心理声学模型

摘要： 数字音频水印技术在居室电视互动应用场景中由用户发起交互请求,用户可通过对声音中水印的识别主动和在播节目建立桥接.数字音频水印的互动应用改变了传统广播电视的单向传输模式,目前正在全国各主流电视台内落地应用.本文首先介绍数字音频水印技术的基本原理,之后介绍用户在进行电视互动时客厅声场条件对音频水印的影响及其检测算法,最后介绍我院开发的数字音频水印技术的音质评价和鲁棒性测试结果,以证明该技术的可实施性.

摘要： 音频数字水印技术在数字音频作品版权保护中的地位越来越重要,是解决数字音频作品版权问题的有效手段.提出了一种基于心理声学模型的数字水印算法,能够保证好的音频信号质量,具体实现在小波变换域中.把音频信号的小波系数嵌入到音频水印的小波低频系数中,将音频中的水印信息抽取出来,从而确认数字音频产品真正的所有权.

摘要： An adaptive audio watermarking algorithm in the hybrid domain is proposed,the scheme jointly exploiting the discrete wavelet packet transform (DWPT) and psychoacoustic model to perform large-capacity audio watermarking without introducing perceptible distortion.Firstly,each audio frame was decomposed into 26 sub-band signals by DWPT,then we apply DCT to wavelet packet coefficients of each sub-band and calculate the masking threshold.The masking threshold of each sub-band was used to seek suitable segments and positions for watermark embedding.According to the embedding strength obtained from psychoacoustic model,the algorithm adaptively control the audibility of introduced distortion for embedding the watermark.The binary image watermark was embedded into the block middle-frequency and low-frequency DCT coefficients according to quantization index modulation,the extraction was executed blindly.Experimental results show that the proposed algorithm achieves a good trade-off between robustness,imperceptibility and payload,the watermark capacity range from 576.7 bps to 689.5 bps,and the hidden watermark data is robust to additive noise,re-quantization,re-sampling,low-pass filtering,and MP3 compression.%本文结合小波包变换和心理声学模型,提出了一种自适应的混合域音频盲水印算法,在不引入明显听觉失真的前提下,实现了大容量的水印嵌入.算法首先采用小波包变换将分段音频信号分解到26个子带中,然后对每个子带的小波包系数进行离散余弦变换,计算出子带掩蔽阈值.根据子带掩蔽阈值自适应的选取水印嵌入段和水印嵌入位置,同时根据掩蔽阈值计算出的水印嵌入强度自适应地控制由水印嵌入引起的听觉偏倚.二值水印图像通过量化索引调制的方法嵌入到音频信号的中低频系数中,提取水印时不需要原始音频载体.实验结果表明本算法在水印容量、不可感知性和鲁棒性之间达到了很好的平衡,水印容量在576.7 bps到689.5 bps之间,算法对添加噪声、重新量化、重新采样、低通滤波和MP3压缩均具有很好的鲁棒性.

摘要： 在最近几年，计算机技术与数字技术在飞速发展着，由此基于计算机系统的数字检测系统也得到了一定的发展。这种系统较为先进，与其他模拟器相比，有着不容忽视的优势。在国外的使用经验中，发现其仍存在价格较贵、检测速度不快等缺点，因此不利于该系统的推广使用，针对此问题，本文利用计算机的分析能力与处理能力，提出了一种高效的扬声器异常声检测方法，有利于其长远的发展。

摘要： 数字音频是高清晰度电视(HDTV)中非常重要的一环.在数字音频编解码中,心理声学模型的引入,大大降低了编解码的复杂度.对心理声学模型的基本原理及各心理声学模型在HDTV音频中的应用及其算法的详细阐述,有助于我们明确HDTV音频中心理声学模型的发展方向.

摘要： When reconstructing speech based on compressed sensing,the sparsity of speech signal is an important factor to reconstruct speech′s quality.In order to increase the signal′s sparsity, the paper adds psychoacoustic model to speech compressed sensing,using the absolute threshold of hearing in this model.The threshold of hearing can filter out some inaudible and unwanted sig-nals,reducing the number of nonzero,increasing the signal′s sparsit,improving the quality of re-constructed speech.The experiments′results showed that the absolute threshold of hearing add-ed to the traditional speech compressed sensing,achieved better effect in speech reconstruction, and improved the performance of CS of voice signal.The number of observations are significantly reduced,so that it can greatly reduce the running time during the high compression ratio of CS .It has a great advantage in front of big data which has high quality requirements to be compresssd and reconstructed.%在基于压缩感知进行语音压缩重构时，语音信号的稀疏性是决定重构语音质量好坏的重要因素。为了增加信号稀疏度，文中加入心理声学模型中的绝对听阈，把一些人耳听不见、无用的信号过滤掉，减少信号非零值，以期达到提高重构语音质量的目的。实验表明，将绝对听阈加入到传统的语音信号压缩感知后，语音重构取得了明显效果，语音信号的 CS 性能得到改善，观测次数减少。当进行高压缩比压缩感知时，运行时间大幅度降低，这在大规模数据需要高质量压缩重构时具有很大优势。

摘要： 针对语音信息中存在着大量的冗余这一问题,采用对MP3编码器算法的几个关键模块包括心里声学模型和量化模块进行了改进与优化,由于最初版本的MP3中的心理声学模型,不仅运算复杂度高,而且模型粗糙,由其计算得到的掩蔽阈值曲线和SMR,都不够精确.因此我们通过对MP3编码器算法的改进与优化后,不仅使MP3编码器算法具有了良好的编码质量,同时又大幅度降低了运算的复杂度,从而减少了对硬件的要求,降低了系统的成本、功耗、和体积,达到了预定的设计要求.

摘要： 传统的扬声器异常音检测方法(纯音检测)受主观因素影响会出现漏检、误判等状况,针对虚拟仪器的异常音检测技术效率低、精度低、成本高等问题,提出一种基于掩蔽效应的扬声器异常音检测方法,将异常音功率谱和掩蔽阈值比较,提取掩蔽阈值曲线以上的可闻异常音,再用相关系数进行算法有效性验证,结果表明,(0.0,0.7]参数区间的凯撒窗使激励和噪音的相关系数分别达到0.992 6和0.992 1,可实现扬声器异常音高效、高精度、易操作的检测要求.

摘要： 数字水印技术作为一种信息隐藏技术已被广泛应用于广播电视和互联网流媒体中.基于该技术的音频广播监测系统可以很好地解决版权保护、错播、非法插播和干扰等问题,提高音频广播的监测效率,解决了依赖于人工监听的传统方法,保证了广播的安全播出.因此,针对广播节目内容的有效监管需求,本文阐述了一种基于单片机、CPLD和DSP的音频水印嵌入系统实现方案.

摘要： 通过对mp3编码算法的研究，结合心理声学模型提出一种用于MP3音频文件版权保护的水印算法。嵌入算法与压缩过程同时进行。首先对嵌入水印信息进行降维，然后根据MP3编码使用的心理声学模型在编码过程生成的MDCT系数大值区低频区域中自适应中找出合适的位置嵌入水印。嵌入过程使用编码外层循环进行失真控制保证水印透明性。水印提取不需使用原始音频文件。实验结果表明：该算法相对于mp3stego具有较高的嵌入容量。同时具有较高的透明性和鲁棒性，可以有效地抵抗多种比特率下的MP3压缩。

摘要： 提出了一种基于心理声学模型的自适应的音频水印算法.利用改进的离散余弦变换滤波器组将各帧音频划分为多个子带信号，利用心理声学模型计算出各子带的掩蔽阈值，通过对掩蔽阈值较大的8个子带信号的第一个低频DCT系数量化以嵌入水印.借鉴MPEG编码中用子带信掩比决定量化比特数的思想，各子带中DCT系数的量化步长由该子带的掩蔽阈值确定，从而实现了水印的自适应嵌入.仿真实验结果表明，该算法对加噪声、低通滤波、重新量化、重新采样、MP3压缩等常见攻击有较好的鲁棒性.

摘要： 针对MLT嵌入式编码器中需要确定不同频带的重要性，从而实现可分级编码的问题。本文依据人耳对于不同频率声音的感知特性，结合心理声学模型，提出了一种利用子带能量与掩蔽阈值的比值来确定其重要性的排序方法。通过对32 kHz采样信号进行实验，发现该方法在32/24/16 kbps码率下取得了较好的解码效果。本方法是心理声学模型应用于可分级编码的一种全新尝试。

摘要： 提出一种基于心理声学模型的频域音频数字水印算法.首先对音频信号分段进行离散傅立叶变换(DET),再利用心理声学模型估算各段掩蔽阈值,使水印信号嵌入DFT域低频子带区时自适应处于掩蔽阈值以下,对音频品质冲击小,含水印音频信号与原始信号感知相似.实验表明本算法具有良好的不可觉察性和稳健性.

摘要： 本文提出了一种测量可听总谐波失真(PTHD)的算法。这种可听总谐波失真(PTHD)算法是基于PEAQ标准，按照心理声学的方法来模拟听觉系统的感知。同时，本文对PEAQ标准中定义的方法进行了一定的修改，以更好地使PTHD算法测量扬声器和耳机的可听失真。本文通过音频测试实验来测量扬声器单元和耳机的可听谐波失真，实验结果证实了这种方法的实用性。

摘要： 随着信息技术的迅猛发展及广泛应用,信息资源已成为一个国家或地区的重要战略资源,对视频和音频等数字多媒体数据的保护和秘密通信也变得越来越重要.本文在分析军事信息资源特点的基础上,通过引进信息隐藏技术和数字水印,从技术上加强军事信息资源安全.详细介绍了心理声学模型和听觉的掩蔽现象,并根据人耳听觉系统的这种现象,结合音频编码技术,在时域位置上提出了基于PCM的音频水印改进算法.

摘要： 根据MPEG-I心理声学模型对语音信号进行分类，分别对于不同频段的信号进行处理，分析了Mel倒谱系数的提取过程，并对Mel滤波器组频带划分和小波包分解的频带划分进行了比较，提取了小波包分解系数(WPTC)进行语音的识别。通过实验证明，利用MPEG心理声学模型分解语音信号做分类处理，可以提高识别率，同时验证了基于小波包分解系数(WPTC)的语音识别具有比Mel倒谱系数更好的效果。

摘要： 对人耳掩蔽效应的研究表明掩蔽阈值与音频信号是类音调还是类噪声相关。本文提出了一种新的基于频谱峰值因子的低复杂度不可预测度计算方法,然后利用不可预测度计算信号的音调系数。同时本文提出了一种平滑音调系数的插值后处理算法,该算法解决了瞬时突变噪声引起信号音调检测误判的问题。仿真实验表明本文所提算法的性能优于MPEG心理声学模型Ⅰ和Ⅱ中的音调检测算法,同时运算复杂度较MPEG心理声学模型Ⅱ中音调检测算法降低了80％.

摘要： 本文对MPEG-2 Layer3音频压缩中的核心算法——子带滤波,MDCT和量化编码进行了算法级优化,以及针对YHFT DSP开发平台的优化,大大提高了MPEG-2 Layer3压缩程序的执行速度,实现了音频文件的高速实时压缩。

摘要： 本文对MPEG-2 Layer3音频压缩中的核心算法——子带滤波,MDCT和量化编码进行了算法级优化,以及针对YHFT DSP开发平台的优化,大大提高了MPEG-2 Layer3压缩程序的执行速度,实现了音频文件的高速实时压缩。

摘要： 本公开涉及音频编码领域，特别地，本公开涉及一种用于通过掩蔽模型对音频信号进行编码的方法，所述掩蔽模型基于所述音频信号的频率区间的听觉阈值和所述音频信号的针对对应频率区间的测得能量。本公开进一步涉及一种能够执行所述音频编码方法的编码器。

摘要： 本发明提供了一种带噪环境下的心理声学模型计算方法，该方法包括：获取带噪语音信号，将所述带噪语音信号转换到频域，得到所述带噪语音信号频谱；对所述带噪语音信号频谱进行干净语音估计，得到估计的干净语音频谱；获取扩展函数，根据所述干净语音频谱和扩展函数计算得到临界频段扩展能量；根据所述干净语音频谱计算得到临界频段的平均不可预测度，根据所述平均不可预测度计算得到临界频段的音调系数；获取绝对掩蔽阈值，根据所述临界频段扩展能量、音调系数、绝对掩蔽阈值计算得到掩蔽阈值，在带噪环境下能够可靠的估计输入的带噪语音信号的掩蔽阈值，此外，还提供了一种心理声学模型计算装置。

摘要： 本发明涉及基于心理声学模型的语音后置感知滤波器，首先，该感知滤波器不需要融合在各个算法中，因而不会影响算法的复杂度，但是却获得了同样增强听觉感知度的效果。其次，它只是针对增强语音的再次处理的过程，使得增强语音的听觉感知度进一步的提高，即使噪声存在，信噪比没有提高的情况下，利用这个后置的感知滤波器，也能达到提高听觉感知度的目的；该后置感知滤波器是建立在语音信号失真最小的情况下使残留噪声尽可能不被人耳听到的条件下，且滤波器的增益是由在该条件下构建含有掩蔽阈值的代价函数获得，并由掩蔽阈值构建的感知归一化因子进一步优化，目的是避免了过度的削弱信号，保证了增强后语音感知失真最小。

摘要： 本发明公开了一种基于心理声学模型的IBOC系统的数据发送方法，以ITU-R BS.1387-1心理声学模型为依托，将数字信号频谱置于不同的频谱位置，对接收到的模拟音频质量进行分析，得到模拟音频节目的噪声掩蔽比NMR与数字信号的频谱位置Fstart之间的经验曲线。从而在发送数据时根据实时计算得到的每帧数据的NMR和已知的NMR-Fstart曲线来动态确定每帧数据所对应的数字信号的频谱位置，从而指导数字信号传输的子载波数，目的是在保证每帧数据有统一的人耳感受的前提下，提高数字信号可用频谱，增加混合模式下数字信号的传输能力。

摘要： 本发明公开了一种生成心理声学模型的方法及装置，属于音频处理技术领域。该方法包括：以修正离散余弦变换MDCT对输入的时域音频信号帧进行时频分析，得到MDCT频域参数；根据MDCT频域参数计算谱平坦测度函数、频谱局部最大主导分量扩展包络和频谱局部最小主导分量平均包络，并根据所述谱平坦测度函数、频谱局部最大主导分量扩展包络和频谱局部最小主导分量平均包络计算局部掩蔽门限；根据局部掩蔽门限，生成并输出全局掩蔽门限。本发明通过采用谱平坦测度函数计算局部掩蔽门限，实现对音频信号的音调掩蔽特性及非音调掩蔽特性进行区分处理，从而可以达到更合理地分配量化比特数，有效地提高量化效率的效果。

摘要： 提供了一种对根据心理声学模型幅度小于掩蔽值的正弦信号进行有效编码的编码方法和设备，用于对编码的正弦信号进行解码的解码设备和方法，以及具有在其上记录有用于执行所述编码方法/解码方法的程序的计算机可读记录介质。通过使用指示第一正弦信号的幅度根据心理声学模型小于掩蔽值的特定代码对第一正弦信号进行编码，使用根据使用特定代码的方法选择的一个正弦信号或者多个正弦信号来执行对与第一正弦信号连接的下一帧的第三正弦信号的差分编码，解码设备使用选择的正弦信号通过发送的差获得和。

摘要： 一种基于心理声学模型的LSTM语音增强方法，包括以下步骤：S1.对输入的PCM信号进行VAD处理，判断其是否为语音信号；S2.如是语音信号，对语音信号进行特征处理，得到特征信号；S3.将特征信号经过心理声学模型处理，得到声学特征信号；S4.将声学特征信号经过LSTM网络处理，得到增强语音信号；S5.对增强语音信号做ASR处理，实现语音识别。本发明方案利用心理声学模型对带噪信号进行处理，消除冗余成分，降低网络的数据处理量；同时，相较于全连接的语音增强网络，本发明方案采用的LSTM网络可联系上下文信息，进一步提升语音的增强性能，从而提升语音识别率。

摘要： 本发明提供了一种带噪环境下的心理声学模型计算方法，该方法包括：获取带噪语音信号，将所述带噪语音信号转换到频域，得到所述带噪语音信号频谱；对所述带噪语音信号频谱进行干净语音估计，得到估计的干净语音频谱；获取扩展函数，根据所述干净语音频谱和扩展函数计算得到临界频段扩展能量；根据所述干净语音频谱计算得到临界频段的平均不可预测度，根据所述平均不可预测度计算得到临界频段的音调系数；获取绝对掩蔽阈值，根据所述临界频段扩展能量、音调系数、绝对掩蔽阈值计算得到掩蔽阈值，在带噪环境下能够可靠的估计输入的带噪语音信号的掩蔽阈值，此外，还提供了一种心理声学模型计算装置。

摘要： 本发明涉及基于心理声学模型的语音后置感知滤波器，首先，该感知滤波器不需要融合在各个算法中，因而不会影响算法的复杂度，但是却获得了同样增强听觉感知度的效果。其次，它只是针对增强语音的再次处理的过程，使得增强语音的听觉感知度进一步的提高，即使噪声存在，信噪比没有提高的情况下，利用这个后置的感知滤波器，也能达到提高听觉感知度的目的；该后置感知滤波器是建立在语音信号失真最小的情况下使残留噪声尽可能不被人耳听到的条件下，且滤波器的增益是由在该条件下构建含有掩蔽阈值的代价函数获得，并由掩蔽阈值构建的感知归一化因子进一步优化，目的是避免了过度的削弱信号，保证了增强后语音感知失真最小。

摘要： 本发明公开了一种基于心理声学模型的IBOC系统的数据发送方法，以ITU-R BS.1387-1心理声学模型为依托，将数字信号频谱置于不同的频谱位置，对接收到的模拟音频质量进行分析，得到模拟音频节目的噪声掩蔽比NMR与数字信号的频谱位置Fstart之间的经验曲线。从而在发送数据时根据实时计算得到的每帧数据的NMR和已知的NMR-Fstart曲线来动态确定每帧数据所对应的数字信号的频谱位置，从而指导数字信号传输的子载波数，目的是在保证每帧数据有统一的人耳感受的前提下，提高数字信号可用频谱，增加混合模式下数字信号的传输能力。