طرح نهان نگاری در سیگنال صحبت با شفافیت بالا با استفاده از الگوریتم ژنتیک پیوسته

در این مقاله یک روش نهان‌نگاری در سیگنال صحبت در حوزه‌ی موجک و با جانشینی غیرمستقیم بیتی ارائه می‌شود. در این روش ابتدا از نمونه‌های گسسته سیگنال میزبان و سیگنال صحبت مخفی, تبدیل موجک گرفته می‌شود. سپس با به‌کارگیری الگوریتم وراثتی پیوسته, ضرایب موجک سیگنال صحبت مخفی, به‌طور موثر و کارآمد در ضرایب موجک سیگنال میزبان ادغام می‌شوند. در این الگوریتم برای بهبود عملکرد انتخاب, از روش‌های مقیاس کردن شایستگی برای تنظیم فشار انتخاب استفاده‌ شده است. همچنین بر حفظ تنوع جمعیت از یک‌طرف و تلاش برای جلوگیری از ایجاد گونه‌های غالب از طرف دیگر, ترکیبی از جایگزینی نخبه‌گرا و جایگزینی ازدحامی به همراه روش جلوگیری از ازدواج با محارم استفاده می‌شود. به دلیل خطای کوانتیزه کردن, در گیرنده بین سیگنال مخفی قبل و بعد از نهان نگاری اختلاف وجود دارد, اما این اختلاف دارای الگوی نویز گوسی مناسب است, به همین دلیل, فشرده‌سازی آن قضیه اول شانون را ارضا کرده و به حد شانون که همان آنتروپی است, بسیار نزدیک است. بنابراین نویز را نیز به روش فشرده‌سازی بدون اتلاف هافمن, همراه سیگنال نهان نگاشته ارسال می‌کنیم. نتایج تجربی و بررسی آزمایش‌ها کیفیت مطلوب سیگنال نهان‌نگاشته و ظرفیت بالای نهان‌نگاری را نشان می‌دهد. از طرفی تحلیل آماری نتایج بهبود مقادیر میانگین, واریانس, چولگی و کشیدگی را در مقایسه با سه روش پوشش فرکانسی, جانشینی کم‌ارزش‌ترین بیت و پوشش موثر موجک در حوزه‌ی زمان و فرکانس نشان می‌دهد. همچنین با به‌کارگیری الگوریتم وراثتی پیوسته به‌طور متوسط %10 به ظرفیت نقاط مناسب برای ادغام افزوده‌ شده است.

Highly transparent steganography model of speech signals using continuous Genetic algorithm

In this paper, a speech steganography method in the wavelet domain using Indirect Least Significant Bit (ILSB) is proposed which is utilized genetic algorithm. In this method, we first calculate the Discrete Wavelet Transform (DWT) of the sle of host and secret speech signal. After that, wavelet coefficients of the secret speech signal are fitted effectively and efficiently to the host signal wavelet coefficients using a continuous genetic algorithm. In the genetic algorithm, a fitness scaling method is applied to improve the selection operator and adjustment of selection pressure. In addition, a combination of elitism, crowding replacement and incest prevention is used to provide population diversity and to avoid dominant species creation. Due to the quantization error, there are some differences between the secret signal before and after steganography. But these differences have an appropriate Gaussian noise model. We compress these differences using Huffman lossless compression method. The compression rate of such differences approach to the entropy which is derived from Shannon's first theorem. Huffman lossless compression method, cause to small noise. We these compressed differences sent along the stego signal. The experimental results show a transparent stego signal and high embedding capacity. On the other hand, these results illustrate improvement of mean, variance, skewness and kurtosis values in time and frequency domains in comparison with the three methods: LSB, Frequency Masking (FM) and Efficient Wavelet Masking (EWM). In addition, the continuous genetic algorithm increases 10% of the number of suitable locations for embedding in average.