Интересно, наверное уже существуют готовые решения, когда
передаются данные (MFSK-модемом, например), а голос лишь
накладывается для маскировки. Есть, например, аналогичные решения
для GSM, но там пытаются сделать модем, чтоб пропихнуть
максимальный битрейт через кодек. Совершенно не речеподобный. В
данных уже MELP или что-то вроде. Но ведь можно и наоборот же,
пытаться обмануть не кодек, а человека. Добавлять что-то в спектр
сложно: будет слышно. Только если где-то на грани "психоакустической маскировки" (что вырезает MP3). А вот удалять из спектра можно -- человек не заметит. Чем и может пользоваться модем, подавляя в фрагментах речи кусочки то там, то тут, и кодируя таким образом информацию. Разумеется передаваемые слова должны быть закодированы чем-то вроде БЧХ-кодов, потому, что часть полос в спектре никогда не встретится в речи (эти биты, наличие сигнала в полосе за интервал времени -- бит, всегда будут "битые").
http://caxapa.ru/1000176/ (далее по ссылкам)