公共文化服务平台

基于SVD的特征量差值移位图像隐蔽通信技术: 2019年; 提出了一种基于图像信息隐藏的密文隐蔽通信技术。兼顾携密载体的透明性和鲁棒性,设计了基于SVD的特征量差值移位的隐藏算法。将SVD最大奇异值作为特征量,根据其差值和阈值的关系,在通信发送端和接收端实现密文的嵌入和盲提取。实验结果表明:该技术可实现大容量密文的传输,且携密图像载体的视觉质量良好,对JPEG压缩和噪声攻击等具有较好的性能,为基于计算机网络及多种通信系统的隐蔽通信提供了实现途径。; 杨雯冯丹青陈亮; 关键词：奇异值分解隐蔽通信

一种新的量子神经网络训练算法被引量：14: 2011年; 量子神经网络是一种借鉴量子理论中的态叠加思想而设计的单隐层前馈神经网络,其主要用于数据分类。由于采用多层激励函数神经元,并且在量子间隔训练中采用了新的目标函数,即同类输入数据的隐层节点输出方差最小,从而使量子神经网络具备了发掘不同类别数据间模糊性的能力。但由于训练时对量子神经网络权值和量子间隔使用了不同的目标函数,使迭代过程中两者不可避免的会出现相互冲突,从而导致训练迭代次数的增加和网络性能的下降。本文借鉴约束优化理论,在两个目标函数的梯度下降求解中引入了惩罚函数,提出了一种新的量子神经网络训练算法,消除了两个目标函数间的冲突。实验结果表明,本文提出的训练算法可以显著提升训练的速度和网络的性能。; 孙健张雄伟孙新建; 关键词：量子神经网络梯度下降惩罚函数

一种改进的奇异值奇偶区间量化图像隐藏算法被引量：3: 2019年; 针对空域中载密图像不可感知性差、鲁棒性劣的问题,提出一种改进的奇异值奇偶区间量化的图像信息隐藏方法。该算法采用图像子块矩阵的奇异值分解技术,根据奇异值的最大值划分其奇偶区间,按照信息隐写规则跨区移动,改进了传统方法的量化修改过程,达成隐藏数据的嵌入和盲提取。实验结果表明:算法图像视觉质量优,JEPG压缩方面鲁棒性良好,能抵御一定噪声和压缩,同时提高了不可感知性,比传统方法高了20%以上。; 冯丹青陈亮; 关键词：奇异值分解信息隐藏

基于准KLT域的线谱对参数压缩感知量化研究被引量：2: 2011年; 用尽可能少的比特数实现线谱对(LSP)参数透明量化一直是语音编码领域的研究热点。该文基于压缩感知理论,研究了LSP参数在准KLT域的稀疏性,并设计了LSP参数先压缩感知再矢量量化的方案。编码端,利用压缩感知理论,在准KLT域将原始LSP参数投影到低维空间,得到低维测量值,而后采用分裂矢量量化算法对测量值进行量化;解码端,以量化后的测量值为已知条件,利用正交匹配追踪算法重构出原始LSP高维矢量,重构值作为最终量化值。实验结果表明,算法在适当的码本存储量和搜索复杂度下,达到透明量化效果所需的比特数最优时仅需5 bit/帧。; 肖强陈亮朱涛黄建军; 关键词：低速语音编码线谱对压缩感知

基于多层激励量子神经网络的鲁棒音频水印算法被引量：2: 2013年; 设计了一种基于多层激励函数量子神经网络的音频水印算法。将水印信号嵌入载体语音的小波低频系数中,再训练量子神经网络建立水印嵌入前后低频小波系数间的联系以便在接收端恢复水印。同时,区别于传统的归一化方法,将小波低频系数规范到同一数量级,避免了恢复水印时小波低频系数的差错传播,提高了算法的鲁棒性。实验结果表明,设计的水印算法对加噪、滤波、重采样和再量化等攻击具有较强的鲁棒性,提取正确率相比BP网络水印算法平均提高1.8%。; 陈亮李彬张翼鹏郝欢; 关键词：小波变换多层激励函数量子神经网络音频水印

一种基于LM的量子神经网络训练算法被引量：4: 2013年; 针对量子神经网络的训练结果易陷入局部极小值的问题,将Levenberg-Marquardt(LM)算法引入到原训练算法中,从而提高网络收敛速度与训练效果。并通过改进原训练算法的迭代步骤,解决训练过程中网络权值与量子间隔不同的目标函数相互冲突引起的输出均方误差和波动的问题。实验结果表明,相比原训练算法,引入LM后的训练算法可以大幅减少迭代次数,显著降低网络收敛值,提高量子神经网络的分类效果。; 张翼鹏陈亮郝欢; 关键词：量子神经网络 LEVENBERG-MARQUARDT算法

基于BB84协议的量子密钥分发系统研究: 2013年; 量子密码技术提出以后,得到了人们的普遍关注,它是目前唯一能够证明的绝对安全的保密通信方式。随着量子信息技术的发展,量子密钥分发技术开始从理论走向实际应用。为了研究在实际量子密钥分发系统中各部件对密钥分发效率的影响,提高密钥分发速率,对基于BB84协议的光纤量子密钥分发系统进行建模分析,研究了影响密钥分发效率的参数。数值仿真表明:准单光子源中平均光子数和光纤长度是影响最终密钥协商速率的关键参数。为进一步提高量子密钥分发系统的效率提供了参考。; 黄开国王衍波张启业王晓何敏; 关键词：BB84协议量子密钥分发

基于双因子高斯过程动态模型的声道谱转换方法被引量：3: 2014年; 针对作者已经提出的双因子高斯过程隐变量模型(Two-factorGaussianprocesslatentvariablemodel,TF-GPLVM)用于语音转换时未考虑语音的动态特征,并且模型训练时需要估计的参数较多的问题,提出引入隐马尔科夫模型(Hidden Markov model,HMM)对语音动态特征进行建模,并利用HMM隐状态对各帧语音进行关于语义内容的概率软分类,建立了分离精度更高、运算负荷较小的双因子高斯过程动态模型(Two-factor Gaussian process dynamic model,TF-GPDM).基于此模型,设计了一种全新的基于说话人特征替换的语音声道谱转换方案.主、客观实验结果表明,无论是与传统的统计映射和频率弯折转换方法相比,还是与双因子高斯过程隐变量模型方法相比,本文方法都获得了语音质量和转换相似度的提升,以及两项性能的更佳平衡.; 孙新建张雄伟杨吉斌曹铁勇钟新毅; 关键词：隐马尔科夫模型

基于卷积非负矩阵分解的语音转换方法被引量：12: 2013年; 为了在语音转换过程中充分考虑语音的帧间相关性,提出了一种基于卷积非负矩阵分解的语音转换方法。卷积非负矩阵分解得到的时频基可较好地保存语音信号中的个人特征信息及帧间相关性。利用这一特性,在训练阶段,通过卷积非负矩阵分解从训练数据中提取源说话人和目标说话人相匹配的时频基。在转换阶段,通过时频基替换实现对源说话人语音的转换。相对于传统方法,本方法能够更好地保存和转换语音帧间相关性。实验仿真及主、客观评价结果表明,与基于高斯混合模型、状态空间模型的语音转换方法相比,该方法具有更好的转换语音质量和转换相似度。; 孙健张雄伟曹铁勇杨吉斌孙新建; 关键词：语音转换

基于短时能量和最小相对均方误差准则的神经网络语音水印方法被引量：1: 2014年; 针对传统最小均方误差(Least mean square error,LMS)和最小二乘准则(Recursive least squares,RLS)的神经网络语音水印的局限性,提出了基于短时能量和最小相对均方误差(Least relative mean square error,LRMS)准则的神经网络语音水印算法。首先在首帧语音中嵌入同步序列,然后求出每帧的短时能量并对大于设定阈值的语音帧进行小波变换,最后利用以LRMS准则构建的神经网络实现水印的嵌入和提取。通过合理设定短时能量阈值,实现了水印容量和鲁棒性的平衡,而采用Levenberg-Marguardt(LM)算法迅速地让网络收敛。理论分析和实验结果表明,与文献[8]相比,本文提出的神经网络方案收敛速度更快,对于噪声、低通滤波、重采样和重量化等攻击有更强的鲁棒性,性能平均提高了5%。; 郝欢陈亮张翼鹏; 关键词：小波变换

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

国家自然科学基金(61072042)

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

国家自然科学基金(61072042)

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈