（计算机应用技术专业论文）音频信息隐藏技术的研究.pdf

北方工业大学硕士学位论文 摘要 随着全球信息化程度的提高和电子商务逐渐走向实用，信息安全愈加为人们所重 视。信息隐藏技术正是在这种背景下发展起来的。信息隐藏是一种将有用的或重要的 信息隐藏于视频、音频或图像等当中以掩饰其存在，实现隐蔽通信或隐蔽标识的技术。 本文首先回顾了音频信息隐藏技术的发展历史、基本原理和研究现状。其后详细 总结了人类听觉系统的特点。说明我们可以利用人类听觉器官的感觉冗余特性，将需 要保密的信息隐藏到另外一个可以公开的音频之中。 音频置乱技术作为一种音频加密方法，可以应用于音频信息隐藏的预处理和后处 理中。本文提出了一种基于f i b o n a c c i 变换的音频置乱方法。通过我们的实验可以看 出，该方法置乱效果好，算法实现简单，计算速度快。并且该算法对于如严重的数据 丢失，m p 3 压缩，加噪音等攻击有定的鲁棒性。 数字水印是信息隐藏技术研究领域的一个重要分支，它的出现主要为了解决多媒 体信息在网络上的版权保护问题。数字水印通过在原始资料中嵌入水印来标识该资料 的所有权。嵌入的水印通常是有特殊意义的信息，如图像标志、文字或序列号等，用 以识别多媒体信息的作者、所有者和发行者等。本文对三个具有代表性的音频水印算 法：最低有效位( l s b ) 方法、相位水印方法和回声水印方法进行了深入的分析，并将 它们与基于f i b o n a c c i 变换的置乱技术结合，提出了嵌入水印的新方法。大量实验说 明，改进后的算法对于一些攻击( 如重新量化、重采样、m p 3 压缩、和高颠噪声等) 比通常的水印嵌入算法具有了更好的鲁棒性。 关键词：音频，信息隐藏，置乱，数字水印 北方工业大学硕士学位论文 r e s e a r c ho na u d i oi n f o r m a t i o nh i d i n gt e c h n o l o g y a b s t r a c t w i mt h ed e v e l o p m e n to fi n f o r m a t i o nt e c h n o l o g ya n dt h ea p p l i c a t i o no fe - c o m m e r c e i n f o r m a t i o ns e c u r i t yi sb e i n gp a i dm o r ea t t e n t i o nb yp e o p l e i n f o r m a t i o nh i d i n gi sa t e c h n o l o g yw h i c he m b e d st h ei m p o r t a n td a t ai n t od i g i t a lv i d e o ，a u d i oo rp i c t u r et oh i d et h e e x i s t e n c ef o ra n o n y m o u sc o m m u n i c a t i o n s t h et h e s i sl o o k sb a c ko nt h ed e v e l o p m e n th i s t o r yo ft h ei n f o r m a t i o nh i d i n gf i r s t l y t h e r e a f t e rt h et h e s i ss u m m a r i z e st h ec h a r a c t e r i s t i c so fh u m a na u d i t o r ys y s t e m ( h a s ) t h e ni ti n d i c a t e st h a tp e o p l ec a nm a k eu s eo f t h e s ec h a r a c t e r i s t i c st oh i d et h es e c r e td a t ai n a p u b l i ca u d i o t h ea u d i os c r a m b l et e c h n o l o g y ，w h i c hi sa l le n c r y p t i o nm e t h o d ，c a l lb eu s e di nt h e p r e t r e a t m e n to fi n f o r m a t i o nh i d i n g n l et h e s i sp r e s e n t sa k i n do fd i g i t a la u d i os c r a m b l i n g m e t h o db a s e do nf i b o n a c c it r a n s f o r m a t i o n s t h ef i b o n a c c it r a n s f o r m a t i o nh a sp e r i o d i c i t y t h es c r a m b l i n ge f f e c ti sv e r yg o o d ，t h ec o m p u t i n gs p e e do ft h ea l g o r i t h mi sf a s ta n dt h e a l g o r i t h mc a nr e s i s ts o m ea t t a c k s ，s u c ha ss e r i o u sd a t al o s s ，m p 3c o m p r e s s i o na n dw h i t e n o i s e t h ed i g i t a lw a t e r m a r ki sa l li m p o r t a n tb r a n c ho ft h ei n f o r m a t i o nh i d i n gt e c h n o l o g y i t sa p p e a r a n c ei sc h i e f l yf o rs o l v i n gt h ec o p y r i g h tp r o t e c t i o nm a t t e ro ft h em u l t i - m e d i a p r o d u c ti nn e t w o r k d i g i t a lw a t e r m a r ki sm a i n l yt h r o u g ht h eb u i l t - i nw a t e r m a r ki ns o u r c e d a t at om a r kt h ea u t h o r , o w n e ro rp u b l i s h e r t h ew a t e r m a r kc a db ei n l a g es i g n ，t e x to r s e r i a ln u m b e r ，e t c b a s e do nt h et h r e er e p r e s e n t a t i v ew a t e r m a r ka l g o r i t h m s ，n a m e l y ，l e a s t s i g n i f i c a n tb i tc o d i n g ，p h a s ec o d i n ga n de c h oh i d i n g ，s o m en o v e lw a t e r m a r ka l g o r i t h m s a r ei n t r o d u c e db yu s i n gt h ef i b o n a e e it r a n s f o r m a t i o n e x p e r i m e n tr e s u l t ss h o wt h a tt h e a l g o r i t h m s a r er o b u s ta g a i n s tv a r i o u ss i g n a l p r o c e s s i n gs u c h a sw h i t en o i s e ，m p 3 c o m p r e s s i o n ，r e s a m p l i n ga n dr e - q u a n t i f y i n g k e yw o r d s ：a u d i o ，i n f o r m a t i o nh i d i n g ，s c r a m b l i n g , d i g i t a lw a t e r m a r k 2 北方工业大学 y7 5 2 6 9 8 让簋扭廛旦撞苤 学科 学科带头人( 签字) 耋竺鱼 乒旷广年厂月a 旧 学位论文任务书 研究生：李南 焦宣王理 学院 盐篁扭廑厦堇苤 专业 垡皇室全 研究方向 论文题目： 童夔鱼星隆墓堇查鲍班塞 选题的来源、意义和价值：查堡壁苤选王j e 基直型堇堑星让型题目! j 立吏自丛抖堂基 金亟旦：i e 基堕熬耋型撞蕉星盐划亟目! 堕董圆鳖塑垒基生夔丕的筮星：厶i c 自笪直焦 ：医董丝剑佳：加王! 坌筮型佳鲎置压! 图堡! 墅塑笠圣弛数主剑昌：面旦复剑塑篮鲎壑 丑丛歪亟丝鲨堑! 量麴焦星堕蘧挂盔：给置麴墨攫佳焦基鲍窒全堡查塑篮鲎噩壁二筮全 堑的途焦! 童题篮星堕煎挂鲞丕这丑丝垄丕i i 起壁鱼：匝壁的：匾况王鳌查篮逢逍! 垦：面旦 卫丝道过查童题虫堂篮星垄到题拯理塑! 压直拯适盟! 追壁丛生曲垒坌挂贝塑盘墼丝 堡塑等目的。 学位论文工作自! q q 4 年! 月 ! 日起 至2 q 堕 年 月! 墨日止 呈交学位论文日期年 月 ! 星日 答辩日期2 鲤年月! 日 导师c 捌：缉壶盛 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研 究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他 人已经发表或撰写过的研究成果，也不包含为获得北方工业大学或其他教育机构 的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均 已在论文中作了明确的说明并表示谢意。 学位论文作者签弓琏磊萨字日期：耐年瑁r 日 学位论文版权使用授权书 本学位论文作者完全了解j e 直王些太堂有关保留、使用学位论文的规定，有 权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借 阅。本人授权j 虚王些盔堂可以将学位论文的全部或部分内容编入有关数据库进 行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后适用本授权书) 学位论文作者签名序向 签字日期：磁年厂月伊 学位论文作者毕业后去向： 工作单位： 通讯地址： 导师签名： 钾溅 签字日期：万年朋砩 电话： 邮编： 北方工业大学硕士学位论文 l 。l 信息隐藏技术 第一章绪论 2 0 世纪9 0 年代以来，计算机网络技术和多媒体信息处理技术在全世界范围内得 到了迅猛发展。数据压缩和多媒体技术的发展，使得人们能够方便快捷地制作、加工、 分发和传送各种多媒体制品，如数字化音乐、图像、影视等方面的作品。而且这种复 制和传送可以无损地进行。但是，网络在给人们带来便利的同时也暴露出越来越严重 的安全问题。在信息化的进程中，数字信息已成为社会发展的重要资源，数字信息安 全也就自然成为全世界所共同关注的话题，例如：多媒体作品的版权侵犯；软件或文 档的非法拷贝；电子商务中的非法盗用和篡改；网络中信息的非法截取和查看；甚至 黑客攻击等等。近年来出现了一个新的研究方向一信息隐藏技术研究。该技术与密码 技术之不同点在于：前者隐藏信息的“内容”而后者则隐藏信息的“存在性”。信息 隐藏技术的出现，给网络化多媒体信息的安全保存和传送开辟一条全新的途径。事实 上，信息隐藏技术的理论和算法研究已引起了众多知名研究机构如麻省理工学院的多 媒体实验室、剑桥大学的多媒体实验室、i b m 数字实验室等的极大重视。而实用化研 究也已在进行之中，已有多家公司相继推出了在数字化图像、音频和视频作品中嵌入 鲁棒水印以进行版权保护的软件产品。 信息隐藏是一种将有用的或重要的信息隐藏于视频、音频或图像等当中以掩饰其 存在，实现隐蔽通信或隐蔽标识的技术。目前，信息隐藏技术的研究及应用的主要领 域有两个，隐写术与数字水印。前者强调信息存隐密性，后者则关心隐藏的信息是否 被盗版者修改或移去，也就是要增加健壮性。另一个重要的不同点，水印系统所隐藏 的信息总是与被保护的数字对象或它的所有者有关，而信息隐藏系统可以隐藏任何信 息。 各个应用领域的侧重点有所不同，但有一点它们是相同的：都是利用人类感觉器 官的不敏感( 感觉冗余) ，以及多媒体数据存在冗余的特性( 数据冗余) ，将信息( 隐 写术中的秘密信息或数字水印技术中的版权信息等) 隐藏在载体( 隐写术中的掩护信 息或数字水印技术中的被保护信息) 之中，对外表现的只是载体的外部特征，而且并 不改变载体的基本特性和使用价值。 北方工业大学硕士学位论文 1 1 1 信息隐藏的基本模型 1 9 9 6 年5 月在英国剑桥召开的第一届信息隐藏国际年会定义了信息隐藏的几个 基本概念【1 】： 1 嵌入信息( e m b e d d e dd a t a ) 是多媒体信息的所有者希望隐藏在原信息中的数 据。 2 载体信息( c o v e r i m a g e 或c o v e r a u d i o 等) 是原始的数字化多媒体信息。 3 隐秘对象( s t e g o o b j e c t ) 通过一定算法，把嵌入信息隐蔽地插入原信息后， 就生成隐秘对象。 在一个典型的信息隐藏系统中嵌入的可以是版权信息或秘密数据，也可以是一 个序列号：而公开信息则称为载体信息，如视频、音频片段。这种信息隐藏过程一般 由密钥来控制，即通过嵌入算法将秘密信息隐藏于公开信息中，而隐蔽载体( 隐藏有 秘密信息的公开信息) 则通过信道传递，然后解码器利用密钥从隐蔽载体中检测出 并恢复秘密信息。在密钥未知的前提下，第三者很难从载体中得到、删除或发现秘密 信息。图1 1 就是一个典型的信息隐藏系统 冈 l 一 图1 1 典型的信息隐藏系统 1 i 2 信息隐藏的特性及分类 信息隐藏和密码学都可用于秘密通信，但两者有明显的区别。密码学是通过特殊 的编码将要传递的秘密信息变成密码的形式，以对通信双方之外的第三者隐藏其信息 的内容，一旦被解密，信息完全变成明文；而信息隐藏则是对第三者完全隐藏了秘密 信息的存在，这就较之单纯的密码加密方法多了一层保护，使需要保护的信息由“看 不懂”变为“看不见”。对于拦截者来说，如果面对的是一幅精美的图片，一般不会 对它产生任何怀疑，因而也不会想到去破译它，需要隐藏的信息就更安全。 北方工业大学硕士学位论文 一个理想的信息隐藏系统应该具有以下特性： ( 1 ) 不可感知性( i m p e r c e p t i b i l i t y ) ，指隐蔽载体与原始载体具有充分接近的特性， 信息隐藏对人的视觉或听觉系统透明，感觉不至q 隐秘载体的明显变化。如具有一致的 统计特性、视觉或听觉无法区分隐秘载体与原始载体区别等，当然个别场合也采用可 见的水印。 ( 2 ) 鲁榜性( r o b u s t n e s s ) ，隐秘载体受到一定的干扰，仍然能够恢复秘密信息的能 力。对隐秘载体资料干扰通常包括滤波、平滑、增强、重采样、有失真压缩、a d 或 d a 变换，噪音干扰、几何变换以及人为的破坏等。 ( 3 ) 密钥及安全性( s e c u r i t y ) ，对密钥的保护以及嵌入算法有较强的对抗攻击能力， 能够抵抗攻击者一定程度的攻击，使秘密信息不会被破坏。 ( 4 ) 隐藏的信息量，嵌入的秘密信息必须能够具有足够多的信息。例如足够表示多 媒体信息的版权等。实际上，隐藏的信息与系统的鲁棒性是一对矛盾，嵌入的秘密信 息越多，鲁棒性就越差。 信息隐藏技术包含的内容十分广泛，根据其在不同方面的应用可分类如图1 2 【5 0 ： 图1 2 信息隐藏技术的分类 1 2 信息隐藏技术研究历史及现状 信息隐藏的思想可以追溯到远古时代。大约在公元前4 4 0 年，h i s t i a u s 给最信任 的奴隶剃头并将一个消息刺在头上【2 】，等到他的头发重新长出后，信息便被隐藏起来， 北方工业大学硕士学位论文 从而达到秘密传递信息的目的。在2 0 世纪初，一些德国间谍仍然使用这种方法。有许 多隐写技术是由战术家a e n e a s 发明或记载下来的【2 】，包括将信息隐藏在信使的鞋底里 或妇女的耳饰中，将正文消息写在木板上然后用石灰水把它刷白，以及由信鸽携带便 条传送等等。 信息隐藏研究虽然可以追溯到古老的隐写术，但在国际上正式提出数字化信息隐 藏研究则是在1 9 9 2 年。1 9 9 6 年在英国剑桥召开了信息隐藏领域的第一次学术研讨会， 这标志着信息隐藏作为一个新的学科的诞生。1 9 9 8 年和1 9 9 9 年在美国的波特兰和德国 德雷斯顿召开的第二届和第三届信息隐藏国际研讨会。会议论文集由s p r i n g e r 出版， 分别为l n c s l l 7 4 l n c s l 5 5 2 和l n c s l 7 6 8 。第四届信息隐藏国际研讨会2 0 0 1 年4 月在美 国匹斯堡举行。2 0 0 2 年1 0 月与2 0 0 4 年5 月又分别在荷兰的诺德外克霍特和加拿大的多 伦多召开了第五届和第六届信息隐藏国际研讨会。这三届的论文集同样由s p r i n g e r 出版，分别是l n c s 2 1 3 7 、l n c s 2 5 7 8 和l n c s 3 2 0 0 。此外，一些信息安全、密码学和信 息处理领域的国际会议上也都有关于信息隐藏技术的专题或文章。这些专题研讨会的 召开，极大地促进了各研究团体在这一领域内的交流与合作，也吸引了越来越多的人 投身于信息隐藏技术的研究。 据统计，公开发表的关于数字水印的文章数量在1 9 9 2 年、1 9 9 3 年和1 9 9 4 年分 别为2 篇、2 篇和4 篇。但从1 9 9 5 年起，已经有相当一部分人员在进行这方面的研 究。公开发表的文章数也增至1 5 篇。这种情况引起了r o s s j a n d e r s o n 等人的注意， 因此在1 9 9 6 年召开了第一届信息隐藏国际学术研讨会。从那时起，信息隐藏研究得 到了迅速的发展，1 9 9 6 年到1 9 9 8 年公开发表的文章数也以2 9 、6 4 、1 0 3 这样以几 何级数递增。1 9 9 9 年1 2 月，s t e f a nk a t z e n b e i s s e r 和f a i e n a p p e t i t e o l a s 等 人出版了信息隐藏领域的第一本专业论著“i n f o r m a t i o nh i d i n gt e c h n i q u e sf o r s t e g a n o g r a p h ya n dd i g i t a lw a t e r m a r k i n g ”该书概述了数字水印和各隐写术领域 近年来的研究成果，是信息隐藏研究领域里领域比较权威的著作。 国内在信息隐藏方面的研究起步稍晚，但已引起了信息安全领域研究人员的普遍 关注，并于1 9 9 9 年1 2 月召开了第一届信息隐藏学术研讨会。第二届信息隐藏技术研讨 会于2 0 0 0 年在北京召开，此次研讨会发表了论文集。其后又在在西安、大连和广州召 开了3 次信息隐藏技术研讨会，吸引很多学者、研究机构的参与。另外数字水印的研 究人员也于2 0 0 0 年1 月召开了国内第一届数字水印技术研讨会，并建立了数字水印研 究主页和邮件列表，对国内信息隐藏研究工作起到了很好的促进作用。为推动我i 虱信 息隐藏技术的研究，中国电子学分会还于2 0 0 4 年成立了“多媒体信息安全技术专家委 4 北方工业大学硕士学位论文 员会”。 1 - 3 信息隐藏技术的应用方向 对于不同的信息隐藏目的，通常会有不同的具体需要和限制，其主要应用可概 括为两种类型：秘密消息隐藏和数字水印。 秘密信息隐藏的目的是在不引起任何怀疑的情况下秘密传送消息，因此它要求 是不易被检测到和大容量等。利用信息隐藏技术进行安全、隐蔽的通信，在军事、情 报、政府机要部门中都具有重要的作用。特别是在目前，许多国家出于安全和打击国 际犯罪等活动的需要，对在公共信道中进行密码通信进行了限制，因此商界纷纷把 目光投向了信息隐藏技术。 数字水印类似于钞票水印，是一种特制的不可见的嵌在数字产品中的数字信号， 可以是图像、文字、符号、数字等一切可以作为标记、标识的信息，其目的是进行版 权保护、所有权证明、指印( 追踪发布的多份拷贝) 和完整性保护等。因此它要求鲁 棒性和不可感知性等。数字水印的应用又可分为用于数字多媒体防盗版复制、实施版 权保护和用于数字信息的内容或作者等属性的认证等多种不同的情况。信息隐藏技术 在信息安全中的应用系统地概括为以下几个方面： 数据保密 在网上传输一些秘密数据要防止非授权用户截获并使用，这是网络安全的重要 内容。随着经济的全球化，这一点不仅涉及政治、军事，还将涉及到商业、金融和个 人隐私等。而我们可以通过使用信息隐藏技术来保护必须在网上交流的信息，如电子 商务中的敏感数据、谈判双方的秘密协议及合同、网上银行交易中的敏感信息、重要 文件的数字签名和个人隐私等等，这样就可以不引起好事者的兴趣，从而保护了这 些数据。另外还可以对一些不愿为别人所知的内容使用信息隐藏的方式进行隐藏存 储。 数字知识产权保护 随着网络和数字技术的快速普及，数字作品在网上传播时具有易修改、易复制的 特点，因此作品的版权容易被侵犯，为了解决此问题，数字作品的所有者可用密钥 产生一个水印，并将其嵌入原始数据，然后公开发布他的含有水印的版权作品，当 发现作品被盗版或非法传播时，所有者可以通过提取水印作为依据，从而保护所有 者的合法权益。向数字作品中加入不易察觉但可以鉴别的版权标记，其中标记可以是 北方工业大学硕士学位论文 个商标、一个序列号或是一种防止未授权用户直接拷贝的方法等。从而达到确定所 有者身份，识别侵权者的目的。 保护数据的完整性 当数字作品被应用于法庭、医学、新闻及商业时，为了确定它们的内容是否被 修改、伪造或特殊处理过，一旦被篡改就会破坏水印，从而很容易被识破。如新闻采 访用数字相机拍摄的图像必须在拍摄时加入水印，以防止图像被更改：对于历史图 像、档案文件和用于法律证据的图像，可以通过提取事先嵌入其中的水印来鉴定真 伪。隐藏在数字对象中的信息可以是一段签过名的数字对象的“摘要”，这些隐藏的 信息能用来防止或检测非授权的修改。 网上交易行为的不可抵赖性 在网上交易时，交易双方的任何一方不能抵赖自己曾经做出的行为，也无法否 认曾经收到对方的信息。在交易体系中，任何一方在发送或接收信息时，将各自的特 征标记以水印的形式加入到传递的信息中，这种水印是无法去除的，以此达到确认 其行为的目的，保证网上交易的可靠性。信息隐藏技术在数字化、网络化时代具有广 泛的应用前景。但还有很多技术性问题需要解决，信息隐藏技术还没有形成完整的理 论体系，需要进行系统的研究与探讨。我们还可以把密码技术和信息隐藏技术结合起 来，秘密信息通过加密后再隐藏到一般的数字媒体中，增强其安全性。 1 4 本课题的工作及论文大纲 本课题的主要工作是研究音频信号的信息隐藏技术，通过对已有算法进行总结， 提出自己的方法，并且通过软件对算法通过仿真实验进行详细的分析。本文的主要框 架如下： 本文的第一章对信息隐藏技术的历史、概念、特点、分类及应用进行了总结。 第二章对声音和声音的数字化表示以及人类听觉系统作了详细阐述。 第三章介绍了音频加密算法的研究现状，并提出了一种基于f i b o n a c c i 变换的音 频置乱算法。 第四章阐述了音频数字水印技术的数字水印系统的概况和基本原理，然后讨论了数 字音频水印系统的特点和要求，并对音频水印技术进行了回顾与总结。介绍了常用的 北方工业大学硕士学位论文 数字音频水印技术。本文对三个具有代表性的音频水印算法：最低有效位( l s b ) 方法、 相位水印方法和回声水印方法进行了深入的分析，并将它们与基于f i b o n a c c i 变换的 置乱技术结合，提出了嵌入水印的新方法。同时通过各种常见的信号处理方法对算法 的鲁棒性进行了分析。 第五章最后是全文的总结和进一步的研究方向。 北方工业大学硕士学位论文 2 1 声音 第二章数字音频和听觉系统特性 声音是通过空气传播的一种连续的波，声音的强弱体现在声波压力的大小上，音 调的高低体现在声音的频率上。声音信号由许多频率不同的信号组成，这类信号称为 复合信号，而单一频率的信号称为分量信号。声音信号的一个重要的参数就是带宽， 它用来描述组成复合信号的频率范围。如高保真声音的频率范围为1 0 h z - 2 0 k h z ，它 的带宽约为2 0 k h z ，而视频信号的带宽是6 m h z 。 声音信号的两个基本参数是频率和幅度。频率范围为2 0 h z - 2 0 k i - i z 的信号称为音 频信号，也就是英文中的”a u d i o ”一词表示的含义。一般来说，人的听觉器官能感知的 声音频率大约也就在2 0 h z 2 0 k h z 之间。人耳在这频率范围能感知的声音幅度大约在 0 - 1 2 0 r i b 之间1 3 1 。需要特别说明的是，入说话的信号频率通常为3 0 0 - 3 k h z ，入们把在 这种频率范围的信号称为语音( s p e e c h ) 信号。语音信号虽然与音频信号本质上相同， 但是它们各有其特点，本文中所说的声音信号都指的是音频信号。 音的高低是由发音源在一定时间内的振动次数( 频率) 来决定的。振动次数越多， 频率越高，音也就越高，反之则低；音的长短是由发音源振动时所持续的时间来决定 的。持续的时间越长，音越长，反之刚短；音的强弱取决于由发音源的振动幅度( 振 幅) ，幅度越大，音越强，幅度小音就弱；而发音源的材质、形状及泛音数的多少则 决定了音色。 2 2 声音的数字化 声音信号是典型的连续信号，不仅在时间上是连续的，而且在幅度上也是连续 的。在时间上连续是指在一个指定的时间范围里，声音信号有无穷多个幅值，在幅值 上连续是指幅度的数值有无穷多个，这种信号我们称为模拟信号。计算机是无法对这 种模拟信号进行处理的。计算机只能处理时间上和幅度上都是有限的信号，也就是数 字信号。要对声音信号进行计算机处理，就必须对声音信号进行数字化，数字化实际 上就是采样和量化。 在模拟音频技术中，用模拟电压来表示声音的强弱，原因很容易理解，因为声音 北方工业大学硕士学位论文 是机械振动，震动越强，声音越大，而话筒则是模拟录音中常用的工具，他把机械振 动转换为电信号，因此，模拟音频是用模拟电压来表示声音的强弱的。如0 5 v 电压 用数字2 0 表示，2 v 用8 0 表示，依此类推。然而，模拟电压在某个电平范围内仍有 无穷多个，而数字音频只能用有限个数字来表示无穷多个电压，我们把这一种在一个 电压幅度范围内用一个数字表示叫做量化。从而，我们很明显的看出，模拟电压是连 续的，也可以叫做在时间上的连续。而数字表示的声音则是一个数字序列，在时问上 只可能是断断续续的，因此，当把模拟声音变为数字声音时，需要每一个时间间隔在 模拟录音上取一个幅度值，这一个过程称为采样。时间的间隔称为采样周期( 其倒数 是采样频率) 。因此我们可以看出数字声音是经过模拟声音抽样、量化后得到的。 采样频率 采样频率( s a m p l i n gr a t e ) 是指将模拟声音波形数字化，每秒钟所抽取的声波 幅度的样本次数，其单位为k h z ( 千赫兹) 。采样频率高低决定了声音失真程度的大小， 高采样频率意味着其存储音频的数据量越大，失真越小，反之，则失真越大。但是， 高采样频率意味着其存储音频的数据量越大，采样频率的高低是根据n y q u i s t ( 奈奎 斯特) 采样定理和声音信号本身的最高频率决定的。该定理指出：采样频率不应低于 原始声音的最高频率的2 倍，这样才能把以数字表达的声音还原成原来的声音。总所 周知，人耳的响应频率范围在2 0 h z 一2 0 k h z ，根据n y q u i s t ( 奈奎斯特) 采样定理， 为保证声音不失真，采样频率应该在4 0 k h z 左右。 量化数据位数 量化位数( 也称量化级、样本尺寸) 是每个采样点能够表示的数据范围，常用的 有8 位、1 2 位、1 6 位等，那么8 位、1 2 位、1 6 位到底可以表示多少个不同的量化值? 可以这样理解：计算机数字信号最终归于二进制数字表示，即为“0 ”、“1 ”两个数 字。那么拿8 位量化位数来说，即有2 * 2 * 2 * 2 * 2 * 2 * 2 * 2 = 2 8 = 2 5 6 ( 0 2 5 5 ) 个不同的 量化值。同理，1 6 位量化位数则有2 = 6 5 5 3 6 个不同的量化值，通常1 6 位的量化级 别足以表示从人耳刚听到最细微的声音到无法忍受的巨大的噪音这样的声音范围了a 同样，量化位数越高，表示的声音的动态范围就越广，音质就越好，但是同样的储存 的数据量也越大。 量化过程 这个过程就是把整个幅度划分成有限个小幅度，每一个有限的小幅度赋予相同的 一个量化值，量化的方法大致可以分成两类： 北方工业大学硕士学位论文 ( 1 ) 均匀量化 也就是采用相同“等尺寸”来度量采样得到的幅度，这种方法对于输入信号不论 大小一律采用相同的量化间隔，这种量化的方法弊端在处理语音信号时就表现的非常 突出了。语信号的处理中，大信号出现的机会并不多，这种“等尺寸”导致增加数据 音样本位数并不能得到充分的利用。因此，另外一个量化的方法“非均匀量化”的优 势就表现出来了。 ( 2 ) 非均匀量化 顾名思义，就是对输入的信号采用不同的量化间隔。这样，增加的样本位数可以 得到有效的利用。对于小信号采用小的量化间隔，对于大信号采用大的量化间隔，这 种量化的方法可以在保证精度要求的情况下使用较少的样本位数来表示输入的信号。 单声道和双声道 这是我们常见的音频方面的名词，在记录音频时，每次生成一个声波数据称为单 声道，每次生成两个声波数据称为双声道( 又称立体声) ，立体声更贴近人耳的听觉 要求，更加逼真。 数字信号的优点 与模拟信号比较，数字信号有许多优点。数字信号有抗外界于找的优点。信号在 传输或复制过程中会混入一些干扰，对于声音信号则会增加噪声。而在数字电路中， 由于数字信号只有l 和0 两个值，对应着有矩形脉冲和没有脉冲( 零脉冲) ，这种简 单的波形很容易识别。即使受到干扰，波形“走样”，我们也不必关心波形的精确形 状，只要处理电路能识别原信号中的两种状态，就可以把原信号再生出来，而不会将 噪声传给下一个媒体。 数字信号还有在信号处理中失真小的优点。模拟电路处理的是连续变化的物理 量，随着元件本身的老化或气候环境变化，电路质量会下降，使信号出现失真。而数 字技术电路处理的是二迸制( 0 、1 ) 信号，对应着电路的开关、电位的高低或脉冲的 有无这两个状态，只要电路的逻辑关系正确，就能保证电路正确值的复现，因而，避 免了信号的失真。 数字信号还有能压缩的优点。为了提高播放速度和节约存储空多间，数字技术还 可以对数字信号进行“压缩”，利用信号中的相关性和人的感觉的掩盖性，通过计算 压缩冗余的信息，保留主要的信息，减少了数据量。正如将茶叶压缩成袋泡茶样， 1 0 北方工业大学硕士学位论文 兑上开水就能恢复原味。数字信号压缩后，可以传送更多的和清晰度更高的声音和图 像。如，“m p 3 ”就是采用国际标准m p e g 中的一种音频编码格式对声音信号以1 2 ：1 的压缩比进行压缩的一种方法。采用m p 3 ，一张光盘可以记录6 0 0 多分钟音乐或1 7 0 多首歌曲，是c d 光盘的1 2 倍，而音质与c d 光盘一样。随着压缩算法的不断研究进 展，压缩比还在不断扩大。 数字信号还有调制简单、防止交叉干扰、保密性强、能与计算机结合通用性好、 设备成本低等优点。 2 3 数字声音的存储格式 简单地说，数字音频的编码方式就是数字音频格式，我们所使用的不同的数字音 频设备或不同的系统平台一般都对应着不同的音频文件格式。常见的数字音频格式有 如下几种： w a v e 文件 w a v e 格式是m i c r o s o f t 公司开发的一种声音文件格式，它符合r i f f ( r e s o u r c e i n t e r c h a n g ef i l ef o r m a t ) 文件规范；用于保存w i n d o w s 平台的音频信息资源，被 w i n d o w s 平台及其应用程序所广泛支持。w a v e 格式支持m s a d p c m 、c c i t tal a w 、c c i t t pl a w 和其它压缩算法，支持多种音频位数、采样频率和声道，是p c 机上最为流行 的声音文件格式。但其文件尺寸较大，多用于存储简短的声音片段。 w a v e 文件使用三个参数来表示声音，它们是：采样位数、采样频率和声道数。 在计算机中采样位数一般有8 位和1 6 位两种，而采样频率一般有1 1 0 2 5 h z ( 1 l k h z ) ， 2 2 0 5 0 h z ( 2 2 k h z ) 、4 4 1 0 0 h z ( 4 4 k h z ) 三种。本文中所采用的音频格式都是w a v e 文 件格式。 a i f f 文件 a i f f 是音频交换文件格式( a u d i oi n t e r c h a n g ef i l ef o r m a t ) 的英文缩写，是 苹果计算机公司开发的一种声音文件格式；被m a c i n t o s h 平台及其应用程序所支持， n e t s c a p en a v i g a t o r 浏览器中的l i v e a u d i o 也支持a i f f 格式，s g i 及其它专业音频 软件包同样支持这种格式。a i f f 支持a c e 2 、a c e 8 、m a c 3 和m a c 6 压缩，支持1 6 位4 4 1 k z 立体声。 北方工业大学硕士学位论文 a u 文件 a u 文件是s u nm i c r o s y s t e m s 公司推出的一种经过压缩的数字声音格式，是 i n t e r n e t 中常用的声音文件格式：n e t s c a p en a v i g a t o r 测览器中的l i v e a u d i o 也支 持a u 格式的声音文件。 m p e g 文件 m p e g 是运动图像专家组( m o v i n gp i c t u r ee x p e r t sg r o u p ) 的英文缩写，代表 m p e g 标准中的音频部分，即m p e g 音频层( m p e ga u d i ol a y e r ) ；m p e g 音频文件的 压缩是一种有损压缩，根据压缩质量和编码复杂程度的不同可分为三层( m p e ga u d i o l a y e r l 2 3 ) ，分别对应m p l 、m p 2 和m p 3 这三种声音文件；m p e g 音频编码具有很高 的压缩率，g p l 和m p 2 的压缩率分别为4 ：1 和6 ：1 8 ：1 ，而m p 3 的压缩率则高达 1 0 ：l 1 2 ：1 ，也就是说一分钟c d 音质的音乐，未经压缩需要l o m b 存储空间，而经 过m p 3 压缩编码后只有i m b 左右，同时其音质基本保持不失真，因此，目前使用最多 的是m p 3 文件格式。 r e a i a u d i o 文件 r e a l a u d i o 文件是r e a l n e t w o r k s 公司开发的一种新型流式音频( s t r e a m i n g a u d i o ) 文件格式；它主要用于在低速的广域网上实时传输音频信息；网络连接速率 不同，客户端所获得的声音质量也不尽相同：对于2 8 8 k b p s 的连接，可以达到广播 级的声音质量；如果拥有i s d n 或更快的线路连接，则可获得c d 音质的声音。 2 4 人耳昕党系统的特性 近年来，认知科学的飞速发展为数字水印技术奠定了生理学基础。 人类听觉系统可分为外围系统和中心系统，外围听觉系统有外耳、中耳、内耳以 及与大脑相连的耳蜗神经束组成。外耳的作用是以机械形式接收空间的音波信号，通 过耳骨，最后进入到内耳【4 j 。 人耳听觉感知的基础是内耳的临界频带分析，当音频波耦合到内耳后，会沿着耳 蜗基底膜产生一系列的频率一位置变换，这种变换完成对音频信号的时一频分析。在 耳蜗基底膜上，功率谱不再以线性频率尺寸而是以被称为临界频带的有限频段来表 达，因而人类听觉系统可以表达为一个带通滤波器组。该滤波器组是由一系列重叠的 带宽从l o o h z ( 当频率低于5 0 0 h z 时) 递增到5 0 0 0 h z ( 信号频率比较高时) 的带通滤 波器组成。 1 2 北方工业大学硕士学位论文 晌度和等晌曲线【5 j 响度是人耳对声音轻、响的主观反应，响度取决于声音的幅度，主要是声压的函 数，声音的频率、波形也有关。它的单位是s o n e ( 宋) ，频率为i k h z ，在听闽之上4 0 d b 的纯音所具有的响度为1s o r e 。任何声音，如果被接听者认为其响度为1s o r e 的 n 倍，则其响度为r ls o n e 。在听觉区域内，响度相同，频率不同的点所组成的曲线即 为等响曲线。图2 1 是由贝尔实验室的f l e t c h e r 和m a n s o n 测定的一组等响曲线。 等响曲线即弗莱切芒森曲线表明：人耳对不同频率声音的响应是不同的。在各 条等响卤线上都有一个最低的谷点，频率范围大约是3 5k h z ，入耳对这一频段的声 音最敏感，频率高于或低于这个频段时，入耳的听觉灵敏度开始逐渐下降。随着声压 级的升高，人耳听觉频响越趋平直，声压级越低，人耳听觉频响会相应变差，低频段 尤其如此。也就是说人耳可以听见2 0 h z 1 8 k h z 的信号，但对2 k h z 4 k h z 范围内的 信号最为敏感，幅度很低的信号也能被听见，而在低频区和高频区，能被人耳听见的 信号幅度要高的多。 等响曲线反映了人耳一个简单而又对音频信息隐藏来说非常重要的特性。低音和 高音必须比中音区声强级大些，才能得到同样响度声音感觉。它客观地反映了人耳对 声压的主观感受的。而一族等响曲线则表明了不同频率的声音产生同样响度时所需要 的声强级数。 h 钔鼻1 嚣帮，呻硼j o 幛棚畦- 0 呻 目 频率铀i 图2 1 等响曲线 人耳的掩蔽效应i t 5 3 实践证明：声音信号在人的听觉系统中会被非线性“加工”，当有一个强度适当 的纯音作用到耳朵时，能听到原频率的一系列谐音或泛音。当有两个声音同时作用时， 能听到一组音，它包括这两个基本音和它们的谐音、和音与差音，除了基本音以外， 1 气 w柏越翦协o 口_罩啡腑恤一 北方工业大学硕士学位论文 听到的其他音，称为主观音，他们客观上并不存在，这些主观音是由听觉机构非线性 效应引起的。掩蔽效应是由于听觉的非线性所引起的一种常见的心理声学现象。声音 听得见的最低声压叫做昕闽。当人们同时听两个声音时，对其中一个声音的感觉会因 为另一个声音的干扰使该声音的听阈提高，这种现象称为掩蔽效应。假定对声音a 的闽值已经确定为4 5 d b ，同时又听到b 声音，由于声音b 的影响，使声音a 的闽值 提高到例如5 9 d b ，即比原来的阈值要提高1 4 d b 才能被听到，则b 称为掩蔽声，a 称 为被掩蔽声，1 4 d b 称为掩蔽量。 掩蔽效应可分为同时掩蔽( 频域掩蔽) 和异时掩蔽( 时域掩蔽) ，异时掩蔽又分为前 掩蔽和后掩蔽。同时掩蔽是一种频域现象，它指的是当两个频率足够接近的信号同时 发生时，弱音( 被掩蔽者) 会被强音( 掩蔽者) 所掩蔽而变得不可听闻。掩蔽阈值可通过 测量不可听闻的最大值来确定。它由声压级、被掩蔽者的频率、掩蔽者和被掩蔽者的 特性所决定。如图2 2 所示，l k h z 左右的声压级为6 0 d b 的正弦波的掩蔽闽值曲线， 只要被掩蔽声的声压级低于曲线在被掩蔽声频率处的掩蔽阈值，它就不被人耳所感 知。图2 2 中掩蔽曲线的形状在低频端陡峭，高频端相对平缓，也就是说高频信号 更容易被屏蔽。特别应注意的是不同的掩蔽声和被掩蔽声的组合有着不同的掩蔽效 应，掩蔽声强度和掩蔽闽值的距离在噪声掩蔽纯音比纯音掩蔽噪声实验中更小。如果 在音频编码中噪声声压级小于掩蔽阈值，它的作用就不会被人感觉到，编码中的噪声 可以是量化噪声、混叠失真、传输误差。 在静音情况下或无任何外界干扰情况下，使声音信号刚听得见的最低声压称为静 音阈值。静音阈值由信号频率决定，如图2 2 中低的曲线所示，在低频段静音阈值 可高达6 0 d b 。 o 位o 惦饥1 。- 2o 5i：5i o糍率l 址， 图2 2 声音的掩蔽效应 除了同时掩蔽，作为时域现象的异时掩蔽在人的听觉感知中起着重要作用。若掩 蔽效应发生在掩蔽声之前的某段时间，则称为前掩蔽，反之则称为后掩蔽。同时掩蔽 1 4 北方工业大学硕士学位论文 在掩蔽信号的持续时间内一直有效，异时掩蔽随着时间的推移很快衰减，一般后掩蔽 可持续l o o m s ，而前掩蔽仅持续2 0 m s ，前掩蔽和听觉疲劳有些相似。在实践中，后掩 蔽更为重要。当掩蔽声在时间上接近于被掩蔽声i 阈值就越高，掩蔽声和被掩蔽声时 间相距很近时，后掩蔽作用大于前掩蔽作用。掩蔽声的强度增加并不产生掩蔽量的成 比例的增加。例如，掩蔽声增加l o d b ，掩蔽阈只提高3 d b - ，这与同时掩蔽的效果不同。 里需要提请注意的是，掩蔽闽值是依赖于输入音频数据而静音阈值则是固定不变的。 人耳绝对相位不敏感陛 人耳对声音信号的绝对相位不敏感，丽只对其相对相位敏感。可以在信息隐藏中 利用人耳这种对相位感知的缺陷。 一1 5 北方工业大学硕士学位论文