摘要
本发明提供一种具备抗声源分离能力的鲁棒音频水印方法,包括对输入的音频进行预处理、以及基于可逆神经网络的水印的嵌入过程与提取过程。本发明采用基于可逆神经网络的结构,将水印信息与音频频谱深度融合,并引入扰动增强训练机制有效提升了水印对声源分离、压缩及其他信号处理攻击的抵抗能力,相较传统时域或频域嵌入方法具有更强的鲁棒性;本发明在音频幅度谱上进行水印嵌入,充分保留原始音频的相位信息,同时结合感知保真策略与窗口补偿机制,实现高质量的音频重构;本发明通过设计对称的可逆神经网络结构,确保嵌入与提取过程信息对称可还原,且无需访问原始音频即可完成水印恢复,具备良好的盲检测能力。
技术关键词
音频水印方法
频谱特征
随机噪声
短时傅里叶变换
信号处理攻击
相位特征
线性解码器
采样点
神经网络结构
模块
索引
嵌入方法
水印嵌入
编解码器
信息编码
频率
样本
系统为您推荐了相关专利信息
联合优调优控方法
巷道结构
鸽群优化算法
矿井智能
强化学习模型
场景生成方法
噪声预测
概率分布建模
注意力机制
矩阵
信号识别分类方法
调制信号分类
低信噪比信号
识别分类系统
级联神经网络结构
识别人脸图像
人脸图像数据
人脸特征向量
随机噪声
身份验证方法