Time-frequency analysis of spread spectrum based communication and audio watermarking systems
Notice bibliographique
Résumé
In this study, we present novel applications of time-frequency analysis to spread spectrum based communication and audio watermarking systems. Our objective is to detect and estimate non-stationary signals, such as chirps, that are characterized by directional elements in the time-frequency plane. Towards this goal, we model non-stationary signals using the matching pursuit decomposition algorithm, generate a positive time-frequency representation of the signal model using the Wigner-Ville distribution and estimate the energy varying directional elements using a line detection algorithm based on the Hough-Radon transform. Spread spectrum communication systems frequently encounter nonstationary signals with energy varying directional elements as hostile jamming signals. In this thesis, we develop a new interference excision algorithm for spread spectrum communication systems based on the directional element estimation algorithm. At the receiver, we first excise the interference from the spread spectrum signal before despreading and data symbol detection. The new algorithm can excise single and multicomponent interferences such that the spread spectrum system can reliably detect the transmitted message symbols even, when the interference power exceeds the jamming margin of the system. We verify the effectiveness of the interference excision algorithm using simulation studies. Watermarking is the process of embedding imperceptible data into the host signal for marking the copyright ownership. The embedded data should be extractable to prove ownership. Watermarking systems face problems similar to those in spread spectrum communication systems, namely, intentional attacks by the adversaries. In watermarking, the adversaries try to obliterate the embedded watermark in order to prevent its detection by authorized parties. In this thesis, we develop a spread spectrum audio watermarking scheme, where we embed perceptually shaped linear chirps as watermark messages. The directional elements of the chirp signals represent different watermark messages. We extract the watermark by first detecting the transmitted message symbols in the spread spectrum signal. We then use the directional element estimation algorithm based on the time-frequency analysis as a post-processing tool to minimize the effects of hostile attacks on the extractability of the embedded watermark. We demonstrate the robustness of the algorithm by extracting the watermark correctly after common signal processing operations representing hostile attacks by adversaries.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».