<span class='text_page_counter'>(1)</span><div class='page_container' data-page=1>

Giải pháp nâng cao hiệu năng hệ thống mã hóa, giải

mã tiếng nói dựa trên tính chất thưa của dữ liệu tiếng

nói trong miền thời gian

Đinh Văn Phong

1

_{, Nguyễn Thế Hiếu}

1

_{, Nguyễn Huy Tình}

1

_{, Đinh Viết Quân}

1

_{, Phạm Văn Tăng}

2

_{và Trần Đức Tân}

3
1 _{Tổng công ty Công nghiệp Công nghệ cao Viettel,}2 _{Học Viện Hậu Cần,}3 _{Trường Đại học Phenikaa}

Email: ,

<i><b>Tóm tắt — Trong hệ thống chuyển mạch kênh di động, hai loại dữ </b></i>

<b>liệu chính được xử lý là dữ liệu báo hiệu và dữ liệu tiếng nói. Dữ </b>
<b>liệu báo hiệu là các bản tin có kích thước nhỏ, tần suất xuất hiện </b>
<b>không lớn trong một cuộc gọi, chỉ chiếm không quá 10%, trong </b>
<b>khi 90% cịn lại là dữ liệu tiếng nói của người dùng. Vì vậy, việc </b>
<b>thao tác xử lý với dữ liệu tiếng nói ảnh hưởng rất lớn tới hiệu </b>
<b>năng hệ thống. Một trong các thao tác chính cần phải làm với dữ </b>
<b>liệu tiếng nói là thực hiện các thuật tốn mã hóa, giải mã theo các </b>
<b>tiêu chuẩn được ban hành bởi ITU, 3GPP như G711, G722, </b>
<b>AMR, GSMFR, GSMHR… Các thuật toán này thực thi trên toàn </b>
<b>bộ thời gian đàm thoại của người dùng. Trong thực tế, dữ liệu </b>
<b>tiếng nói có tính chất thưa trong miền thời gian, có nghĩa rằng </b>
<b>trong nhiều khoảng thời gian đàm thoại của người dùng, dữ liệu </b>
<b>khơng chứa tiếng nói hữu ích mà là dữ liệu trắng (rỗng), dữ liệu </b>
<b>tiếng nói hữu ích xuất hiện xen kẹp trong các khoảng dữ liệu </b>
<b>trắng này. Từ đặc điểm này, chúng tơi đề xuất giải pháp xử lý có </b>
<b>chọn lọc các dữ liệu tiếng nói hữu ích và bỏ qua việc xử lý dữ liệu </b>
<b>trắng giúp tiết kiệm chi phí tính toán, nâng cao hiệu năng hệ </b>
<b>thống. </b>

<i><b>Từ khóa- Mã hóa, giải mã, năng lượng tín hiệu, dữ liệu thưa. </b></i>

<b>I. </b> <b>GIỚITHIỆU </b>

Trong hệ thống chuyển mạch kênh di động, hai loại dữ liệu
chính được xử lý là dữ liệu báo hiệu và dữ liệu tiếng nói. Dữ
liệu báo hiệu là các bản tin có kích thước nhỏ, tần suất xuất
hiện không lớn trong một cuộc gọi, chỉ chiếm khơng q 10%,
trong khi 90% cịn lại là dữ liệu tiếng nói của người dùng. Vì
vậy, việc thao tác xử lý với dữ liệu tiếng nói ảnh hưởng rất lớn
tới hiệu năng hệ thống. Một trong các thao tác chính cần phải
làm với dữ liệu tiếng nói là thực hiện các thuật tốn mã hóa,
giải mã theo các tiêu chuẩn được ban hành bởi ITU, 3GPP như
G711 [1], G722 [2], AMR [3], AMR-WB [4], GSMFR [5],
GSMHR [6]…Các thuật toán này thực thi trên toàn bộ thời
gian đàm thoại của người dùng.

Hình 1: Các khoảng được đánh dấu đỏ mơ tả các khoảng trắng
trong dữ liệu tiếng nói

Trong thực tế, dữ liệu tiếng nói có tính chất thưa trong miền
thời gian, có nghĩa rằng trong nhiều khoảng thời gian đàm
thoại của người dùng, dữ liệu không chứa tiếng nói hữu ích mà

là dạng dữ liệu trắng (rỗng), dữ liệu tiếng nói hữu ích xuất hiện
xen kẹp trong các khoảng dữ liệu trắng này [Hình 1].

Đối với các bộ mã hóa/giải mã trong mạng di động 2.5G trở
lên như AMR, AMRWB, GSMFR, GSMHR việc xử lý các
khoảng dữ liệu trắng này ngay trên thiết bị đầu cuối đã được

thực hiện, trong đó thiết bị đầu cuối sẽ nhận diện các khoảng
trắng này và sau đó, thay vì gửi đi khung giá trị dữ liệu trắng
thì thiết bị chỉ gửi đi các gói đánh dấu khoảng trắng đang diễn
ra, kỹ thuật này được gọi là SID (Silent Identification) [3][4],
các gói này có kích thước rất nhỏ (5 bytes) giúp tiết kiệm băng
thông truyền dẫn vô tuyến.

Tuy nhiên, đối với các bộ mã hóa/giải mã cũ hơn như
G711, G722 được dùng trong các hệ thống PSTN [7], VoIP
[8], SID không được sử dụng. Ngoài ra, nhà cung cấp viễn
thông di động có thể tắt hỗ trợ SID trên mạng lưới trong một số
trường hợp để tránh các lỗi dịch vụ. Vì vậy, dữ liệu tiếng nói
với các khoảng trắng dư thừa không chứa thông tin luôn tồn tại
trên mạng di động. Các dữ liệu này được xử lý mã hóa/giải mã
bình thường như các đoạn dữ liệu mang thông tin khác, gây
lãng phí năng lực tính tốn trong hệ thống mạng lõi viễn thơng.
Trong điều kiện như vậy, bài báo này đề xuất một phương
pháp xử lý mã hóa/giải mã có chọn lọc các đoạn dữ liệu tiếng
nói. Trong đó các đoạn dữ liệu tiếng nói mang thơng tin được
nhận diện theo mức năng lượng và thực hiện mã hóa/giải mã
theo các tiêu chuẩn của ITU/3GPP, các đoạn dữ liệu trắng được
nhận diện và xử lý nhanh khơng qua mã hóa/giải mã, qua đó
tiết kiệm được tài nguyên (CPU, RAM) dùng cho tính tốn,
giúp nâng cao hiệu năng hệ thống.

Trong nội dung tiếp theo của bài báo, chúng tơi trình bày
một số kiến thức cơ bản về mã hóa/giải và tính chất thưa trong
miền thời gian của tiếng nói trong phần II. Giải pháp mã
hóa/giải mã có chọn lọc dữ liệu được mô tả trong phần III và
các kết quả thử nghiệm chứng minh sự cải thiện hiệu năng hệ

thống khi áp dụng giải pháp đề xuất được mô tả trong phần IV
của bài báo.

<b>II. KIẾNTHỨCNỀNTẢNG </b>
<b>1. Mã hóa và giải mã tiếng nói </b>

Mã hóa tiếng nói là dạng mã nguồn của dữ liệu, trong đó
tiếng nói nguyên gốc ban đầu được biểu diễn bằng các giá trị
với kích thước (dung lượng) nhỏ hơn kích thước ban đầu giúp
tiết kiệm băng thông truyền dẫn. Giải mã là quá trình ngược lại

</div>
<span class='text_page_counter'>(2)</span><div class='page_container' data-page=2>

khi dữ liệu mã hóa được tái tạo về dạng nguyên gốc và có thể
phát ra âm thanh thông qua các thiết bị như loa.

Trong q trình phát triển các cơng nghệ di động 2G, 3G,
4G, một loạt tiêu chuẩn mã hóa/giải mã tiếng nói đã được phát
triển như G.711 (PCMA/PCMU) [1], GSM-FR [5], GSM-HR
[6], GSM-EFR [9], GSM-AMR [3], AMR-WB [4], EVS [10].
Mỗi loại thiết bị đầu cuối có thể hỗ trợ một hoặc tất cả các tiêu
chuẩn mã hóa/giải mã này. Khi 02 thiết bị đầu cuối có tiêu
chuẩn mã hóa/giải mã khác nhau thực hiện đàm thoại với nhau,
sẽ cần một thiết bị trung gian của hệ thống mạng lõi viễn thông
thực hiện chuyển đổi các tiêu chuẩn mã hóa (transcoding) để
02 thiết bị có thể nghe được dữ liệu của nhau. Thiết bị này
thường là các hệ thống MSC (Mobile Switching Center) hoặc
GMSC (Gate Mobile Switching Center).

Hình 02 minh họa việc thực hiện transcoding giữa 02 thiết
bị đầu cuối A và B. Thiết bị A sử dụng chuẩn mã hóa loại A,
được giải mã bởi bộ giải mã loại A, dữ liệu sau giải mã là dữ

liệu PCM 16 bit, dữ liệu sau đó được mã hóa lại theo chuẩn
mã hóa của điện thoại B, sử dụng bộ mã hóa loại B. Chiều
người lại được thực hiện tương tự. Khi đó thiết bị A và B có
thể thưc hiện đàm thoại bình thường mặc dù khác nhau chuẩn
mã hóa.

Bộ giải mã Bộ mã hóa

Bộ mã hóa Bộ giải mã

CODEC A
Điện

thoại A

Điện
thoại B

CODEC B
Dữ liệu PCM

Hình 2: Mơ tả kỹ thuật transcoding

Tín hiệu tiếng nói sau microphone của một thiết bị đầu cuối
là tín hiệu liên tục trong miền thời gian. Trước khi đi qua các
bộ mã hóa/giải mã tiếng nói, tín hiệu được chia thành các
khung dữ liệu với độ dài 10 – 20ms. Các khung này khi truyền
trong mạng IP được biểu diễn thành các gói (packet) dữ liệu
với độ dài tương ứng. Bảng 1 mơ tả độ dài khung và kích thước
của một số loại gói dữ liệu tiếng nói theo tiêu chuẩn ITU,

3GPP.

Bảng 1: Một số mã hóa/giải mã trong mạng lõi viễn thơng

<b>Codec </b>

<b>Tần số </b>
<b>lấy mẫu </b>

<b>(kHz) </b>

<b>Chiều dài </b>
<b>gói (ms) </b>

<b>Kích thước </b>
<b>gói (byte) </b>

G711(PCMA/PCMU) 8 10 80

GSM-FR 8 20 33

GSM-HR 8 20 14

GSM-EFR 8 20 31

AMR 8 20 12 – 31

AMR-WB 16 20 17 - 60

AMR-WB+ 8/16/24/32 20 15 - 120

EVS 8/16/24/32 20 15 - 320

<b>2. Tính chất thưa của dữ liệu tiếng nói và vấn đề gặp phải </b>

Thông thường trong một cuộc hội thoại, người sử dụng
không nói liên tục, mà có những khoảng thời gian yên lặng để
có thể nghe người phía đối diện nói. Khi biểu diễn tín hiệu
tiếng nói, tín hiệu thường chứa các khoảng lặng xen kẽ, chúng
tôi gọi là tín hiệu thưa trên miền thời gian.

Hình 3: Tín hiệu tiếng nói thưa trong miền thời gian
Giả sử tín hiệu tiếng nói thưa trong hình 3 được chia thành
các khung dữ liệu 20ms. Dễ dàng nhận thấy rằng sẽ tồn tại rất
nhiều các khung có dữ liệu dạng x(n) = {0,0,0….0} kích thước
N phần tử, hồn tồn khơng chứa giá trị hữu ích mang thơng
tin tiếng nói. Nếu các đoạn dữ liệu x(n) này được đưa vào mã
hóa sẽ tốn hiệu năng tính tốn vơ ích để ra được dữ liệu y(n) =
{0,0,0…0} kích thước M phần tử (M < N).

<b>III. GIẢI PHÁP ĐỀ XUẤT NÂNG CAO HIỆU NĂNG</b>

<b>1. Ý tưởng của giải pháp </b>

Ý tưởng của chúng tôi là thực hiện việc nhận diện và phân
loại các khung dữ liệu tiếng nói thành 02 dạng:

+ Dữ liệu chứa thông tin có ích: Thực hiện mã hóa/ giải
mã dữ liệu một cách bình thường

+ Dữ liệu nằm trong khoảng lặng (trắng): Khơng thực
hiện mã hóa/giải mã dữ liệu mà gán trực tiếp kết quả
đầu ra do đã chắc chắn biết được dữ liệu sau mã
hóa/giải mã của khung dữ liệu trắng.

Việc nhận diện các gói dữ liệu được thực hiện thơng qua
việc tính giá trị năng lượng của khung dữ liệu theo công thức:

2
0

( )

<i>N</i>
<i>n</i>

<i>P</i>

<i>x n</i>

=

=

(1)

trong đó P là mức năng lượng đo được của khung dữ liệu, N là
số phần tử trong khung dữ liệu. Việc định nghĩa một ngưỡng
giá trị Pthreshold sẽ cho phép xác định x(n) có chứa giá trị hữu
ích hay khơng. Trên thực tế, phương trình (1) có thể được đơn
giản hóa như sau để giảm bớt số lượng phép tính mà vẫn giữ
nguyên ý nghĩa trong tính tốn:

0

( )

<i>N</i>
<i>simple</i>

<i>n</i>

<i>P</i>

<i>x n</i>

=

=

(2)

<b>2. Triển khai giải pháp </b>

Một bộ tính tốn và so sánh năng lượng tín hiệu với Ptheshold
ln được triển khai trước các bộ mã hóa/giải mã (xem hình
4).

Bộ mã hóa/giải
mã
Đo năng lượng

frame dữ liệu

Lớn hơn
P_threshold ?

Copy và thay thế
pattern đầu ra

Y

N
Dữ liệu đầu

vào x(n) <b>P</b> Dữ liệu đầu ra y(n)

Hình 4: Lưu đồ triển khai giải pháp

</div>
<span class='text_page_counter'>(3)</span><div class='page_container' data-page=3>

Giải pháp có thể được triển khai dưới dạng giải thuật như
sau:

Int16 *InputBuffer; /*Con trỏ đến khung dữ liệu cần tính tốn*/

<b>B1: Tính tốn mức năng lượng của khung dữ liệu theo kích thước </b>

P = 0; /* Khởi tạo mức năng lượng P = 0*/
N = PacketSize; /*N là kích thước dữ liệu đầu vào*/
M = OutSize; /*M là kích thước dữ liệu đầu ra*/
P_LEVEL = P_threshold;

for(i = 0; i < N; i++)
{

P = P + InputBuffer[i]*InputBuffer[i];
}

<b>B2: So sánh mức năng lượng đo được với mức ngưỡng định nghĩa </b>

trước

if(P >= P_LEVEL)

{

/* Thực hiện hàm mã hóa/giải mã dữ liệu ở đây */;
}

else /*Thực hiện thiết lập đầu ra bằng 0 nếu mức năng lượng thấp
hơn ngưỡng*/

{

memset(OutputBuffer,0,M);
}

<b>B3: Lặp lại B1 cho khung dữ liệu tiếp theo </b>

<b>IV. KẾTQUẢ </b>
<b>1. Thiết lập mơ hình thử nghiệm </b>

Đầu vào: Chuẩn bị 01 file dữ liệu đầu vào input.pcm
chiều dài 2 phút, máy tính sử dụng CPU Intel Core i7,
2.2GHz, bộ thư viện mã hóa/giải mã chuẩn AMRNB.
Thiết lập mô hình 1: Thực hiện mã hóa + giải mã file dữ

liệu đầu vào theo lưu đồ thông thường, đo thời gian xử lý
của máy tính (xem hình 5).

Bộ mã hóa
Đọc dữ liệu đầu vào

x(n) từ 01 file pcm

theo các frame 20ms _{Bộ giải mã}

Ghi dữ liệu
đầu ra ra file

Hình 5: Mã hóa, giải mã file dữ liệu theo mơ hình thơng
thường

Thiết lập mơ hình đề xuất (xem hình 6): Thực hiện mã
hóa + giải mã file dữ liệu đầu vào theo lưu đồ xử lý có
chọn lọc, đo thời gian xử lý của máy tính. Mức ngưỡng
cho bộ mã hóa được thiết lập P_ENC = 500 và bộ giải mã
P_DEC = 2500.

Yêu cầu với kết quả và phép đo so sánh:

- Chất lượng dữ liệu tiếng nói file khơi phục khi áp dụng cả
02 mơ hình phải giống nhau. Trên miền thời gian, sử dụng
phần mềm Audacity [11] để phân tích định tính bằng mắt,
so sánh, đảm bảo các mẫu dữ liệu là giống nhau.
- Sử dụng công cụ VQT (Voice Quality Test) được mua từ

GL Communication [12] để đánh giá định lượng chất
lượng thoại dựa trên điểm MOS (Mean Opinion Square)
theo tiêu chuẩn ITU P.863 [13].

Bộ mã hóa
Đo năng lượng

frame dữ liệu

Lớn hơn
P_threshold ?

Copy và thay thế
pattern đầu ra

Y
N
Đọc dữ liệu

đầu vào x(n)
từ 01 file pcm
theo các

frame 20ms _{Dữ liệu sau}

mã hóa
<b>P</b>

Bộ giải mã
Đo năng lượng

frame dữ liệu P_threshold ?Lớn hơn

Copy và thay thế
pattern đầu ra

Y

N

Ghi dữ liệu
đầu ra ra file
<b>P</b>

Hình 6: Mã hóa, giải mã file dữ liệu theo phương pháp đề xuất

<b>2. Kết quả </b>

Chất lượng file tín hiệu sau mã hóa, giải mã bằng 02 mơ
hình được kiểm tra bằng hiển thị trên phần mềm Audacity như
hình 7:

Hình 7: Tín hiệu file tiếng nói đầu ra của 02 mơ hình được so
sánh trên phần mềm Audacity

Đánh giá bằng cảm quan, định tính trên Audacity cho thấy
02 file có biên độ và giá trị dữ liệu giống nhau ở cùng tọa độ
thời gian. Kiểm tra bằng phần mềm VQT đều cho mức điểm
MOS đạt mức cao nhất “xuất sắc (Excellent)”. Điều này
chứng minh việc thực hiện giải pháp đề xuất mã hóa/giải mã
chọn lọc các gói dữ liệu tiếng nói khơng làm ảnh hưởng tới
chất lượng tiếng nói.

Với cùng 02 mơ hình này, chúng tơi thay đổi độ dài file đầu
vào theo bước nhảy 30s, sau đó đo thời gian mã hóa + giải mã
file tương ứng theo các mốc +30s, cho kết quả trong bảng 2.

Bảng 2: So sánh thời gian xử lý giữa 02 mơ hình thử nghiệm

<b>Độ dài file (s) </b>

<b>Thời gian xử lý (s) </b>

<b>Mơ hình 1 </b> <b>Mơ hình đề xuất </b>

30 0.23 0.16

60 0.47 0.33

90 0.7 0.5

120 0.94 0.67

150 1.19 0.85

180 1.42 1.02

210 1.66 1.19

240 1.9 1.36

270 2.14 1.54

300 2.38 1.71

330 2.61 1.87

360 2.86 2.04

</div>
<span class='text_page_counter'>(4)</span><div class='page_container' data-page=4>

390 3.1 2.21

420 3.33 2.38

450 3.57 2.58

Với kết quả so sánh thời gian xử lý của 02 mơ hình bên trên
đã chứng minh phương pháp đề xuất của nhóm tác giả cho tốc
độ xử lý nhanh hơn ~30% so với mơ hình mã hóa/giải mã
thơng thường do khơng cần thực thi mã hóa, giải mã tiếng nói
trong các khoảng thời gian tín hiệu trắng, khơng mang dữ liệu
có ích. Nhóm nghiên cứu đã tiếp tục thực hiện trên nhiều đoạn
âm thanh khác nhau và thu được các kết quả tương tự về việc
tăng hiệu năng xử lý (dao động từ 26% tới 31%).

<b>V. KẾTLUẬN </b>

Các kết quả trong các bài đo kiểm thử nghiệm của bài báo
đã chứng minh phương pháp đề xuất của chúng tôi đem lại hiệu
quả tốt ở cả hai khía cạnh: chất lượng tiếng nói và hiệu năng hệ
thống. Về chất lượng tiếng nói, phương pháp đề xuất không
làm ảnh hưởng đến chất lượng tiếng nói so với việc mã
hóa/giải mã tiếng nói thơng thường, trong khi về hiệu năng lại
giúp tăng nhanh tốc độ xử lý của hệ thống ~30%. Đối với các
hệ thống lõi di động có lượng phần cứng triển khai lớn như
MSC, GMSC, việc tăng tốc độ xử lý ~30% là rất đáng kể. Việc
tăng tốc độ xử lý cũng đồng nghĩa với việc sẽ tiết kiệm được
30% phần cứng xử lý để đạt được cùng mức hiệu năng trước
đó.

Trên cơ sở những nghiên cứu đã thực hiện [14-17], trong
định hướng nghiên cứu tiếp theo, chúng tôi dự kiến thực hiện
tối ưu việc tính năng lượng tín hiệu bằng ít phép tính nhất có
thể, từ đó tiếp tục nâng mức cải thiện hiệu năng hệ thống lên 35
– 40%.

<b>Lời cảm ơn: Kết quả của bài báo là một phần trong đề tài </b>

“Nghiên cứu phát triển hệ thống Gate MSC hỗ trợ TDM” mã
số 002-18-TĐ-RĐP-DS. Chúng tôi xin gửi lời cảm ơn tới các
đồng nghiệp tại Trung tâm Công nghệ Chuyển mạch, TCT
Công nghiệp Công nghệ cao Viettel đã hỗ trợ thực hiện và thử
nghiệm các kết quả đề tài.

TÀILIỆUTHAMKHẢO

[1] ITU G.711 : Pulse code modulation (PCM) of voice frequencies; ITU-T
Recommendation (11/1988), Retrieved on 2009-07-08.

[2] ITU-T (2003) ITU-T Recommendation G.722.2 Page i. Retrieved on
2009-06-17.

[3] 3GPP TS 26.090 - Mandatory Speech Codec speech processing
functions; Adaptive Multi-Rate (AMR) speech codec; Transcoding
functions". 3GPP. Retrieved 2010-07-21.

[4] 3GPP TS 26.290; Audio codec processing functions; Extended Adaptive
Multi-Rate - Wideband (AMR-WB+) codec; Transcoding functions,
Page 10, Retrieved on 2009-07-08.

[5] ETSI EN 300 961 V8.1.1 (2000-11) - (GSM 06.10 version 8.1.1 Release
1999), Retrieved on 2009-07-08.

[6] ETSI, EN 300 969 - Half rate speech transcoding (GSM 06.20 version
8.0.1 Release 1999), Retrieved on 2009-07-11.

[7] Kushnick, Bruce (7 January 2013). "What Are the Public Switched
Telephone Networks, 'PSTN' and Why You Should Care?". Huffington
Post Blog. Retrieved 11 April 2014.

[8] Nespeca, Claudio (August 18, 2018). "What Is VoIP". Epik Networks.
Retrieved August 18, 2018.

[9] RFC 3551 - GSM-EFR (GSM 06.60), Retrieved on 2009-07-08.
[10] Atti, V.; Sinder, D. J.; Subasingha, S.; Rajendran, V.; Dewasurendra, D.;

Chebiyyam, V.; Varga, I.; Krishnan, V.; Schubert, B. (2015-04-01).
"Improved error resilience for volte and VoIP with 3GPP EVS channel
aware coding". 2015 IEEE International Conference on Acoustics,

Speech and Signal Processing (ICASSP): 5713–5717.

doi:10.1109/ICASSP.2015.7179066.

[11] Audacity, access: October 10th_2019.

[12] Voice Quality Testing (VQT) Software (POLQA, PESQ),
access: June
26, 2018.

[13] ITU P.863 “Perceptual objective listening quality prediction”, March
2018.

[14] Dinh Van, Phong and Nguyen The, Hieu and Nguyen Huy, Tinh and
Dinh Viet, Quan and Tran Duc, Tan (2018) Một Số Cải Tiến Kỹ Thuật
Trong Chuyển Đổi Mã Hóa Tiếng Nói Băng Rộng Và Băng Hẹp Áp
Dụng Trên Mạng Viễn Thông Di Động Viettel. In: Hội nghị Quốc gia
lần thứ XXI về Điện tử, Truyền thông và Công nghệ Thông tin, 14-15 /
12 / 2018, Ha noi, Viet nam.

[15] Dinh Van, Phong and Nguyen The, Hieu and Nguyen Huy, Tinh and
Dinh Viet, Quan and Tran Duc, Tan (2019) Removing Long Echo Delay
Using Combination of Jitter Buffer and Adaptive Filter. In: International

Conference on Recent Advances in Signal Processing,

Telecommunications & Computing (SigTelCom), 21-22 March, 2019,
Hanoi, Vietnam.

[16] Tam Vu Van,Tran Duc-Tan, Phan Trong Hanh (2017). Data embedding
in audio signal using multiple bit marking layers method. Multimedia
Tools and Applications, 76(9), 11391-11406.

[17] Vu, V. T., Tran, D. T., Nguyen, D. T., Nguyen, T. T., & Phan, T. H.
(2015). Data embedding in audio signal by a novel bit marking method.
International Journal of Advancements in Computing Technology, 7(1),
pp. 67-76.

</div>


<!--links-->