【语音隐写】DWT音频数字水印嵌入提取【含Matlab源码 350期】

✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，Matlab项目合作可私信。
🍎个人主页：海神之光
🏆代码获取方式：
海神之光Matlab王者学习之路—代码获取方式
⛳️座右铭：行百里者，半于九十。

更多Matlab仿真内容点击👇
Matlab图像处理（进阶版）
路径规划（Matlab）
神经网络预测与分类（Matlab）
优化求解（Matlab）
语音处理（Matlab）
信号处理（Matlab）
车间调度（Matlab）

⛄一、简介

1 实验内容
（1）在一段MP3音乐（不是歌曲）文件中嵌入水印。
（2）设计简单算法完成水印的嵌入、（提取）验证。
（3）画出仿真图和信号分析曲线等。

2 算法原理
首先将MP3格式的音频文件转化成WAVE格式的音频文件，再对WAVE格式的声音文件嵌入数字水印，最后再将已嵌入水印的WAVE声音文件转化为MP3声音文件。（使用工具软件将MP3格式的音频文件转换成WAV格式）。

3 实验步骤
（1）水印嵌入
①将MP3格式的音频文件转换成WAV格式
②读入WAV格式文件和水印图片，将图像转化为二值图，进行降维，再扩频处理，最后嵌入到音频中
③对已嵌入水印的信号重构得到嵌入水印后的WAV格式音频文件
④将嵌入水印后的WAV文件转换成MP3格式
（2）水印提取
①将嵌入水印后的MP3文件转换成WAV格式
②读入原始音频和加水印后的wav格式音频文件文件提取水印，对水印信号进行解扩频，升维，构建二维图像处理
③重构得到水印图片

4 设计框图

⛄二、部分源代码

% 加入白噪声的音频水印程序
clear;
kk.wave = wavread(‘3.wav’); %读入原始音频文件
y=kk.wave;
[c,l]=wavedec(y,3,‘db4’); %三级小波分解
ca3=appcoef(c,l,‘db4’,3);
cd3=detcoef(c,l,3);
cd2=detcoef(c,l,2);
cd1=detcoef(c,l,1);
x=ca3; %提取低频系数
len=length(y);
x1=x;
s=max(abs(x))0.2;
i=find(abs(x)>s);lx=length(x(i)); %找出大于最大值0.2倍的序列
figure;
subplot(2,2,1);
plot(ca3); %画出低频系数图
title(‘低频系数图形’);
subplot(2,2,2);
plot(cd3);
title(‘cd3’);
subplot(2,2,3);
plot(cd2);
axis([0 10e4 -0.5 0.5]);
title(‘cd2’);
subplot(2,2,4);
plot(cd1);
title(‘cd1’);
randn(‘seed’,10); %产生随机高斯序列
mark=randn(1,lx);
ss=mark;
rr=ss0.1; %设置水印嵌入强度
x(i)=x(i).(1+2rr’); %嵌入水印
c1=[x’,cd3’,cd2’,cd1’];
s1=waverec(c1,l,‘db4’);
file1=‘已加水印.wav’;
dd=length(s1);
ee=reshape(s1,dd/2,2);
wavwrite(ee,file1);
figure;
subplot(3,1,1);plot(y); %画出原信号图
axis([0 18e4 -2 2]);
title(‘原信号的图’);
subplot(3,1,2);plot(ss);
title(‘水印图’);
subplot(3,1,3);plot(s1); %画出嵌入了水印的信号图
title(‘加入了水印的声音信号’)
kk.wave = wavread(‘已加水印’);
yc=kk.wave;
fz=sum(y.y); %计算嵌入了水印的信号的信噪比
fm=sum((y-yc).(y-yc));
SNR=-10log(fm/fz)
yyy=randn(1,dd); %加入白噪声
b=sqrt(0.01);
yyy=byyy;
s1=s1+yyy;
ee=reshape(s1,dd/2,2);
wavwrite(ee,file1);
kk.wave = wavread(‘已加水印’); %读入声音文件
yr=kk.wave;
[cr,lr]=wavedec(yr,3,‘db4’);
car3=appcoef(cr,lr,‘db4’,3);
cdr3=detcoef(cr,lr,3);
cdr2=detcoef(cr,lr,2);
cdr1=detcoef(cr,lr,1);
xr=car3;
clc;clear;close all;
% 水印嵌入程序

% 读取音频信号3.wav存到变量A中
[A,fs,nbits] = wavread(‘3.wav’);
%绘制原始声音图像
subplot(311); plot(A);
axis([0 350000 -2 2]);
title(‘原始声音信号波形图’);
% 用变量L存储音频A的长度
L = size(A);
% 读取图像h.bmp存入变量M做水印信号
M = imread(‘h.bmp’);
subplot(312);imshow(M);title(‘水印图像’);
% 将图像h.bmp转化为二值图并存入变量BW
BW = im2bw(M);

% 计算水印矩阵大小
[M1,M2] = size(BW);
% M12为中间变量，避免每次都计算M1M2
M12 = M1M2;
% 降维，将水印信息得到的一维序列存入序列C中
C = reshape(BW,1,M12);
n = M12;

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% 对水印信号进行扩频处理,效果不是很好
% 扩频系数为2
n = M12*2;
M = zeros(n,1);
% 产生密钥序列M
for k = 1 : n
if mod(k,4) == 0
M(k) = 1;
else
M(k) = 0;
end
% 水印信号序列分别按位与密钥异或
l = ceil(k/2);
S(k) = bitxor(C(l),M(k));
end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

% 嵌入一个水印信息需要的音频数据为N
N = 10;
length = n*10;
% 将原始音频信号分解为Ae和Ar两部分
i = 1 : length;
j = [1];
% 取矩阵A的l到length行构建矩阵Ae
Ae = A(i,j);
% Ae(i,j)
i = length+1 : L;
% 取矩阵A的length到L行第一列构建矩阵Ar
Ar = A(i,j);

⛄三、运行结果

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]韩纪庆,张磊,郑铁然.语音信号处理（第3版）[M].清华大学出版社，2019.
[2]柳若边.深度学习:语音识别技术实践[M].清华大学出版社，2019.

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合