基于离散小波变换和复倒谱的音频水印算法

离散小波变换和复倒谱的数字音频盲水印算法首先对原始音频数据进行分段处理并对每个音频数据段进行二级离散小波变换,然后对二级小波近似系数做复倒谱变换并修改复倒谱的统计均值以嵌入水印。为了便于观察,水印选用二值可视图像,并利用混沌技术进行了加密处理,加强其安全性。算法提取水印时不需要原始音频信号,实现了水印的盲检测。仿真实验证明了算法的鲁棒性和不可感知性。     

一种基于倒谱域的盲检测音频水印算法

为解决水印不可感知性和鲁棒性的矛盾,研究水印的嵌入方法非常必要。本文在复倒谱性质基础上,提出了一种盲检测数字音频水印算法。通过对复倒谱系数进行适当的变换,按照一定的方法将一幅二值灰度图像嵌入到原始音频中,从而最大程度地保持音频水印的不可听性和鲁棒性。     

一种自适应复倒谱音频水印算法

倒谱域统计均值的稳定性已被一些文献用来嵌入水印,但其水印的嵌入强度等参数是根据实验获得的,这些参数需要通过反复实验来调整,因难以找到水印鲁棒性和透明性达到最佳折中的参数,故提出一种根据信噪比来调整水印鲁棒性和透明性关系的自适应复倒谱音频水印算法.该算法实现了水印盲检测,水印的提取不需原始音频和原始水印.实验结果表明,该算法在满足透明性的要求下具有较好的鲁棒性.     

基于数字音频指纹的广播广告检测方法研究

音频信息的检索是多媒体检索技术中的一个重要方面,本文基于数字音频指纹的快速检索算法提出了一种广告检测技术,该算法将音频流分块提取数字音频指纹,然后在广告音频指纹库中粗检索,检索过程中同时得到相似广告的时间偏移及广告长度信息,进而进行完整匹配,实现了广告信息快速完整检索.为了消除音频指纹检索受采样率误差的影响,精细匹配时提出了分割匹配的方法.实验证明,该方法具有检索速度快、受采样率误差影响小的特点.     

一种基于指纹中心点的匹配算法

针对基于点模式匹配的指纹匹配算法速度较慢的现状。研究了一种基于指纹中心点的指纹匹配算法．该算法首先根据指纹模式区中检测的奇异点结构特征信息对指纹进行粗匹配，判断指纹不匹配的情况．其次，对无法判断的情形，则进行精确匹配．进一步利用奇异点或指纹有效区域的质心点寻找匹配的基准特征点对和相应的变换参数，并将待识指纹相对于模板指纹做姿势纠正，最后采用坐标匹配的方式实现两枚指纹的比对．实验结果证明，该算法可以快速、准确的定位基准点，精确求取变换参数，误识率低，准确性高，并具有图像旋转平移不变性．对面积适中的指纹图像，匹配结果可以满足在线应用的需要．     

基于Zoom-FFT变换域的坦克被动式毫米波探测识别方法

为了准确识别目标,在对坦克毫米波辐射特征进行分析的基础上,提出了一种基于变换域的模板匹配识别方法.利用信号在Zoom-FFT变换后特征谱线集中、易于与噪声分离的特点,在变换域制作坦克毫米波辐射特性模板;将经过滑动加窗处理的待检测信号序列,进行Zoom-FFT变换后,与变换域模板进行匹配,实现目标的识别.该匹配方法综合利用了信号的波形信息,抗干扰能力强,鲁棒性好,实时性强.对168组坦克目标特性和干扰信号的仿真结果表明:该模板匹配方法能够有效识别坦克目标.     

基于改进GFCC特征参数的广播音频语种识别

针对广播音频语种识别中与语种识别无关的特征对识别结果产生影响的问题, 提出一种基于伽马频率倒谱系数的改进特征参数的语种识别方法. 通过提取每帧信号的能量谱包络, 去除部分与说话人相关的特征, 采用Gammatone滤波器组滤波, 经离散余弦变换后再进行倒谱提升, 得到改进的伽马频率倒谱系数特征参数. 将广播音频信号提取特征参数输入隐Markov模型中进行训练测试, 得到的语种识别结果表明, 该方法有效提升了广播音频语种识别的准确率, 优于目前使用的伽马频率倒谱系数特征及其衍生方法.     

基于DT-CWT和SVD的鲁棒音频水印算法

在音频检索中为了利用音频水印进行信息标注,以及有效地权衡音频水印的嵌入容量、透明性和鲁棒性之间的关系,提出了一种基于双树复小波变换(DT-CWT)和奇异值分解(SVD)的鲁棒音频水印算法.首先提取原始语音的音频指纹作为音频水印;然后通过基于能量的嵌入位置选择来确定水印嵌入帧,进行4级DT-CWT后选取高频分量分段进行SVD;最后通过量化的方法在奇异值矩阵的奇异值中嵌入水印信息.实验结果表明:该算法具有较强的鲁棒性和透明性,并具有较高的嵌入容量,可以很好地满足信息标注的需要.     

基于短时能量和梅尔倒谱系数的车型音频识别

车辆音频信号具有复杂的特征,单一特征提取方法不能全面反应该特点。为了使提取的音频信号特征能更好地反映车辆原始信号,提出了将已有的短时能量(energy)、短时傅里叶变换(STFT)及梅尔倒谱系数(MFCC)特征提取方法进行融合的方法,依据支持向量机(SVM)的分类识别算法,达到车辆识别的目的。实验表明,提出的组合方法优于单一提取方法,实现了提高识别率的目标;其中,ENERGY+MFCC组合方式效果最好。     

基于特征融合方法的车型识别研究

车辆音频信号具有复杂的特征,单一特征提取方法不能全面反应该特点。为了使提取的音频信号特征能更好地反映车辆原始信号,本文提出了将已有的短时能量(ENERGY)、短时傅里叶变换（STFT）及梅尔倒谱系数（MFCC）特征提取方法进行融合的方法,依据支持向量机（SVM）的分类识别算法,达到车辆识别的目的。实验表明,提出的组合方法优于单一提取方法,实现了提高识别率的目标,其中,ENERGY+MFCC组合方式效果最好。