基于人工神经网络的“零数字”音频水印算法

提出了一种基于人工神经网络的数字音频水印算法.利用人工神经网络学习和自适应的特征,将音频信号的重要特征作为人工神经网络的输入,通过人工神经网络的学习,建立音频信号与水印信息的对应关系,达到在不修改音频信号情况下把水印"嵌入"到原始音频信号中.实验结果表明该算法具有很强的鲁棒性和抵抗常用信号处理方法处理的能力,并且在提取水印时不需要原始音频信号.     

抑制原始信号影响的数字音频水印算法

在扩频水印算法基础上,文中提出了一种在盲检测过程中抑制原始信号影响的数字音频水印算法.该方法的水印信息是通过听觉模型(HAS)掩蔽后嵌入到原始音频信号的小波变换系数中.文中在水印检测过程中,利用了离散小波变换(DWT)后相邻子带间系数的相似性来抑制原始音频信号对相关检测结果的影响.实验结果表明该算法很好地改进了水印的鲁棒性.     

一种基于倒谱变换的自适应音频水印算法*

结合人类听觉系统,提出了一种基于倒谱变换的自适应音频水印算法,充分利用复倒谱变换的性质,将原始音频信号分成若干帧,每帧实施复倒谱变换后,在对应位置按照一定的方法嵌入水印信号。水印的提取不需要原始音频信号,是一种盲水印算法。实验结果表明,嵌入后的水印不仅具有很好的不可感知性,而且对添加噪声、重新采样、低通滤波和重新量化等攻击也具有很好的鲁棒性。     

奇偶量化的抗同步攻击音频水印方案

提出一种基于奇偶量化的音频水印算法,算法具有如下特点：（1）在音频信号的时间域上检索满足条件的同步信号区,同步信号区是一段具有一定长度且能量较大的音频信号;这种时间域上的同步检索具有较高的效率;（2）水印图像划分成若干块,把每一个水印分块及其分块编号嵌入在一个同步信号区的小波变换低频系数上,水印图像划分成分块循环嵌入到检索到的同步信号区,当含水印的音频信号被裁剪后,可以确保在其他音频段提取出正确的水印分块;（3）水印检测不需要参考原始音频信号,是一种盲检测水印算法。仿真实验证明了算法对常见的音频信号处理具有较好的鲁棒性和不可感知性,对同步攻击、抖动攻击具有很好的鲁棒性。     

基于量化的倒谱变换数字音频水印算法

提出了一种基于复倒谱变换的数字音频水印算法。该算法充分利用了复倒谱变换的特征,将原始音频信号分成若干帧,每帧音频实施复倒谱变换后,将系数均值按照一定的量化方法嵌入水印,水印的提取不需要原始音频信号,是一种盲水印算法;实验结果表明,嵌入的水印不仅具有很好的透明性,而且对重新采样、低通滤波、添加噪声、重新量化、有损压缩等攻击也具有很好的鲁棒性。     

一种基于小波域的盲检测音频水印算法

该文提出了一种基于离散小波变换的数字音频水印盲检算法。本算法选择在小波系数的偶数点嵌入水印,将混沌理论引入到音频水印系统的研究中,利用混沌序列将一幅有意义的二值图像加密后嵌入到原始音频的DWT域中,提取时不需要原始音频信号。仿真实验证明了算法的鲁棒性和不可感知性。     

基于相位调制的立体声音频数字水印

提出了一种可进行盲检测的数字音频水印算法。该算法利用人类听觉系统对音频相位变化的不敏感性,通过时变的全通滤波器,对原始音频信号进行相位调制。为了实现盲检测,将水印信号通过频移键控(PSK)赋值到立体声信号的左右声道上,然后采用短时离散傅立叶变换的方法对嵌入水印的音频信号进行检测。实验结果证明该算法具有良好的不可感知性和鲁棒性。     

基于人工神经网络的数字音频水印算法

提出了一种新的基于神经网络训练学习的数字音频水印算法 ,采用本算法在一段数字音频数据中隐藏了一幅不可感知的二值图像 .通过后向传播算法的神经网络训练出模板信号与嵌入了水印信号的音频之间的关系特征 ,由于神经网络具有学习和自适应的特性 ,通过训练后的神经网络几乎能够完全恢复嵌入到音频中的水印数据 .通过仿真实验结果表明该算法具有较好的鲁棒性和抵抗常用的信号处理方法的处理的能力 ,特别是在水印检测时不需要原始的音频信号 .     

增强鲁棒性的音频水印算法

提出了一种基于离散小波变换的数字音频水印盲检算法.算法选择在小波系数中嵌入水印,将同步化位元码引入到音频水印的研究中,针对切割或插入额外音频段的攻击有较好的抵抗能力,并且通过重复地将水印嵌入到音频信号中,增强了鲁棒性,提取水印时不需要原始音频信号.实验结果表明,该方法具有良好的鲁棒性和不可听见性.     

基于DWT的盲音频水印算法研究

提出了一种基于离散小波变换的盲音频数字水印算法，该算法采取分段重复嵌入方式在能量最强的小波系数内隐藏水印信号。仿真实验结果表明，该算法具有较强的鲁棒性和不可感知性，能有效抵御各种常见攻击，并且在水印检测时不需要原始的音频信号。     

基于内容的自适应小波域数字音频水印算法研究

以整型提升小波变换、静态图像压缩编码、人类听觉系统（HAS）为基础，提出了一种将灰度图像（即二维数字水印）嵌入到数字音频信号的新水印算法．该算法具有以下特点：（1）应用静态图像压缩编码技术，实现了以灰度图像作为水印信号的数字音频水印算法；（2）充分利用人类听觉系统（HAS），实现了二维数字水印的自适应嵌入，增强了算法的透明性和鲁棒性，（3）二维数字水印的提取不需要原始音频信号．仿真实验表明：该自适应数字音频水印算法不仅具有较好的透明性，而且对诸如叠加噪声、有损压缩、低通滤波、重新采样、重新量化等攻击均具有较好的鲁棒性．     

一种新的混合域自适应数字音频水印算法

以MP3压缩等攻击特点厦局部音频相关特性为基础，提出了一种新的混合城数字音频盲水印算法．首先，结合MP3压缩等攻击特点，对原始数字音频进行自适应的分段处理；再对每个音频数据段进行DWT和DCT；最后，结合局部音频特性与听觉掩蔽特性，自适应确定量化步长．并将水印信号嵌入到音频数据段的低频分量中．仿真实验表明，本文算法不仅具有较好的透明性，而且对诸如重新采样、重新量化、叠加噪声、低通滤波等攻击均具有较好的鲁棒性．特剐地，该算法对于最为普通的MP3压缩攻击具有极强的抵抗能力．     

用于MP3作品版权保护的数字水印新算法

以MP3压缩攻击特点与听觉掩蔽特性为基础，提出了一种可用于MP3音乐作品版权保护的混合域数字音频盲水印算法．首先，结合MP3压缩等攻击特点，对原始数字音频进行自适应的分段处理；再对每个音频数据段进行DWT和DCT；最后，结合听觉掩蔽特性与MP3压缩攻击特点，自适应确定量化步长，并将水印信号嵌入到音频数据段的低频分量中．仿真实验表明，所提出的算法不仅具有较好的透明性，而且对诸如重新采样、重新量化、叠加噪声、低通滤波等攻击均具有较好的鲁棒性．特别地，该算法对于最为普通的MP3压缩攻击具有极强的抵抗能力（尤其是高压缩比下）．     

自适应小波域数字音频水印嵌入算法研究

以整型提升小波变换、人类听觉掩蔽特性、数字音频局部邻域特性为基础，提出了一种自适应小波域数字音频水印嵌入算法，该算法具有以下特点：（1）结合人类听觉系统的掩蔽特性，实现了水印嵌入位置的自适应确定；（2）引入了高效的整型提升小波变换；（3）利用数字音频的局部邻域特性，实现了数字水印嵌入深度的智能调节；（4）数字水印信息的提取不需要原始音频信号．对比实验表明：该自适应数字音频水印算法不仅具有较好的透明性，而且对诸如叠加噪声、有损压缩、低通滤波、重新采样、重新量化等攻击均具有较好的鲁棒性（特别是叠加噪声与低通滤波）。     

一种新的大容量数字音频水印嵌入算法

提出了一种新的大容量数字音频水印嵌入算法．该算法具有以下特点：（1）以整型小波变换为基础，不仅降低了舍入误差，而且提高了音频水印的嵌入与检测速度；（2）采纳分段变换及整体修改策略，增强了数字水印嵌入的稳定性；（3）以灰度图像作为数字水印，不仅数据容量大，而且更具层次感和多样性；（4）以保证不可感知性和鲁棒性的良好平衡为前提，实现了数字水印的盲检测．仿真实验表明：所提出的算法不仅具有较好的不可感知性，而且对诸如重新采样、重新量化、低通滤波、MP3压缩、叠加噪声等攻击均具有较好的鲁棒性．     

一种用于内容完整性保护的脆弱数字音频水印算法

提出了一种用于内容完整性保护的脆弱数字音频水印算法 ,该算法首先将视觉可辨的二值水印图像降维成一维水印序列并对其进行随机置乱 ,再从原始数字音频信号中随机选取采样数据并进行快速傅立叶变换 (FFT) ,最后结合人类听觉系统 (H AS)计算可感知噪声阈值 JN D(Just Noticeable Distortion,或称为临界可见失真 ) ,并依此选取FFT系数通过量化处理嵌入水印信息 .该算法提取水印信息时不需要原始数字音频信号 .仿真结果表明 :该脆弱音频水印算法不仅具有较好的透明性 ,而且对诸如叠加噪声、有损压缩、低通滤波、重新采样、重新量化等攻击均具有较好的鲁棒性     

基于小波域的均值量化数字音频水印算法*

提出了一种均值量化的小波域数字音频水印算法。均值量化可以减少攻击对水印的影响,算法选择合适的小波基对音频信号进行小波分解,对其中的中、低频系数进行均值量化,嵌入水印,水印提取过程不需要原始音频信号。实验结果表明,与一般水印量化算法相比,该算法对MP3、重量化、重采样、低通滤波和噪声干扰等信息处理型攻击具有更好的鲁棒性。     

一种新的基于量化的音频数字水印算法

文章提出了一种新的基于量化的音频数字水印算法,该算法首先将视觉上可辨的二值水印图像降为一维序列,再将水印序列伪随机排序,最后对数字音频信号进行分段DCT(离散余弦变换),水印信号通过量化处理过程嵌入到DCT变换后的系数中,提取水印信号无需使用原始数字音频信号。仿真实验表明水印是不可察觉的,经过mp3有损压缩、低通滤波、重采样等操作后仍具有很强的稳健性。