（信号与信息处理专业论文）基于回声隐藏方法的音频数字水印中回声核的研究.pdf

南京邮电大学硕士研究生学位论文 摘要 i 摘要摘要 音频数字水印是一种信息隐藏技术，它是一种在不对音频载体信号产生过分影响的条 件下将额外的信息嵌入到数字媒体中以实现隐蔽通信、版权保护等功能的技术。回声隐藏 是音频信息隐藏的一个重要分支。本文的主要工作及创新点如下： （1）对音频数字水印技术的概念、基本架构、特性、分类、应用、评价标准以及发 展状况进行了总结和归纳。介绍了回声隐藏的概念、特性及基本原理，分析了回声隐藏的 研究现状、发展趋势和将来的研究重点。 （2）详细介绍并研究了 kim 的前后向回声核，在分析并进行数学推导的基础上提出 了可以在倒谱图上看到倒峰值的回声引入算法，增大了嵌入信息的容量。 （3）在研究 kim 提出的前后向回声核技术的基础上，结合双边时域扩展思想，提出 了一种利用 pn 序列改进回声内核的隐藏算法。一方面该算法有别于传统的时间域嵌入-倒 谱域提取算法，使得水印的嵌入和提取均在时间域完成，在回声幅度很小的情况下保持高 检测率；另一方面使用 pn 序列对回声内核的改进提高了水印的安全性和不可见性。 关键词：音频数字水印；回声隐藏；回声核；倒谱检测 南京邮电大学硕士研究生学位论文 abstract ii abstract audio digital watermarking technology is a kind of information hiding technology, information hiding is a technology which embeds the important data into the digital audio to hide the existence information for copyright identification or undercover communication. echo hiding is an important branch of the information hiding based on audio signals. the main work and innovation points of this paper are as follow: at first, this paper introduces the concept, the basic structure, characteristics, classification, application, evaluation criteria and the development status of digital audio watermarking technology. then, the paper introduces the concept, principle and characteristic of echo hiding, and analyzes its current situation, developmental trend and the key research points in future. secondly，kim s backward and forward kernels is detailed studied and introduced in this paper. after analyzing and mathematical deduction，this paper proposes a new system of echo hiding which can make us see the pour peak in the cepstrum , then test it, and at last ， combines with the more echo to expand the information capacity embedded. thirdly, on the basis of kims backward and forward kernels, this paper propose an echo hiding algorithm which improve the echo kernel by the pn sequence combining the bilateral time-domain extension ideas. the algorithm is different from the traditional time-domain embedding and the cepstrum domain extraction, whose watermark embedding and extraction are completed both in the time domain. besides, the algorithm can maintain a high detection rate in the case of very small echo amplitude and improve the watermark security and invisibility. finally, this paper makes a summarization and points out some prospects of the next step of the research work. key words: audio digital watermarking technology; echo hiding; echo kernel; cepstrum detection 南京邮电大学学位论文原创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得 的研究成果。尽我所知，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，也不包含为获得南京邮电大学或其它 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了谢意。 南京邮电大学学位论文使用授权声明 南京邮电大学、中国科学技术信息研究所、国家图书馆有权保留本人所送 交学位论文的复印件和电子文档，可以采用影印、缩印或其它复制手段保存论 文。本文电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文 外，允许论文被查阅和借阅，可以公布（包括刊登）论文的全部或部分内容。 论文的公布（包括刊登）授权南京邮电大学研究生院（筹）办理。 研究生签名：_ 日期：_ 研究生签名：_ 导师签名：_ 日期：_ 南京邮电大学硕士研究生学位论文 第一章 绪论 1 第一章第一章 绪论绪论 1. 1 选题的意义和研究背景选题的意义和研究背景 因特网与多媒体技术迅猛发展和日益普及的进程在无形之中极具的缩短了人与人彼 此间的距离，在信息化、数字化、网络化的今天，人们依靠网络和多媒体的信息互通与交 流飞升到一个新的高度，以图像、音频、视频为主流的各种各样的多媒体作品通过网络的 渠道发布出来，任何一个人，只要拥有一台可以接入网络的个人计算机，就可以和全世界 的人们一起分享自己创作或转载的多媒体作品。相对传统的图书馆和博物馆的区域化模 式，今天的网络，给了人们更加方便、先进、和广阔的获取知识、文化交流的空间，在全 世界的范围内，传统的工艺、美术以及传承和传播各个不同地域文化的作品，就可以通过 数字化，多媒体化呈现在世界每个角落的计算机屏幕上。而相对于网络普及的优点，它的 副作用也非常的显而易见：任何一个人，只要拥有一台可以接入网络的计算机，都可以非 常方便的获得他人原创的网络多媒体作品，在未经原作者许可的情况下随意复制，删改， 再发布，这给原创的数字化作品带来了侵害，也同时侵害了原作品作者的权益。所以，在 因特网普及的今天，版权保护的工作已经不仅仅限于图书，音像作品，如何让网络环境下 的多媒体数字作品的版权得到保护也应该得到应有的重视。 数字水印技术是一门新兴的多学科交叉的应用技术，它为最终解决数字产品版权保护 问题提供了指引，并且在数字产品版权保护中发挥着越来越大的作用。目前，数字水印技 术所涉及的领域很广泛，包括数字视频，音频，图像等多个方面。近年来，音频作品在互 联网上如雨后春笋般涌现，给音频数字水印技术带来了广阔的应用前景。音频数字水印技 术可以实现音频作品的版权保护和认证，对盗版的音频作品进行跟踪，还可以用于拷贝保 护，在广播领域中，音频水印技术可以发挥更智能的作用，比如广播站或节目类型的标识、 广告效果的统计分析、广播覆盖范围的分析研究等;而在国防和军事领域中可以用于隐蔽 通信，以实现秘密信息的传递 1,2。所以，对音频数字水印处理算法的研究，不仅具有现实 的学术意义，而且具有长远的经济效益和社会效益。 尽管发展数字水印技术最主要的原动力是版权保护，从事实上来看，人们还发现数字 水印还具有其它的重要应用，比如一些如真伪鉴别、秘密通信、标志隐含等的现实应用。 数字水印技术与古老的数据加密技术和信息隐藏关系非常紧密，这些技术的融合以及发展 为今后信息技术的前进提供必不可少的安全保障。 南京邮电大学硕士研究生学位论文 第一章 绪论 2 自从1994年开始，国外学术界陆续发表有关数字水印的文章，且文章数量的增长趋势 异常快速，包括几个有影响的国际会议（如ieee icip, ieee icassp, acm multimedia等） 以及一些国际权威杂志（proceedings of ieee, signal processing, ieee journal of selected areas on communication, communications of acm等）陆续出版了数字水印的专辑。到目前 为止，从研究对象上看数字水印主要涉及视频水印、图像水印、文本水印、音频水印和三 维网格数据水印等几个方面，而这些水印中大部分的论文和研究都集中在对图像水印的研 究上，其原因在于：图像是最基本的多媒体数据，且互联网的迅速发展为图像水印的发展 和应用提供了直接大量的应用保障。另外，视频水印也吸引了一部分研究人员，这是由于 视频本身可以看成是时/空域上的连续图像序列，所以从某种意义上讲，它的原理与图像 水印非常类似，许多适用于图像水印的研究结果都可以直接适用于视频水印上。但两者之 间有一个重要的差别就在于处理信号的数量级上，特别是视频水印，它需要更多考虑实时 性问题。而数字水印的基础研究主要集中在水印容量、鲁棒水印算法、水印透明性等方面。 在90年代中期，有些学者采用通信理论模型，将加在原始图像上的有意无意的攻击看作噪 声，特别是引入扩频通信理论后，使得水印的鲁棒性大大提高，而随后提出结合感知模型、 自适应的鲁棒水印算法也改善了水印的鲁棒性。就在最近，有学者提出矢量量化的方法， 预言这是能取得更好的鲁棒性的算法，还有人提出的基于奇异值分解的鲁棒水印算法，通 过理论分析和实验证明都具有很好的鲁棒性。而在不同鲁棒性算法中，对于水印容量的分 析相当重要，因为这是应用中首先需要明确的问题，目前结合通信理论、信息论等学科来 分析容量范围，成为了当前研究热点。 1. 2 音频数字水印音频数字水印技术概述技术概述 1.2.1 音频数字水印技术的基本概念 音频数字水印技术是一种新兴的信息隐藏技术，它的基本思想是在不影响原始音频作 品质量的前提下，利用一定的嵌入算法向其中嵌入用于版权保护或内容完整性检验的一些 标志性信息，以达到保护产品的版权、证明产品的真实性、跟踪盗版行为或者提供产品的 标识信息等目的。 一般来说，人们所能接受的数字音频产品必须是满足人们听觉要求的，所以在不破坏 其使用价值和大部分听觉特性的前提条件下，嵌入数字水印而不被人耳察觉是有可行性 的。因为任何数字信号都有其固定的误差，也就是所谓的噪声。音频数字水印的嵌入可以 南京邮电大学硕士研究生学位论文 第一章 绪论 3 看作是将水印信息作为附加噪声与原始音频信号融合的过程，只要附加的噪声强度能够远 远小于人的感觉器官能察觉到的最小强度，水印信息就可以不被人耳感知。但由于人类听 觉系统 （human auditory system, has） 感觉声音变化的灵敏度要高于人类视觉系统 （human visual system, hvs）感觉图像变化的灵敏度，所以在音频信号中嵌入数字水印的难度相对 较大。 1、音频数字水印技术的框架 典型的音频数字水印系统应涵盖水印的生成、嵌入和提取或检测三部分。 （1）水印的生成 水印的生成要建立在水印的唯一性，不可逆性等属性的基础上。一般由伪随机数字发 生器来产生水印序列，而且还要利用密钥进行加密。 （2）水印的嵌入 水印信息的嵌入是音频数字水印系统的核心部分，通常需要考虑水印的两个互相矛盾 的要求，即透明性和鲁棒性，需要根据具体的实际应用在两者之间做出一个折衷的选择。 在实现版权保护的水印系统中，具有优秀的鲁棒性是算法应该必须具备的。而在完整性验 证等其他应用领域，对鲁棒性的要求则不是很高。音频数字水印嵌入模型如图 1.1 所示。 原始音频对象 嵌入水印信息 加密密钥 预处理嵌入算法含水印的信息 图 1. 1 典型音频数字水印系统的嵌入模型 （3）水印的提取或检测 如果嵌入的是有意义的水印信息（如图像等） ，就需要在隐秘音频信号中提取水印信 息。如果嵌入的是 1 比特水印信息（如 m 序列等） ，则需要检测音频中是否含有水印信息。 音频数字水印提取或检测模型如图 1.2 所示。 南京邮电大学硕士研究生学位论文 第一章 绪论 4 原始音频对象 嵌入水印信息 加密密钥 检测或提取算法后续处理 原始水印对象 提取水印对象 水印提取或判定 图 1. 2 音频数字水印系统的提取或检测模型 2、对音频数字水印的要求 理论上，一个成功的数字音频水印算法应该具备以下几方面的要求 （1）鲁棒性 鲁棒性亦称健壮性，是指含有水印信息的隐秘信号在经过各种信号处理操作之后，产 生了一定失真情况下，仍能保持水印的完整和可检测性。鲁棒性包含两层含义： 一是抗攻击性：数字水印应具有一定的安全性，能抵抗各种蓄意地攻击，典型的攻击 有添加噪声，数据压缩，滤波，重采样，数模转化，统计攻击等。 二是抗干扰性：数字音频水印应具有抵抗一般的数字信号处理的能力，并继续保持较 好的可检测性和完整性。 （2）听觉透明性 透明性即不可感知性，要求嵌入的水印信息尽量和原始音频数据紧密融合在一起。嵌 入水印后，为使第三方不易察觉这种嵌入信息，需谨慎选择嵌入方法，使嵌入前后不产生 听觉上可感知的变化，另外，嵌入的水印应较少或不会影响到音频产品的效果。 （3）水印容量 即是保证听觉透明性和鲁棒性的前提下能够嵌入一段音频信号中的最大信息量，它对 于信息隐藏范围的应用应该是最重要的指标之一。 （4）安全性依赖因素 安全性表现为水印在抵抗恶意攻击方面的能力。音频数字水印系统的安全性与密码系 统的安全性非常类似。水印嵌入的算法应该公开，安全性最好依赖于密钥而不是算法的秘 密性，并且只有拥有密钥才能提取到正确的水印。 （5）漏警概率-虚警概率 在音频水印技术的实际应用中，通常需要通过计算提取水印和原始水印的相关性来判 南京邮电大学硕士研究生学位论文 第一章 绪论 5 断是否存在水印。水印存在的情况下，却检测不到水印存在的概率称为漏警概率；反之， 水印根本不存在，却检测到水印存在的概率称为虚警概率。 （6）可靠性 对于音频产品的合法所有者来说，可靠性是指水印信息应当易于从音频产品中提取或 检测。在拷贝控制应用中，对可靠性要求很高。例如，一般要求 dvd 视频水印检测器应 该在 1012 帧中有一次虚警，或在 1000 帧连续操作中大约有 1 次虚警发生。 （7）数据提取误码率 数据提取误码率也是音频水印方案中的一个非常重要的技术指标。因为一方面有来自 物理空间的干扰，另一方面信道中传输的信号会发生衰减或畸变，再加上人为的数据变换 和攻击，都会使数据提取的误码率增加。 （8）是否为盲水印 是否需要原始数据进行信息提取，原则上水印的检测不应该需要原始音频，即实现盲 检测，因为寻找原始音频是非常困难的。 （9）确定性 又叫做无歧义性，很多文献将这一特性成为死锁（deadlock） 。就是说水印在判定所有 权的问题上能够作为唯一判定的证据。 （10）通用性 好的数字水印算法应该有个很广的使用范围，兼容多种文件格式和多媒体文件，这在 某种程度上使数字水印容易应用到更多的地方。 在以上的十个特性中，最突出的问题是鲁棒性，透明性和水印容量三者之间的平衡关 系，但这三者之间又是存在矛盾的，其中，透明性和鲁棒性是音频水印的最基本要求，这 两个特性是一个矛盾的两个方面， 鲁棒性与嵌入的强度直接相关，即水印嵌入的强度越 大，则鲁棒性越好；但当嵌入的强度超过一定范围（has 所限定的范围） ，又会影响到水 印的透明性。因此，在研究水印嵌入算法的过程中，应该折衷考虑这两个矛盾因素7。 3、音频数字水印技术的分类 音频数字水印技术按照不同的标准可以分成很多种类别，分类的出发点不同导致类别 的各不相同，它们之间既是相互联系的，又是相互区别的，具体地说，可进行如下所述的 分类： （1）按照水印的特性划分可以分为脆弱水印和鲁棒水印 脆弱水印是指对常见的信号处理操作比较敏感的一类水印，只要嵌入水印的原始信号 稍加处理或修改，其中的水印就会变化或消失。脆弱水印主要作用是产品的完整性保护， 南京邮电大学硕士研究生学位论文 第一章 绪论 6 它随对象的修改而破坏，哪怕细小的改动也会影响到水印的检测效果和提取正确率，从而 通过提取水印的完整性来证实产品的完整性、真实性。 鲁棒水印是一类抗攻击性能非常强的水印。鲁棒水印的应用极其广泛，主要应用于保 护数字产品的所有权。 （2）按照水印的透明度可以分为可见水印和不可见水印 可见水印一般为较淡或半透明的不碍观看的图案，就像是人名币上的水印，也可以理 解为一般意义上的图像融合。 不可见水印的应用范围更加广泛，它隐藏在音频作品中，不被察觉，但当涉及到版权 纠纷的情况出现时，版权所有者就可以提取作品中的水印来捍卫自己的合法权益。 （3）按照嵌入信息的容量可以分为 1 比特水印和多比特水印 1 比特水印是指只有“有水印”和“无水印”两种情况，而水印本身不带有任何信息， 这种水印只含有 1 比特信息。 多比特水印是指嵌入的信息具有一定的含义。如版权信息、产品的标识码、发表时间、 版权所有者姓名、地址、单位等等。相对于 1 比特水印来说，多比特水印通常更具有实际 应用价值。 （4）按照水印检测的方式可以分为盲水印和非盲水印。 盲水印在提取数据时可以直接通过嵌入水印后的数据来提取水印信息。从应用角度来 看，有着广泛的发展前途。如文献3中提出了一种基于量化数字音频信号频域参数的水印 嵌入算法。 非盲水印则是指在水印的检测过程中，需要未加水印的原始数据作为参考。对于这类 算法可嵌入水印的位置选择范围较大，能充分地考虑到水印的鲁棒性和隐蔽性的要求。王 朔中等人提出了一种基于子波变换的水印处理方法4，在数字音频信号中嵌入了一个随机 的序列，该方法在提取水印时，需要用到原始的数字音频信号。 （5）按照水印嵌入的位置分为时域水印、变换域水印和压缩域水印 时域水印的嵌入是通过修改原始音频数据的时域采样值强度实现的。时域的方法因为 不需要对原始信号进行变换域计算，所以计算量较少。 变换域的算法嵌入水印的过程即是将水印，常见的变换域算法有：离散小波变换 （discrete wavelet transform, dwt） ； 离散傅立叶变换 （discrete fourier transform, dft） 5； 离散余弦变换（discrete cosine transform, dct） 6等。 水印的分类方法有很多，它们的区别是分析问题的角度不同，一种水印方案通常融合 了多种方法。 南京邮电大学硕士研究生学位论文 第一章 绪论 7 4、音频数字水印技术的应用 目前数字水印的主要应用有七个领域；广播监控、认证或篡改检测、版权保护、交易 跟踪拷贝控制、隐秘通信以及标注水印。 （1）广播监控 水印技术可以进行对识别信息的编码，利用自身隐藏在数字作品之中的特点，可以再 没有广播信号相关片段的情况下，通过在媒体中搜寻这个唯一的数字水印，这些媒体被播 放的时间、次数等相关信息便可以确切知道。 （2）认证或篡改检测 在实际应用中，必须要防止在一个已经被篡改的音频数据中再伪造用于认证的水印的 情况，并且希望定位到篡改的位置，并且区分恶意篡改和对内容的正常操作（如中等强度 的 mp3 压缩） 。 （3）版权保护 版权保护是音频数字水印最主要的应用之一。即数字音频作品拥有者可用密钥产生水 印，并将其嵌入原始音频作品，公开发布他的嵌入水印后的作品。如果发生版权纠纷，合 法的版权拥有者就可以从作品中提取出水印，保护其权益。 （4）交易跟踪 交易跟踪是指可以利用水印来记录音频作品的某个拷贝的交易次数。 （5）拷贝控制 在因特网上，发布数字作品的作者大多是希望人们只参阅其发布的媒体数据，却不希 望这些数据被拷贝。那么应对这种状况最好的办法就是将水印嵌入到媒体数据中。 （6）隐秘通信 水印技术用于通信中具有良好的隐藏性，因为它不仅隐藏了通信的内容，而且还将通 信过程的存在性也一并隐藏，这一点在军事上有着非常重要的指导意义，特别是在战争状 态下，多一种通信方式可能就多一点获胜的把握。 （7）标注水印 即将作品的标题、注释等内容（例如作品的作者，说明，歌词、网站链接和订购信息 等等）以水印形式嵌入到该作品中，这种方式不易丢失，安全可靠， ，而且不会增加额外 的带宽 7 。 南京邮电大学硕士研究生学位论文 第一章 绪论 8 1.2.2 音频数字水印技术的评价标准 音频数字水印技术的评价标准有多种，但总体来说可以分为主观和客观两种： （1）主观测试法。以人耳的主观感受为评价算法质量的标准，在音频水印技术中， 嵌入水印后的音频产品与原始音频产品相比较，理论上在听觉上不会存在非常大的差别， 也就是说嵌入水印后的音频产品的听觉质量不应该受水印的影响。最常见的主观测试法应 该是平均意见分法（mean opinion score, mos） ，该方法需要若干个测试者，根据他们对 听过的音频信号质量的优劣进行评分，把这些测试者的平均分数作为对音频信号质量评价 的结果。通用的标准大多是 5 分制，各个档次的评分标准如表 1-1 所示。 表 1-1 mos 主观标准 分数 5 4 3 2 1 音频质量 优 良 中 差 不能分辨 描述 音频非常清晰，相当于专业录音棚的质量 音频自然流畅，相当于长距离pstn网上的语音质量 达到通信质量，但听起来有一定困难 音频质量很差，很难理解 音频基本被破坏，听不清楚 此外，在 itu-r bs.1116 中还定义了一个主观标准，即是主观听觉区分度（subjective difference grade）见表 1-2 所示。 表 1-2 主观听觉测试区分度 sdg sdg描述 0.0 -1.0 -2.0 -3.0 -4.0 不可感觉 可感觉但不刺耳 轻微刺耳 刺耳 非常刺耳 一般来说，主观判定的评价会受到测试者的知识、背景、测试环境等因素的影响和限 制，所以评价结果的一致性较差，而且需要耗费相当的时间和人力，因为对于研究和开发 阶段来说，这个方法并不是很适用。 南京邮电大学硕士研究生学位论文 第一章 绪论 9 （2）客观测试法。客观测试法在判定音频水印的质量方面占有十分重要的位置，因 为客观测试法可以定量的评价音频数字水印的质量。一般来说，对不同嵌入算法的音频水 印算法应根据算法适用程度高低采用不同的客观测试方法，常用的客观评价方法有： 信噪比（signal-to-noise ratio, snr） 应该将嵌入到原始音频信号中的水印信号看成相对于原始信号的噪声，从而通过计算 信噪比来量化所嵌入的水印信号对原始音频信号的影响程度。假设宿主信号为)(nx，嵌入 水印的音频信号为)(nx，则信噪比可以表示为： 1 2 0 1 2 0 ( ) 10 ln ( )( ) l n l n x n snr xnx n (1.1) 其中，n 为音频信号的采样点数，l 为音频信号的长度，且ln0，单位为db。 峰值信噪比（peak signal-to-noise ratio, psnr） 峰值信噪比可以定量地评价嵌入水印后音频信号的不可感知性。峰值信噪比的计算公 式如式(1.2)所示。 2 0 1 2 0 max( ) 10 ln ( )( ) m l l n x m psnr xnx n (1.2) 归一化相关系数（normalized correlation coefficient, ncc） 检验提取的水印信号与嵌入的水印信号之间的相似性， 可通过计算它们的归一化相关 系数来判定。假设),(nm与),(nm 分别表示嵌入的水印信号和提取的水印信号，nm, 分别为水印信号行数与列数，归一化相关系数的计算公式如式(1.3)所示。 11 2 2 1111 ( , )( , ) ( , )( , ) mn mn mnmn mnmn m nm n ncc m nm n (1.3) 归一化汉明距离（normalized hamming distance, nhd） 在水印信号为二进制序列的情况下，可以通过计算提取的水印信号与嵌入的水印信号 之间的归一化汉明距离来检测其相似性，计算公式如式(1.4)所示： 南京邮电大学硕士研究生学位论文 第一章 绪论 10 m m n n nmnm nm nhd 11 , 1 (1.4) 其中，),(nm表示嵌入的水印信号，),(nm 表示提取的水印信号，n表示水印信号的长 度，“”表示异或操作。 误码率（bit error rate, ber） 通过计算和对比提取的水印信号与嵌入的水印信号， 可以检测出它们的误码率。 其中， ber 单位为百分比(%)。 %100 传输的总比特数 传输错误的比特数 ber (1.5) 1.2.3 音频数字水印技术的发展状况 在数字水印算法的研究中，音频数字水印算法研究较晚。在时域内，wang 等人提出 了在时域中直接修改采样信号幅度的方法9，从而达到嵌入水印的目的。 文献10中提出了基于回声编码的同态信号处理技术，在这个技术中，作者把回声作 为信号嵌入到原音频。 bassia 等人提出了通过改变音频信号采样数据最低有效位来嵌入水印的方法11。 bender 提出了通过回波数据隐藏水印的嵌入技术12， 在时域内将水印相对应的二进制 数据放置于与音频信号数据十分相近（在 l ms 内）的位置上。 kim 提出了在数字音频信号中直接嵌入数字印章的方法，该方法属于盲水印 13。 在频域内，bender 提出了基于相位编码的水印嵌入技术14。它通过稍微改变音频信号 相位嵌入二进制水印。bender 还提出了直接序列扩频和基于频率跳变扩频的水印嵌入技 术。 boney 等人提出了采用与人的听觉系统频率掩蔽特性相似的滤波器对伪随机序列滤 波的方法产生水印，采取加权方式在数字音频信号中嵌入水印的算法15。 wu 等人提出了基于数字音频信号内容分析的离散傅立叶变换域水印嵌入算法16。 该 算法能抵抗常见的各种信号处理与攻击。 xu 等人提出了数字音频信号内容自适应的水印嵌入方法17，文中实现了嵌入水印的 透明性和稳健性的折衷。 oscal t.-c. chen 等人提出了基于镜像核的高鲁棒性， 安全性和不可感知性的隐藏方案 18。 南京邮电大学硕士研究生学位论文 第一章 绪论 11 ahmad delforouzil 等人提出了应用 dual 方法的前后向延迟回声核 19，该算法建立在 引入 pn 序列的基础上，算法取得了良好的鲁棒性和不可感知性。 1.3 本论文的主要研究内容及章节安排本论文的主要研究内容及章节安排 本文针对声音信号的特点，在充分理解音频数字水印原理的基础上，展开对回声隐藏 技术的研究。 通过对经典前后向回声核的深入研究，并经过正确的数学推导，本文提出了引入回声 的新的机制， 也就是在倒谱图中可以观察到倒峰值的负的双极性核， 并通过引入多个回声， 达到了增加嵌入信息容量的目的，经实验检测，该方法也具有较好的鲁棒性。 本文又针对通常的隐藏信息是没有明显意义的伪随机序列或者是任意一段数据流这 一问题，将有意义的二值图像数据嵌入到声音信号中，增强了隐藏信息的直观性，并且使 用 pn 序列对回声内核的改进提高了水印的安全性和不可见性，仿真结果证明了该算法的 透明性和鲁棒性。本文各章节的安排如下： 第一章对音频数字水印技术进行了概述。其中首先介绍了数字水印的选题和背景，借 而引出音频数字水印技术的基本概念、评价标准和发展状况。 第二章介绍了回声隐藏技术的基础理论知识。首先，简要地介绍了声音特性与人耳的 听觉特性；其次，阐述了倒谱分析的有关概念；最后介绍了短时傅里叶变换在倒谱分析中 的应用。 第三章阐述了回声隐藏技术的基本原理，综述了近年来回声隐藏技术的研究现状，并 研究和实现了 bender 提出的经典的回声隐藏算法。 第四章详细分析并介绍了前后向回声核的原理并仿真实验，在前后向回声核的基础上 经过数学推导，得出了负的双极性前后向核的嵌入是可以在倒谱图上看到倒峰值的，并通 过引入多个回声延时以求嵌入信息容量的增大，实验结果表明，该方法为回声的引入提供 的新的思路并且拥有较好的鲁棒性。 第五章分析了 m 序列的生成，针对 kim 提出的前后向回声核，提出了一种利用 pn 序 列改进回声内核的回声隐藏算法，详细介绍了隐藏信息的嵌入和提取过程，并对算法原始 音频波形分析、鲁棒性测试及误码率分析，仿真实验结果表明了该算法的良好性能。 第六章对全文进行了总结，讨论了在音频信息中进行信息隐藏的若干难题及对进一步 研究的展望。 南京邮电大学硕士研究生学位论文 第二章 基础理论知识 12 第第二章二章 基础理论知识基础理论知识 本章首先对人耳听觉特性理论进行介绍，其中详细介绍了掩蔽现象，包括频域与时域 掩蔽；其次则对音频信号的数字表示作一个简要的概述，最后把关于音频数字水印的数字 信号处理知识作一个总结。 2.1 人耳的听觉人耳的听觉特性特性 在音频文件中嵌入水印信号的各种方法一般都需要利用人类听觉系统（has）的某些 特性，也就是听觉生理-心理特性20。通过对 has 的研究表明：人耳实际上相当于一个频 率分析器，能分辨一定频带以内的声音，这个频带大约是 20hz20khz 的宽度。has 可以 模拟为一个拥有 26 个带通滤波器的系统。而 has 中的一个最重要的心理声学概念就是掩 蔽效应（masking） 。音频的掩蔽效应是指一个较弱的但可以听到的声音由于另外一个较强 的声音的出现而变得无法听到的现象。掩蔽音和被掩蔽音的时域和频域特性决定了掩蔽的 效果，而掩蔽可分为时域和频域掩蔽21。 频域掩蔽是指发生频域的掩蔽现象。假如在一个一定的频率范围内，同时存在着两个 音频信号，而这两个信号存在着一定得能量差，也就是一个能量强，一个能量弱，这时候， 弱音不被人耳察觉，即被强音掩蔽掉了，则这种情况下，称较强的音为掩蔽音，而较弱的 音为被掩蔽音。如果把一个纯音作为目标的话，假设它的声压级低于掩蔽阈值时（安静时 的听阈值） ，则它是听不见的。由于存在一个较强的信号，听觉阈值不同于安静的阈值， 在接近较强音的信号频率的地方，听觉阈值被提高了，这个新的阈值被叫做掩蔽阈值，也 就是说，当音频信号的声压级低于掩蔽阈值的时候，它被掩蔽。而掩蔽音的掩蔽阈值依赖 于很多因素，包括声压级，频率，掩蔽和被掩蔽音的纯音或者噪音特性。用一个宽带的噪 声掩蔽一个纯音相对于用一个纯音掩蔽一个宽带的早生来说要更容易。而且，信号频率越 高就越容易被掩蔽，这就好像人们坐在火车里看到对面的火车，如果火车高速行驶，则人 们不容易看清驶来火车的细节，但如果火车静止或者低速行驶时，则容易被看清楚。从纯 音对纯音的掩蔽实验结果看，得出两点主要结论： （1）对于中等强度的掩蔽来说，纯音最 有效的掩蔽是在它的频率附近； （2）低频的纯音可以有效掩蔽高频的纯音，相反则作用很 小21。 时域掩蔽包括前向掩蔽，同时掩蔽和后向掩蔽。前向掩蔽是指较强的掩蔽音之前出现 南京邮电大学硕士研究生学位论文 第二章 基础理论知识 13 较弱的被掩蔽音，则被掩蔽音无法听到；后向掩蔽是指较强的掩蔽音消失后较弱的被掩蔽 音无法被听到，而同时掩蔽是在一定得时间内，一个声音对另一个声音互相发生掩蔽。通 常来讲，前向掩蔽发生在掩蔽音出现之前的 5ms20ms，而后向掩蔽发生在掩蔽音消失后 的 50ms200ms，时域隐蔽效果图如图 2.1 所示。 6 0 声 压 级 s p l （ d b ） -40-200 同时掩 蔽 前向掩 蔽 后向掩 蔽 掩蔽信号 masker 被掩蔽信号 被掩蔽信号 160 图 2.1 时域掩蔽 人类听觉系统 has 中的另一个重要的心理声学概念则是人耳只对声音信号的相对相 位敏感，而对绝对相位不敏感。同时，人耳对不同频段的声音的敏感度不同，一般人耳可 以听见 20hz18000hz 的信号，但尤其对 300hz3400hz 范围内的信号最为敏感，在这个 频率范围内人耳可以听到幅度很低的信号。而在低频和高频区，能被人耳听到的掩蔽信号 的幅度要高得多。就算是对同样声压级的声音信号来说，人耳所感觉到的音量的大小也是 因频率的不同有所差异的。 为了使嵌入到音频中的水印信号不影响原始音频的音质，嵌入水印时候在嵌入水印的 时候，较精细的做法应该是在不同频段寻求听觉的掩蔽阈值，充分利用 has 的特性，尽 可能在低于掩蔽阈值范围之内对原始信号进行修改。通常结合耳蜗基底膜对频谱的分析作 用定义一系列频率来划分频段。将 2015500hz 之间的频带分为 24 个频率群，将 1550022000hz 定义为第 25 个频率群。又叫这些频率为临界频带（critical band） ，以 bark 为单位23。bark 各个子带频率上限和中心频率见表 2-1 所示。 计算每个 bark 域子带的听觉掩蔽阈值， 将这些掩蔽阈值用于水印的嵌入能够取得较好 的不可感知性。 通过人耳直接测量的方法确定临界频段必然存在误差，对 bark 域的划分应至少以 10hz 取整，在高频段应更高。划分时使 bark 序号为 3,9,18 的临界频段的中心频率分别等 于 250hz，1000hz，4000hz。为了方便计算，常用公式表示 bark 序号 z 与频率 f 之间的关 南京邮电大学硕士研究生学位论文 第二章 基础理论知识 14 系，式 2-1 是 zwicker 和 terhardt 提出的公式，它给出了与表 2-1 非常相近的结果24。 )000133. 0arctan(5 . 3)00076. 0arctan(13 2 ffz (2.1) 其中f为频率；对z取整数即是 bark 各子带的编号。 表 2-1 临界频段（bark）的划分 bark 中心频率 /hz 频率上限 /hz 带宽 /hz bark 中心频率 /hz 频率上限 /hz 带宽 /hz 20 13 1850 2000 280 1 50 100 80 14 2150 2320 320 2 150 200 100 15 2500 2700 380 3 250 300 100 16 2900 3150 450 4 350 400 100 17 3400 3700 550 5 450 510 110 18 4000 4400 700 6 570 630 120 19 4800 5300 900 7 700 770 140 20 5800 6400 1100 8 840 920 150 21 7000 7700 1300 9 1000 1080 160 22 8500 9500 1800 10 1170 1270 190 23 10500 12000 2500 11 1370 1480 210 24 13500 15500 3500 12 1600 1720 240 25 16750 22000 6500 2.2 音频信号的数字表示音频信号的数字表示 声音信号的两个基本参数是幅度和频率。人们把频率几hz到20hz的声音信号称为次音 信号，或称为亚音信号:而频率范围在20hz-20khz之间的信号称为音频信号，也就是英文 中的audio这个单词表示的含义;高于20khz的声音信号通常称为超音频信号，或称为超声 波信号。人们是否能听到某种声音信号，这主要取决于耳朵的功能和个人的年龄，例如， 随着年龄的增长，人耳的听力功能随之下降，一般来说，老年人的听力要比健康的年轻人 差些，人的听觉器官能感知的声音频率大约在20-20000hz之间，即人们只能听到前面所介 绍的音频信号，超声波和次声波都听不到。人类在这个频率范围内可感知的声音幅度大约 在0-120db之间。人的发音器官发出的声音的频率大约是80hz- 3400hz。但人说话的信号 南京邮电大学硕士研究生学位论文 第二章 基础理论知识 15 频率通常为300-3000hz，人们把在这种频率范围的信号称为话音(speech)信号，或者叫做 语音信号。关于语音信号的编码、识别、分析合成有一门单独的学科研究。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.绝对不可混淆。 本论文中所指的声音信号都表示音频信号。对大多数的数字音频信号表示有两个重要 的参数:采样量化方法和瞬态采样速率。对高质量数字音频的描述样本最流行的格式 16bit 线性量化，如:windows 可视音频格式(wav)和音频交换文件格式(aiff)。另一种对较低质 量音频的流行版本是采用 8bit律的对数分度。这些量化方法使信号产生了一些畸变，在 8bit律中显得更为明显。一般音频的流行采样频率包括 8khz,10khz,12khz,16k hz,22.05k hz 和 44.1 khz。采样频率影响数据隐藏量，因为它给出了可用频谱的上限（如果信号的采 样频率为 8khz，则引入的修改分量的频率不会超过 4 khz）。对于大多数已有的数据隐藏 技术而言，可用的数据空间与采样频率的增长至少呈线性关系。最后需要考虑的是由有损 和可感知压缩算法（如 mpeg-audio）引起的变化。这些变化彻底改变了信号的数据结 构。它们仅仅保留了听者能感觉到的特性部分，也就是说，它听起来与原来的相似，但是 信号在最小平方意义上完全不同。数据隐藏的速率依赖于信号的采样率和声音编码的类 型。其典型值是 16bps，但是变化范围可以是 2bps-128bps25。 2.3倒倒谱分析谱分析 倒谱分析是一种比较成熟的工具， 通常应用到语音分析和识别中。 在语音信号处理中， 倒谱域分析方法也十分常见，例如在语音识别中，倒谱系数是语音信号的主要特征，同时 域比，倒谱系数在倒谱域中变化很小，所以倒谱域分析技术是一个很有用的方法和概念， 可以进一步发展和利用。下面详细介绍倒谱的相关知识。 2.3.1 倒谱的概念 在 1996 年，bogert 等人定将对数功率谱的逆傅立叶变换定义为倒谱（cepstrum） ，它 是一个时域函