语音信息隐藏是信息隐藏领域的研究难点。由于人耳对语音频段信号非常敏感，在语音信号中嵌入隐秘数据比图像等其他载体难度更大。嵌入隐秘信息的语音信号通过电话、网络等信道传输时，信道噪声、语音压缩与解压、同步及滤波等影响因素对隐藏算法提出了很高的抗攻击性和鲁棒性要求。此外，对接收的语音信号进行隐藏信息的盲判决和盲提取方法也不同于应用于图像等其他信息隐藏载体的方法。　　传统语音信息隐藏方法在时域语音信号中嵌入隐藏信息，主要有最小信息位、相位、回声等信息隐藏方法。在变换域中嵌入隐藏信息也越来越受到研究者的重视，这类方法主要利用语音信号的傅里叶变换、离散余弦变换和小波变换等嵌入隐藏数据。由于语音信息隐藏方法与人类听觉感知机理密切相关，如何利用入耳的听觉感知特征和语音的声学特性嵌入隐藏信息也是当前的研究热点。本文针对隐秘性、鲁棒性、安全性等应用需求，深入探索入耳听觉特征，研究了语音信息隐藏的若干算法，取得了以下研究成果:　　1、提出了一种分数阶傅里叶变换域语音信息安全隐藏方法。该方法对原始语音信号进行分数傅里叶变换，在变换域嵌入隐藏信息，并将嵌入隐藏信息的信号进行分数傅里叶反变换后再进行传输。分数傅里叶变换具有能量聚焦的特点，可使原始语音和嵌入隐藏信息的语音在时域和频域的方差很小，分散了嵌入信息在传统时频域的能量分布。由于目前对隐藏信息的分析与检测大多基于时频分析，该方法伪装性强，保证了隐秘信息的安全。在隐藏信息提取时，利用分数阶傅里叶变换的能量聚集特性，可以实现语音载体及隐秘信息的分离，对隐藏信息进行有效提取。仿真与实验结果表明，基于分数阶傅里叶变换的语音信息隐藏算法具有较高的隐秘性和安全性，并对常规的噪声攻击、低通滤波攻击和下采样攻击具有抵抗能力。　　2、提出了一种鲁棒的回声信息隐藏方法。回声信息隐藏原理是在原始语音载体中叠加适度的回声信号，而隐藏数据的包含在叠加的回声中。由于人耳听觉特性中的时域掩蔽效应，短延时回声会被声强较大的原始语音信号屏蔽，难以察觉，甚至使听者主观感觉声音更饱满。本文提出的嵌入算法简单，隐秘性强。在接收端本文提出的方法采用次梯度投影算法估计嵌入信息的回声路径，并通过回声路径分析进行隐秘数据提取。为了增强鲁棒性，本文改进了次梯度投影算法的自适应收敛策略，提出一种基于噪声估计的自适应收敛算法。仿真与实验结果表明，在同经典倒谱提取算法的比较中，本文提出的自适应次梯度投影算法在滤波攻击、噪声攻击、采样攻击和压缩攻击下，显著提高了回声隐藏数据提取算法的鲁棒性。　　3、提出了一种粒子群优化神经网络的信息隐藏方法。粒子群优化神经网络算法源于鸟群和鱼群等群体智能，是一种简单且易用实现的全局优化计算方法。本文提出的方法在嵌入隐秘数据的同时，嵌入部分训练样本，以保证接收端可以组建神经网络提取隐秘数据。在隐秘信息提取端，首先通过样本训练的方法获取神经网络参数，利用训练完成的粒子群优化神经网络对经过变换的数据矩阵提取隐藏信息。为了提高训练效率和解码精度，算法首先利用小波分解获得接收信号的高频系数，然后计算高频系数的特征值，并采用Fisher鉴别比(FDR)方法选择32个最优特征值训练神经网络。对于嵌入二值隐秘图像信息的仿真与实验表明，粒子群优化神经网络信息隐藏算法比BP神经网络和Elman神经网络抗干扰性能强，解码率高。对滤波攻击、噪声攻击、采样攻击、动态范围压缩攻击和拉伸攻击的对比实验表明，本文提出的算法具有优良的抗攻击性能和鲁棒性。　　4、提出了一种符合人耳感知特征的相位调制语音信息隐藏方法。由于人耳对声音的相位信息不敏感，无法感知在相位调制中嵌入的隐藏信息。在隐藏信息嵌入端，本文提出的方法通过两种IIR全通滤波器对原始语音信号进行滤波处理，嵌入滤波后的隐秘数据。在隐藏信息提取端，通过提取接收信号和原始语音信号之间的相位差，对隐秘信息进行检测和判决。通过主、客观评价测试以及鲁棒性（降采样，幅度压缩和MP3压缩）仿真实验表明，本文提出的相位调制语音信息隐藏方法不仅具有较高的鲁棒性，而且显著提高了相位调制隐藏的感知透明性。　　本论文在语音信息隐藏的理论和应用方面取得了一些成果。但是，该研究领域还存在很多亟待解决的问题，如:语音信息隐藏的评价标准，隐秘信息同步提取方法，基于入耳听觉特征的盲检测与提取方法等。密码学、多媒体技术、现代通信理论、编码理论、信号处理与模式识别等学科的最新进展，将会给语音信息隐藏研究带来新的研究思路和方法，推动未来商业和军事隐秘语音通信的发展，有待后来者的进一步深入研究。