计算机研究与发展
計算機研究與髮展
계산궤연구여발전
JOURNAL OF COMPUTER RESEARCH AND DEVELOPMENT
2005年
9期
1605-1611
,共7页
数字音频%音频水印%支持向量机(SVM)%机器学习%小波变换
數字音頻%音頻水印%支持嚮量機(SVM)%機器學習%小波變換
수자음빈%음빈수인%지지향량궤(SVM)%궤기학습%소파변환
提出了一种新的基于支持向量机(support vector machine,SVM)的数字音频水印算法.主要思想是在宿主音频中嵌入一段模板信息,定义模板信息与宿主音频之间的一种对应关系,将水印的检测问题转化为一个可用SVM处理的二分类问题,利用SVM对先验知识(对应关系)的学习,以达到对未知数字音频水印的正确分类检测.仿真实验结果表明,该数字音频水印具有较强的健壮性和不可感知性,在受到MP3压缩、低通滤波、重采样/量化、噪声干扰等常用信号处理方法的处理后,能正确检测出水印,同时在水印检测时不需要原始音频,实现了水印的盲检测.
提齣瞭一種新的基于支持嚮量機(support vector machine,SVM)的數字音頻水印算法.主要思想是在宿主音頻中嵌入一段模闆信息,定義模闆信息與宿主音頻之間的一種對應關繫,將水印的檢測問題轉化為一箇可用SVM處理的二分類問題,利用SVM對先驗知識(對應關繫)的學習,以達到對未知數字音頻水印的正確分類檢測.倣真實驗結果錶明,該數字音頻水印具有較彊的健壯性和不可感知性,在受到MP3壓縮、低通濾波、重採樣/量化、譟聲榦擾等常用信號處理方法的處理後,能正確檢測齣水印,同時在水印檢測時不需要原始音頻,實現瞭水印的盲檢測.
제출료일충신적기우지지향량궤(support vector machine,SVM)적수자음빈수인산법.주요사상시재숙주음빈중감입일단모판신식,정의모판신식여숙주음빈지간적일충대응관계,장수인적검측문제전화위일개가용SVM처리적이분류문제,이용SVM대선험지식(대응관계)적학습,이체도대미지수자음빈수인적정학분류검측.방진실험결과표명,해수자음빈수인구유교강적건장성화불가감지성,재수도MP3압축、저통려파、중채양/양화、조성간우등상용신호처리방법적처리후,능정학검측출수인,동시재수인검측시불수요원시음빈,실현료수인적맹검측.