【语音隐写】基于DCT实现音频水印嵌入提取附Matlab代码

 ✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，

代码获取、论文复现及科研仿真合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab完整代码及仿真定制内容点击👇

智能优化算法       神经网络预测       雷达通信      无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机

🔥 内容介绍

在享受网络技木带来的便利的同时不得不因对随之而来的负面影响，这就是面对这些数字形式的文件或作品，有恶意的个人和团体在没有得到作品所有者的许可下，复制和传播有限权的内容。密码学只能保护传输中的内容，而内容一且解密就不再有保护作用了。因此，人们提出了一种新的信息隐藏的概念数字水印

数字水印技术是目前信息安全技术领域的一个新方向，是一种可以在开放网络环境下保护版权和认证来源及完整性的新型技术，数字水印技术弥补了加密-解密技术-经破泽就不能再对信息进行任何保护的不足，以及加密的信息在网上不能明文传播、容易引起好事者的兴趣、激发他们破解热情等缺点等缺点。

一、研究目的

在多媒体中加人数字水印可以确立版权所有者、认证多媒体来源的真实性，提供关于数字内容的其他附加信息，以及确认所有权认证和跟踪侵权行为。它在篡改鉴定数据的分级访问、数据跟踪和检测、商业和视频广播、Iternet数字媒体的服务付费、电子商务认证鉴定等方面具有十分广阔的应用前景。数字水印技术自1993年被重新提出以来,已经引起工业界的浓厚兴趣，并日益成为国际上非常活跃的研究领域。然而随着数字水印技术的发展，人们发现了其更多更广的应用，许多应用是当初人们所没有预料到的。本文通过比较空间域和频率域的音频水印算法的容量和音质，以及提取准确率，分析了主观和客观指标。

📣 部分代码

<span style="color:#333333"><span style="background-color:#fafafa"><code>plot(cd2);</code><code>axis([0 10e4 -0.5 0.5]);</code><code>title('cd2');</code><code>subplot(2,2,4);</code><code>plot(cd1);</code><code>title('cd1');</code><code>randn('seed',10);                      %产生随机高斯序列</code><code>mark=randn(1,lx);</code><code>ss=mark;</code><code>rr=ss*0.01;                           %设置水印嵌入强度</code><code>x(i)=x(i).*(1+2*rr');                   %嵌入水印</code><code>c1=[x',cd3',cd2',cd1'];</code><code>s1=waverec(c1,l,'db4');</code><code>file1='已加水印.wav';</code><code>​</code><code>​</code><code>​</code><code>dd=length(s1);                     %调整s1的长度,使之可以分成两列</code><code>s11=s1;                            %s1的值不能改变,因为后面还需要用到</code><code>if rem(dd,2)==1                    %如果s1是奇数,则去掉最后一个数,将新数组定义为s11</code><code>    s11=s1(1:dd-1);               </code><code>end</code><code>ee=reshape(s11,[],1);                %将s1调整成2列的数组</code><code>audiowrite(file1,ee,fs);</code><code>​</code><code>​</code><code>figure;</code><code>subplot(3,1,1);plot(y);                   %画出原信号图</code><code>title('原信号的图');                    </code><code>subplot(3,1,2);plot(ss);</code><code>title('水印图');</code><code>subplot(3,1,3);plot(s1);                  %画出嵌入了水印的信号图</code><code>title('加入了水印的声音信号')</code><code>​</code><code>[kk,fs]=audioread('已加水印.wav'); </code><code>yc=kk;</code><code>dy=length(y);</code><code>if rem(dy,2)==1                         %如果y为奇数,处理同s1,但是因为后面不需要用到y,所以不必定义一个新数组</code><code>    y=y(1:dd-1);</code><code>end</code><code>y1=reshape(y,[],1);                       %调整数组y的维数,使之可以和yc做运算</code><code>fz=sum(y1.*y1);                           %计算嵌入了水印的信号的信噪比,<span style="color:#dd1144">".*"</span>用于实现对应元素的乘法</code><code>fm=sum((y1-yc).*(y1-yc));</code><code>SNR=-10*log(fm/fz)</code><code>nc(s1,y)</code><code>​</code><code>yyy=randn(1,dd);                            %加入白噪声                          </code><code>b=sqrt(0.01); </code><code>yyy=b*yyy; </code><code>s1=s1+yyy;</code><code>if rem(length(s1),2)==1</code><code>    s1=s1(1:length(s1)-1);</code><code>end</code><code>ee=reshape(s1,[],1);</code><code>audiowrite('加噪水印.wav',ee,fs);</code><code>​</code><code>​</code><code>[kk,fs]= audioread('加噪水印.wav');            %读入声音文件</code><code>yr=kk(:,1);</code><code>[cr,lr]=wavedec(yr,3,'db4');</code><code>car3=appcoef(cr,lr,'db4',3);</code><code>cdr3=detcoef(cr,lr,3);</code><code>cdr2=detcoef(cr,lr,2);</code><code>cdr1=detcoef(cr,lr,1);</code></span></span>

⛳️ 运行结果

🔗 参考文献

[1] 王磊.基于DCT音频水印技术的研究与实现[J].现代农业研究, 2018.DOI:CNKI:SUN:NCXX.0.2018-12-059.

[2] 王磊.基于DCT音频水印技术的研究与实现[J].现代农业研究, 2018(12):2.DOI:CNKI:SUN:NCXX.0.2018-12-059.

[3] 王磊.基于DCT音频水印技术的研究与实现[J].现代农业研究, 2018(12).

🎈 部分理论引用网络文献，若有侵权联系博主删除

🎁  关注我领取海量matlab电子书和数学建模资料

👇  私信完整代码、论文复现、期刊合作、论文辅导及科研仿真定制

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

2.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

3 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

4 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、无人机安全通信轨迹在线优化

5 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

6 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

7 电力系统方面

微电网优化、无功优化、配电网重构、储能配置

8 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长

9 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合