需要原始音頻信號與嵌入水印的音頻信號同時進行DWT, 再將兩者參數(shù)進行分析比較提取出水印信息。水印提取原理框圖如圖2所示。

在前面所述的水印嵌入過程中, 將水印信息嵌入高頻的細(xì)節(jié)部分, 因此在提取水印過程中, 我們也只需比較原始語音信號S的低頻小波系數(shù)向量c A與嵌入水印的音頻信號s1的低頻小波系數(shù)向量c A1作比較, 若c A1>c A, 則水印信息為1;反之則為0, 再通過向量平均, 如此得到水印信息的一維向量, 最后通過升維得到二值圖像。

3 小波變換結(jié)合奇異值分解DWT-SVD音頻數(shù)字水印嵌入提取
DWT-SVD音頻數(shù)字水印嵌入提取是一種基于小波變換和奇異值分解的音頻數(shù)字水印技術(shù)。下面是對該技術(shù)的介紹：
（1）DWT（Discrete Wavelet Transform，離散小波變換）：DWT是一種將信號分解成不同頻率子帶的變換方法。在DWT中，音頻信號被分解為多個不同頻率的子帶，每個子帶包含了不同尺度的細(xì)節(jié)信息。
（2）SVD（Singular Value Decomposition，奇異值分解）：SVD是一種將矩陣分解為三個矩陣乘積的方法。在音頻數(shù)字水印中，使用SVD對每個小波子帶進行分解，得到其奇異值矩陣。
（3）數(shù)字水印嵌入：在嵌入過程中，選擇一段音頻作為水印信息，并將其轉(zhuǎn)換為二進制序列。然后，將二進制序列嵌入到每個小波子帶的奇異值矩陣中，通過調(diào)整奇異值的大小來實現(xiàn)水印信息的隱藏。
（4）數(shù)字水印提?。涸谔崛∵^程中，對待提取音頻進行DWT分解，并對每個小波子帶的奇異值矩陣進行SVD分解。通過比較提取到的奇異值與原始嵌入時的奇異值，可以恢復(fù)出嵌入的水印信息。

?二、部分源代碼

clear all;
clc;
key=35;
%Arnold置換次數(shù)，作為密鑰
Orignalmark=double(imread(‘suda64.bmp’)); %讀入6464的水印圖片
[wrow,wcol]=size(Orignalmark);
if wrow~=wcol
error(‘wrow~=wcol error’);
end
%— 測試密鑰key是否超出范圍---------
n=check_arnold(wrow);
if (key+1)>n
error(‘a(chǎn)rnold key error’);
end
Arnoldw=arnold(Orignalmark,wrow,key); %對水印圖像進行Arnold轉(zhuǎn)化
[X,fs]=audioread(‘laile.wav’); %讀入音頻文件
%X=imread(‘lena.bmp’);
figure;
subplot(2,1,1);
%imshow(X),title(‘原始圖像’);
%X=double(X);
plot(X); %顯示音頻文件波形
title(‘原始音頻信號’);
%sound(X,fs,bits);
%pause;
%水印嵌入--------------------------------------------------
[c,l]=wavedec(X,2,‘db4’); %用db4小波對讀入的聲音文件進行2級小波分解
ca2=appcoef(c,l,‘db4’,2); %提取2級小波分解的低頻系數(shù)和高頻系數(shù)
cd2=detcoef(c,l,2);
cd1=detcoef(c,l,1);
lca=length(ca2); %低頻長度
blocksize=fix(lca/(wrowwcol)); %每塊的大小
water_vector=reshape(Arnoldw,1,wrowwcol); %將置亂后的水印轉(zhuǎn)化為一維的
wlength=wrowwcol; %水印的長度
a=0.25; %量化步長
j=1;
for i=1:wlength
Block=ca2(j:j+blocksize-1);
[U,S,V]=svd(double(Block));
cc=floor(S(1,1)/a);
if(Arnoldw(i)==1) %嵌入奇數(shù)倍
if(mod(cc,2)==0)
cc=cc+1;
end
S(1,1)=a*cc;
end

?三、運行結(jié)果

?四、matlab版本及參考文獻

1 matlab版本
2014a

2 參考文獻
[1]韓紀(jì)慶,張磊,鄭鐵然.語音信號處理（第3版）[M].清華大學(xué)出版社，2019.
[2]柳若邊.深度學(xué)習(xí):語音識別技術(shù)實踐[M].清華大學(xué)出版社，2019.

3 備注
簡介此部分摘自互聯(lián)網(wǎng)，僅供參考，若侵權(quán)，聯(lián)系刪除

?? 仿真咨詢
1 各類智能優(yōu)化算法改進及應(yīng)用
生產(chǎn)調(diào)度、經(jīng)濟調(diào)度、裝配線調(diào)度、充電優(yōu)化、車間調(diào)度、發(fā)車優(yōu)化、水庫調(diào)度、三維裝箱、物流選址、貨位優(yōu)化、公交排班優(yōu)化、充電樁布局優(yōu)化、車間布局優(yōu)化、集裝箱船配載優(yōu)化、水泵組合優(yōu)化、解醫(yī)療資源分配優(yōu)化、設(shè)施布局優(yōu)化、可視域基站和無人機選址優(yōu)化

2 機器學(xué)習(xí)和深度學(xué)習(xí)方面
卷積神經(jīng)網(wǎng)絡(luò)（CNN）、LSTM、支持向量機（SVM）、最小二乘支持向量機（LSSVM）、極限學(xué)習(xí)機（ELM）、核極限學(xué)習(xí)機（KELM）、BP、RBF、寬度學(xué)習(xí)、DBN、RF、RBF、DELM、XGBOOST、TCN實現(xiàn)風(fēng)電預(yù)測、光伏預(yù)測、電池壽命預(yù)測、輻射源識別、交通流預(yù)測、負(fù)荷預(yù)測、股價預(yù)測、PM2.5濃度預(yù)測、電池健康狀態(tài)預(yù)測、水體光學(xué)參數(shù)反演、NLOS信號識別、地鐵停車精準(zhǔn)預(yù)測、變壓器故障診斷

3 圖像處理方面
圖像識別、圖像分割、圖像檢測、圖像隱藏、圖像配準(zhǔn)、圖像拼接、圖像融合、圖像增強、圖像壓縮感知

4 路徑規(guī)劃方面
旅行商問題（TSP）、車輛路徑問題（VRP、MVRP、CVRP、VRPTW等）、無人機三維路徑規(guī)劃、無人機協(xié)同、無人機編隊、機器人路徑規(guī)劃、柵格地圖路徑規(guī)劃、多式聯(lián)運運輸問題、車輛協(xié)同無人機路徑規(guī)劃、天線線性陣列分布優(yōu)化、車間布局優(yōu)化

5 無人機應(yīng)用方面
無人機路徑規(guī)劃、無人機控制、無人機編隊、無人機協(xié)同、無人機任務(wù)分配

6 無線傳感器定位及布局方面
傳感器部署優(yōu)化、通信協(xié)議優(yōu)化、路由優(yōu)化、目標(biāo)定位優(yōu)化、Dv-Hop定位優(yōu)化、Leach協(xié)議優(yōu)化、WSN覆蓋優(yōu)化、組播優(yōu)化、RSSI定位優(yōu)化

7 信號處理方面
信號識別、信號加密、信號去噪、信號增強、雷達信號處理、信號水印嵌入提取、肌電信號、腦電信號、信號配時優(yōu)化

8 電力系統(tǒng)方面
微電網(wǎng)優(yōu)化、無功優(yōu)化、配電網(wǎng)重構(gòu)、儲能配置

9 元胞自動機方面
交通流 人群疏散 病毒擴散 晶體生長

10 雷達方面
卡爾曼濾波跟蹤、航跡關(guān)聯(lián)、航跡融合文章來源地址http://www.zghlxwxcb.cn/news/detail-831453.html

到了這里，關(guān)于【語音隱寫】基于matlab小波變換結(jié)合奇異值分解DWT-SVD音頻數(shù)字水印嵌入提?。ê琍SNR NC）【含Matlab源碼 3889期】的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！