[发明专利]基于压缩感知和信息隐藏的语音保密通信系统设计方法

权利要求书

1.一种基于压缩感知和信息隐藏的语音保密通信系统设计方法，其体特征在于，包括嵌入系统及提取系统的设计，嵌入系统将秘密语音嵌入载体语音得到混合语音，提取系统从混合语音中提取秘密语音，其中：

嵌入系统将秘密语音嵌入载体语音得到混合语音的方法是：采用K奇异值分解方法设计针对语音信号的压缩感知过完备字典，并将秘密语音用基于能量分布非均匀特性的压缩感知自适应观测矩阵采样，得到降低维数的观测矢量，对观测矢量用LBG矢量量化，作为秘密信息嵌入载体语音，嵌入方法采用标量Costa算法，嵌入域选择载体语音的离散余弦变换系数的提升小波变换系数，将嵌入秘密信息的载体语音的离散余弦变换系数的提升小波变换系数用提升小波反变换及离散余弦反变换两级变换得到混合语音；

提取系统从混合语音中提取秘密语音的方法是：将混合语音进行离散余弦变换和提升小波变换两级变换得到小波变换系数，通过标量Costa解码算法得到秘密比特流，利用LBG矢量量化解码器得到重构的观测矢量，利用压缩感知正交匹配追踪算法重构秘密语音，利用小波去噪方法改善重构秘密语音的音质。

2.根据权利要求1所述的基于压缩感知和信息隐藏的语音保密通信系统设计方法，其体特征在于，

嵌入系统中

1)采用K奇异值分解方法设计针对语音信号的压缩感知过完备字典的具体方法是：通过级联一个两倍冗余的离散余弦变换矩阵和一个两倍冗余的离散小波变换矩阵初始化字典，大小为N×4N，即4倍冗余，其中N为语音信号的帧长，使用大量长度为N的语音数据去训练字典，首先在现有字典上对训练数据做稀疏编码，然后更新字典，使字典中的原子更加匹配训练数据，具体说来，Y为训练数据，D为过完备字典，即稀疏基矩阵，X为系数向量，通过求解下式寻找能够表示数据样本的最佳字典：

subject to

用l²范数归一化的列元素初始化矩阵D⁽⁰⁾∈R^N×C，然后重复以下步骤直到收敛；

稀疏编码方法：使用正交匹配追踪算法，对每一个样本y，通过下式的解来计算系数向量x_i

subject to ‖x_i‖₀≤T₀

码本更新：对D^(J-1)中的每一个列元素k＝1，2，....K，做如下更新：

定义使用原子的一组样值；

计算总的表示误差矩阵E_k；

Ek=Y-Σj≠kdjxTj]]>

选择与w_k相关的列元素，得到

做奇异值分解选择更新过的字典列元素作为U的第一列，更新系数向量使其作为V乘Δ(1，1)的第一列；

置J＝J+1，寻找能够表示数据样本的最佳字典；

2)将秘密语音用基于能量分布非均匀特性的压缩感知自适应观测矩阵采样，得到降低维数的观测矢量的具体方法是：首先产生一个满秩的随机矩阵由这个矩阵对语音信号采样，产生与原始信号等长的随机观测向量

y^=Φ^x0=Φ^Ψθ∈RN]]>

遍历的所有维数为M的子集，找出其中的最大能量子集：

EmaxM=maxE⋐{1,2...CNM||y^U||22=maxE⋐{1,2...CNM||Φ^Ex0||22]]>

根据构造子矩阵并以作为自适应观测矩阵，对语音信号投影采样，得到能够反映原始语音能量分布的观测向量；

提取系统中，压缩感知正交匹配追踪算法重构秘密语音的具体方法是：

压缩感知编码器端将k-稀疏信号x₀投影到观测矩阵Φ∈R^M×N(M＜N)上，产生长度为M的观测序列y＝(y₁，y₂…y_M)^T：

y＝Φx₀＝ΦΨθ＝Ξθ

其中观测投影矩阵Φ与基矩阵Ψ应当是互不相关的。上式显示，投影序列y与原始序列x₀的求解是一个线性代数问题，当M＜N时，有无穷多个解为欠定方程，所以，由上式无法求得确切的重构信号，本发明采用正交匹配追踪算法重构信号，迭代过程如下：

初始r₀＝y；

迭代λ_t＝arg max|<r_t-1，e_j>|，(Ξ＝(e₁…e_m))；

Ξt=[Ξt-1,eλt];]]>

θ_t＝arg min‖Ξ_tθ-y‖₂；

a_t＝Ξ_tθ_t；

r_t＝y-a_t(t＝1，2，…)。

由最优解θ^*计算原始信号x₀的重构信号x^*＝Ψθ^*。