基于短时能量和最小相对均方误差准则的神经网络语音水印方法

• 作者: 张翼鹏 郝欢 陈亮
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 短时能量 最小相对均方误差 小波变换 Levenberg-Marguardt算法
• 年，卷（期）: 2014,（2）
• 页码范围: 254-258
• 页数: 5页
• 分类号: TN392
• 字数: 3183字
• 语种: 中文

摘要

针对传统最小均方误差(Least mean square error,LMS)和最小二乘准则(Recursive least squares,RLS)的神经网络语音水印的局限性,提出了基于短时能量和最小相对均方误差(Least relative mean square error,LRMS)准则的神经网络语音水印算法.首先在首帧语音中嵌入同步序列,然后求出每帧的短时能量并对大于设定阈值的语音帧进行小波变换,最后利用以LRMS准则构建的神经网络实现水印的嵌入和提取.通过合理设定短时能量阈值,实现了水印容量和鲁棒性的平衡,而采用Levenberg-Ma rguardt (LM)算法迅速地让网络收敛.理论分析和实验结果表明,与文献[8]相比,本文提出的神经网络方案收敛速度更快,对于噪声、低通滤波、重采样和重量化等攻击有更强的鲁棒性,性能平均提高了5％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈亮	解放军理工大学通信工程学院	61	411	12.0	17.0
2	张翼鹏	南京炮兵学院作战实验中心	8	10	2.0	3.0
3	郝欢	解放军理工大学通信工程学院	11	75	6.0	8.0