數(shù)字音頻產(chǎn)品中基于人耳聽覺感知特性的水印嵌入系統(tǒng)設(shè)計(jì)_圖文

1、第26卷第5期南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版Vol . 26No . 52006年10月Journal of Nanjing University of Posts and Telecommunicati ons (Natural Science Oct . 2006文章編號(hào):167325439(2006 0520056209數(shù)字音頻產(chǎn)品中基于人耳聽覺感知特性的水印嵌入系統(tǒng)設(shè)計(jì)高銀秋, 鄧宗元, 楊震南京郵電大學(xué)信號(hào)與信息處理研究所, 江蘇南京摘要:針對數(shù)字音頻作品特別是語音錄音(如朗誦、講話 和歌曲, 基于新的信息隱藏理論, 設(shè)計(jì)將作品購買者的身份信息隱藏進(jìn)入數(shù)字音頻作品中, 以實(shí)現(xiàn)知識(shí)產(chǎn)權(quán)保

2、護(hù), 并設(shè)計(jì)了可以自動(dòng)將用戶身份信息嵌入到音頻作品中的方法, 開發(fā)了相應(yīng)的實(shí)現(xiàn)軟件。在對語音錄音添加水印信息時(shí), 主要是根據(jù)人耳對相位不敏感的原理, 通過對字或者詞進(jìn)行180度反相來嵌入用戶身份信息。在對歌曲添加水印時(shí), 給出了基于變換域(DCT 系數(shù)量化的水印嵌入方案。信息被嵌入后, 將帶水印作品在專業(yè)消聲室里做了聽覺試驗(yàn), 證實(shí)了作品的主觀聽覺效果未受到影響, 也就是說嵌入的信息表面上是透明的, 用戶無法察覺。并且嵌入的信息必須采用特殊的手段才能提取。并對所提水印嵌入方法進(jìn)行了各種加噪、編碼等抗干擾實(shí)驗(yàn), 以驗(yàn)證技術(shù)的通用性。經(jīng)過實(shí)驗(yàn)測試, 證明本文所提方案具有更好的魯棒性、關(guān)鍵詞:信息隱

3、藏; 數(shù)字水印; 魯棒性; 透明性; 端點(diǎn)檢測; 中圖分類號(hào):T N912. 3; T N915. 08文獻(xiàn)標(biāo)識(shí)碼:An g Syste m forD al Audi o Products Based on HASGAO Y i n 2q i u , D ENG Zong 2yuan , YANG ZhenI nstitute of Signal and I nf or mati on Pr ocessing, Nanjing University of Posts and Telecommunicati ons, Nanjing 210003, Abstract:Based on the n

4、e w theory of infor mati on hiding, this paper p r oposes a novel app r oach f or e mbedding the I D s of the buyers int o digital audi o p r oducts, es pecially the records of s peeches and s ongs is realized in this pa 2per . And a s oft w are is designed t o carry out the app r oach aut omaticall

5、y . W hen we add water marks int o the s peech records, the polarity of s ome syllables or words is inverted according t o the usersI D s, which is mainly based on the theory that the human audit ory system cannot distinguish s peech signals with positive and negative polarity . To deal with s ongs

6、we adop t a method of inserting water marks by quantizing the coefficients of its DCT. W e have als o made s ome hearing experi m ents in an anechoic cha mber, and the experi m ents show that all p r oducts are not affected after e mbedding inf or mati on of the users . Moreove, the e mbedded infor

7、mati on can not be extracted without using s ome s pecial measures . Some anti 2ja mm ing experi m ents such as adding s ome noises, coding and decoding and s o on have been done t o validate that our methods are universal . Based on the experi m ent results, we confir m that the app r oa 2ches in t

8、his paper have better perf or mances in ter m s of r obustness, security and invisibility .Key words:I nf or mati on hiding; Digital water marking; Robustness ; I nvisibility; Endpoint detecti on;L inear predicti on收稿日期:2006201209; 修回日期:2006203206基金項(xiàng)目:江蘇省自然科學(xué)基金項(xiàng)目資助(BK20041501引言隨著數(shù)字技術(shù)和因特網(wǎng)的發(fā)展, 各種形式的多媒

9、體數(shù)字作品(圖像、視頻、音頻等 紛紛以網(wǎng)絡(luò)版本形式發(fā)表, 其版權(quán)保護(hù)成為一個(gè)迫切需要解決的問題。由于數(shù)字水印(digital water marking 是實(shí)現(xiàn)版權(quán)保護(hù)的有效辦法, 因此如今已成為多媒體信息安全研究領(lǐng)域的一個(gè)熱點(diǎn), 也是信息隱藏技術(shù)研究領(lǐng)域的重要分支。該技術(shù)即是通過在原始數(shù)據(jù)中嵌入秘密信息水印(water mark 來證實(shí)該數(shù)據(jù)的所有權(quán)。這種被嵌入的水印可以是一段文字、標(biāo)識(shí)、序列號(hào)等, 而且這種水印通常是不可見或不可察的, 它與原始數(shù)據(jù)(如圖像、音頻、視頻數(shù)據(jù) 緊密結(jié)合并隱藏其中, 并可以經(jīng)歷一些不破壞原數(shù)據(jù)使用價(jià)值或商用價(jià)值的操作而能保存下來。因此, 數(shù)字水印技術(shù)必須具有較強(qiáng)

10、的魯棒性、安全性和透明性1-2。本文實(shí)現(xiàn)了將購買者的身份信息隱藏到數(shù)字音頻作品中的水印嵌入系統(tǒng)的設(shè)計(jì), 并開發(fā)了相應(yīng)的實(shí)現(xiàn)軟件。信息被嵌入后, 作品的主觀聽覺效果未受到影響, 并且嵌入的信息必須采用特殊的手段才能提取, 也就是說嵌入的信息在表面上是透明的, 用戶無法察覺。2基本原理2. 1語音一般發(fā)音時(shí), , 經(jīng)氣管流至喉頭聲門處(聲門即聲帶開口處 ?？諝馔ㄟ^聲帶時(shí), 如果聲帶是繃緊的, 則聲帶將產(chǎn)生張馳振動(dòng), 即聲帶周期性地啟開和閉合。聲帶開啟時(shí), 空氣流從聲門處噴射出來, 形成一個(gè)脈沖; 聲帶閉合時(shí)相應(yīng)于脈沖序列的間歇期。這種情況下在聲門處產(chǎn)生出一個(gè)準(zhǔn)周期性脈沖序列的空氣流, 該空氣流經(jīng)過

11、聲道后最終從嘴唇輻射出聲波, 這便是濁音語音。如果聲帶是完全舒展開來, 則肺部發(fā)出的空氣流將不受影響地通過聲門?？諝饬魍ㄟ^聲門后在不同情況下還有可能形成“摩擦音”、“清音”或“爆破音”3。由此可看出, 聲門氣流在發(fā)聲時(shí)是單方向性的, 從而導(dǎo)致語音時(shí)域波形中存在確定極性。同時(shí), 眾所周知, 人耳聽覺系統(tǒng)一般是無法辨認(rèn)該極性的改變的, 這就為通過改變極性而嵌入隱蔽信息提供了有效途徑4。2. 2歌曲在為歌曲添加水印信息時(shí)所依據(jù)的原理是:依據(jù)正常人可聽聲音的頻率范圍, 以及人耳在各頻率分量處的靈敏度的不同, 通過修改歌曲的DCT 系數(shù)5來隱藏信息, 提取時(shí)按同樣方法確定隱藏信息。3基于相位翻轉(zhuǎn)的語音水

12、印嵌入3. 1水印嵌入系統(tǒng)模型信息隱藏必須保證透明性, 即當(dāng)在語音信號(hào)中添入水印信息后不能被人耳感知。根據(jù)人耳掩蔽效應(yīng), 我們對各種語音錄音進(jìn)行聽覺實(shí)驗(yàn)后, 發(fā)現(xiàn)人耳對信號(hào)相位并不敏感, 因此我們試圖通過對某部分語音信號(hào)是否進(jìn)行極性翻轉(zhuǎn)來嵌入隱藏信息。實(shí)驗(yàn)中我們首先將一整段語音錄音在時(shí)域內(nèi)翻轉(zhuǎn), 發(fā)現(xiàn)人耳感覺不到音質(zhì)受損; 再將部分字或詞整體翻轉(zhuǎn)后, 人耳亦感覺不到音質(zhì)受損。由此, 我們可以通過以下方法進(jìn)行信息隱藏, 達(dá)到嵌入用戶身份信息的目的。首先, 自動(dòng)檢測出可翻轉(zhuǎn)的語音段的始末位置, 也就是我們后面所說的端點(diǎn)檢測; 然后, 設(shè)計(jì)用戶身份信息嵌入方案, 。, 1所示的干凈語 圖1干凈語音的

13、水印嵌入系統(tǒng)模型3. 2模型解釋(1 端點(diǎn)含義在實(shí)驗(yàn)中, 首先我們在不同采樣率下錄制了青年男女的語音, 然后通過手動(dòng)翻轉(zhuǎn)尋求可翻轉(zhuǎn)語音段的始末位置及特點(diǎn)。該始末位置即為我們所說的端點(diǎn), 始末端點(diǎn)之間的語音段稱之為可嵌入信息語音段。并將各語音文件及與之對應(yīng)的端點(diǎn)載入語音庫, 作為標(biāo)準(zhǔn)以便檢測后面用程序?qū)崿F(xiàn)自動(dòng)檢測端點(diǎn)結(jié)果的性能。通過實(shí)驗(yàn), 我們得出如下結(jié)論:單對語音信號(hào)的濁音部分翻轉(zhuǎn), 不會(huì)影響人耳的聽覺質(zhì)量;對單個(gè)字(清音和濁音 翻轉(zhuǎn), 不會(huì)影響人耳的聽覺質(zhì)量;對字字之間相對較長的間歇部分(有可能是清音也有可能是環(huán)境噪聲 翻轉(zhuǎn), 不會(huì)影響人耳的聽覺質(zhì)量;當(dāng)兩個(gè)字在波形上無明顯間隔時(shí), 即前字結(jié)

14、束處與后字輔音開端接壤, 對兩個(gè)字整體翻轉(zhuǎn), 不會(huì)影響人耳的聽覺質(zhì)量; 圖2為在采樣率為8kHz 時(shí), 一青年女聲錄音“單脈沖LPC 聲碼”。對圖中依次相鄰黑線所標(biāo)識(shí)之間的部分進(jìn)行翻轉(zhuǎn), 不會(huì)影響人耳的聽覺質(zhì)量。 圖2青年女聲“單脈沖L PC 聲碼”(2 用戶身份信息用戶身份信息是用來標(biāo)識(shí)購買者身份信息的秘密信息, 根據(jù)人耳聽覺系統(tǒng)可以利用可嵌信息語音段的翻轉(zhuǎn)來傳遞用戶的身份信息。3. 3模型實(shí)現(xiàn)原理從廣泛意義上說, 上面所列的4種語音段均可作為信息嵌入段。但是, 為了使所嵌信息有較強(qiáng)的抗噪性并且能通過基于LPC 盲檢測提取出來, 以便于版權(quán)擁有者在無法獲得原文件的任何信息時(shí), 僅根據(jù)嵌入規(guī)則

15、便能找出原文件中被翻轉(zhuǎn)的部分, 從而決定原先嵌入的用戶的身份信息, 則用來標(biāo)識(shí)用。當(dāng)激勵(lì)信號(hào)為周期脈沖序列時(shí), 該幀語音信號(hào)處于濁音段, 此時(shí)線性預(yù)測殘差也近似于周期脈沖序列, 即每隔相同周期處會(huì)出現(xiàn)一個(gè)正向峰值。事實(shí)上, 幾乎在所有的語音信號(hào)中, 基本的能量源是從肺中將氣流排出的呼吸系統(tǒng), 氣流從肺泡通過氣管進(jìn)入喉嚨, 此處氣流在音腔中穿行。如果這些音腔是分離的, 這種情況在呼氣的時(shí)候是很正常的, 氣流將有一個(gè)相對自由的通道進(jìn)入喉嚨。語音通常是在呼氣的時(shí)候產(chǎn)生的。因此, 聲門氣流在發(fā)音期間是單一方向的, 這導(dǎo)致了語音激勵(lì)脈沖波形恒定的極性。而當(dāng)激勵(lì)信號(hào)為高斯白噪聲序列時(shí), 該幀語音信號(hào)處于非

16、濁音段, 此時(shí)線性預(yù)測殘差只是隨機(jī)分布在0左右的小數(shù)據(jù), 無上述的明顯的正向峰值特性。圖3為對應(yīng)于圖4語音信號(hào)的線性預(yù)測殘差信號(hào), 可以看出其殘差每隔一個(gè)基音周期會(huì)出現(xiàn)一個(gè)峰值。 圖3原始濁音信號(hào)的線性預(yù)測殘差信號(hào)圖4原始濁音信號(hào)將原始語音信號(hào)在時(shí)域里翻轉(zhuǎn)后再做線性預(yù)測分析, 易得如下結(jié)論:當(dāng)語音信號(hào)處于濁音段時(shí), 線性預(yù)測殘差也近似于周期脈沖序列, 只是每隔相同周期處會(huì)出現(xiàn)一個(gè)負(fù)向峰值; 而當(dāng)語音信號(hào)處于非濁音段, 此時(shí)線性預(yù)測殘差只是隨機(jī)分布在0左右的小數(shù)據(jù), 無明顯峰值特性。綜上所述, 基于極性翻轉(zhuǎn)嵌入水印的語音信號(hào)中是否隱藏了水印信息, 可根據(jù)相應(yīng)信號(hào)段的線性預(yù)測殘差峰值的極性來判斷。

17、因此, 為了可以實(shí)現(xiàn)盲檢測, 我們規(guī)定僅將含有濁音段的語音段作為可嵌信息語音段。這樣, 可以采用LPC 技術(shù)求取帶水印文件的線性預(yù)測殘余誤差, 然后根據(jù)對應(yīng)語音段殘差峰值的極性來提取所嵌用戶身份信息。這種, , 如回波法B 6, 由于采用的是, 魯棒性也更。3. 4端點(diǎn)檢測算法3. 4. 1新的端點(diǎn)檢測算法端點(diǎn)檢測的目的是從包含語音的信號(hào)中找出可嵌信息語音段的起點(diǎn)以及終點(diǎn)。有效的端點(diǎn)檢測不僅能使處理時(shí)間減到最小, 而且可保證所嵌水印信息有很好的透明性。只要能準(zhǔn)確地檢測出本文中所定義的端點(diǎn), 人耳一般便無法感知帶水印聲音與原始聲音的差別。這說明端點(diǎn)檢測的成功與否在某種程度上直接決定了整個(gè)水印嵌入

18、系統(tǒng)的成敗?；诒菊n題中端點(diǎn)的特殊含義, 我們在傳統(tǒng)端點(diǎn)檢測算法基礎(chǔ)上提出了新的自動(dòng)檢測可嵌信息語音段端點(diǎn)的算法, 具體步驟如下:(1 對語音錄音分幀處理, 幀長20m s, 幀重疊10m s, 加矩形窗;(2 對語音數(shù)據(jù)作歸一化處理;(3 計(jì)算每幀短時(shí)能量, 根據(jù)平均能量值定出兩個(gè)門限值, 高門限值為平均能量的一半, 低門限值為平均能量的千分之四;(4 根據(jù)高門限值初步判定可嵌信息語音段的起點(diǎn)和終點(diǎn), 即找出濁音段;(5 根據(jù)低門限值將步驟4中的起點(diǎn)前移直至能量值低于該低門限值, 此處變?yōu)樾碌钠瘘c(diǎn)。若起點(diǎn)前移過程中, 能量均高于該低門限值, 則當(dāng)該點(diǎn)到達(dá)前一起點(diǎn)時(shí), 不再向前搜索, 并將該點(diǎn)

19、去除。然后根據(jù)同樣規(guī)則, 后移確定新的終點(diǎn)。圖5為8kHz 采樣率下青年女聲“詞中還”的發(fā)音圖形。下面標(biāo)識(shí)了經(jīng)過高低門限判決所得起點(diǎn)、終點(diǎn)(幀號(hào)已經(jīng)轉(zhuǎn)為樣點(diǎn)的序號(hào) 的變化情況。經(jīng)過修改(步驟5 , 去除了翻轉(zhuǎn)后有可能帶來噪聲的端點(diǎn), 最終將“詞中還”作為一個(gè)整體, 充分保證了嵌入水印信息的透明性。 圖5端點(diǎn)檢測算法演示3. 4. 2與傳統(tǒng)端點(diǎn)檢測算法的比較基于本課題中端點(diǎn)的特殊含義, 我們無需檢測出單個(gè)字或詞的開始和結(jié)束的位置。對連續(xù)的在波形上不易分離的兩個(gè)字或多個(gè)字, 可以將它們看作一個(gè)整體。如圖2中, 可將“單脈沖”可嵌入信息語音段在利用短時(shí)能量 , 從而確定一個(gè)輸入語音(字或詞 的起點(diǎn)、

20、終點(diǎn)。即先用一個(gè)較高的門限粗略地標(biāo)記出濁音部分, 然后再用一個(gè)低門限值及其它短時(shí)參數(shù)微調(diào)獲得端點(diǎn)。對圖2中所示語音, 利用傳統(tǒng)端點(diǎn)檢測算法時(shí), 會(huì)在“單脈沖”之間獲得一個(gè)端點(diǎn)標(biāo)志。而通過聽覺實(shí)驗(yàn), 若該語音在“單脈沖”之間翻轉(zhuǎn), 會(huì)引入噪聲。因?yàn)榇颂幮盘?hào)幅度值較高, 翻傳后導(dǎo)致相位的突變, 從而帶來噪聲。 在新的端點(diǎn)檢測算法中, 高低門限值的選取控制著端點(diǎn)檢測的效果。根據(jù)實(shí)驗(yàn), 本文最終選取高門限值為平均能量的一半, 低門限值為平均能量的千分之四。高門限的選取只需滿足將清濁音區(qū)分開來(至少應(yīng)不低于平均能量的百分之一 , 如果高門限選得太低, 很有可能將能量稍高的清輔音誤判成濁音。而低門限應(yīng)盡量

21、低(大約為平均能量的千分之四左右 , 以排除有可能會(huì)引入噪聲的端點(diǎn)。3. 4. 3參數(shù)選擇的依據(jù)(1 高低門限的選擇實(shí)驗(yàn)中所用的語音錄音均是在CS L (Computer Speech Lab 語音工作站錄制的。我們分別在8k, 16k, 44100k 采樣率下錄制了幾十位青年男女的聲音。通過VC 程序計(jì)算了所獲錄音的信噪比大致分布在3050d B 。下面是一采樣率為8kHz 的青年女聲“單脈沖LPC 聲碼”, 幀長為20m s, 即每幀有160個(gè)樣值, 幀重疊為0, 圖6為歸一化的聲音波形。圖7為直角窗下的短時(shí)幅度曲線。從其短時(shí)幅度曲線可以看出, 短時(shí)幅度可以區(qū)分清音段與濁音段, 因?yàn)闈嵋魰r(shí)

22、短時(shí)幅度值比清音時(shí)大得多, 圖7中幅度值大的對應(yīng)于濁音段, 而幅度值小的對應(yīng)于清音段。圖6青年女聲時(shí)域波形圖圖7, , 故其亦能區(qū)分出濁音和清音, 的變化。當(dāng)然, 理論依據(jù)也是明顯的, 即各種不同信號(hào)的幅度和分布不同。根據(jù)多次試驗(yàn)結(jié)果, 調(diào)整高低門限, 最終選擇了最佳的門限值。(2 窗型的選擇在上述端點(diǎn)檢測算法中, 計(jì)算短時(shí)能量時(shí)采用了直角窗。若用哈明窗, 由于其帶外衰減比較大, 故增大了語音結(jié)束或開始時(shí)幅值的衰減, 導(dǎo)致所檢測到的語音段長度略小于手動(dòng)找出的可翻轉(zhuǎn)的區(qū)間長度。由圖8可見, 直角窗下根據(jù)能量所檢測到的可嵌信息語音段彌補(bǔ)了海明窗的缺陷, 準(zhǔn)確地檢測到了可翻轉(zhuǎn)區(qū)間的起點(diǎn)和終點(diǎn)。圖8海

23、明窗和直角窗下的端點(diǎn)檢測比較3. 5水印信息的嵌入方案將檢測得到的語音段排列順序, 給每個(gè)語音段標(biāo)上段號(hào)。用戶身份信息用0、1序列表示, 序列中每個(gè)碼按照一定規(guī)則對應(yīng)于可嵌入信息語音段的段號(hào)。“1”表對其對應(yīng)的語音段在時(shí)域內(nèi)作180度反相, “0”表對其對應(yīng)的語音段不作任何變動(dòng)。在試驗(yàn)中, 我們的對應(yīng)規(guī)則為第一個(gè)語音段對應(yīng)第一個(gè)用戶代碼, 第二個(gè)語音段對應(yīng)第二個(gè)用戶代碼, 依此類推。實(shí)踐中為了抗不正當(dāng)提取, 我們可以打亂該順序, 如僅利用段號(hào)為偶數(shù)的語音段或是改變水印編碼嵌入規(guī)則等。鑒于我們試驗(yàn)中所用語音錄音時(shí)長大約為1020s, 可嵌入信息語音段數(shù)目有限, 故將水印序列長度設(shè)為10, 這樣可

24、以標(biāo)注1024個(gè)不同用戶。一般音頻產(chǎn)品錄音時(shí)間至少幾十分鐘, 此時(shí)可將序列長度增加, 以標(biāo)識(shí)更多的購買用戶。3. 6水印信息的提取3. 6. 1非盲提取非盲提取是有原文件的情況下提取水印信息?？梢灾苯永寐曇籼幚碥浖容^帶水印文件和原文件在時(shí)域內(nèi)的波形, 并結(jié)合語音分段及嵌入規(guī)則便可提取出用戶代碼信息。也可以根據(jù)波形在時(shí)域內(nèi)翻轉(zhuǎn)前后, 其DFT 系數(shù)實(shí)部虛部均變?yōu)樵瓉淼南喾磾?shù), 故可利用頻譜的這一特性, 提取所嵌水印信息。3. 6. 2盲提取在某些場合, 沒有原始語音文件, 那么需要進(jìn)行盲檢測。由水印嵌入模型的實(shí)現(xiàn)原理可知, 碼信息。(1 , 找出帶水印文件的任何可嵌信息語音段;(2 對帶水印

25、文件作12階的線性預(yù)測殘差, 觀察每個(gè)可嵌信息語音段濁音部分殘差脈沖峰值的極性。若是正峰則判定對應(yīng)該段的用戶代碼為0, 若是負(fù)峰則判定對應(yīng)該段的用戶代碼為1, 如此直到完成對第10個(gè)代碼的提取(試驗(yàn)中我們所選用戶序列長度為10 。如果是其它情形, 則根據(jù)3. 5節(jié)中所規(guī)定的水印編碼嵌入規(guī)則在相應(yīng)的帶水印處檢測從而提取水印信息。3. 7修正的水印信息嵌入方案(1 改進(jìn)方案實(shí)驗(yàn)中發(fā)現(xiàn), 通過對各個(gè)未經(jīng)處理的語音錄音線性預(yù)測殘差的分析, 并非所有對應(yīng)于濁音位置的殘差所有峰值都具有正向性, 有時(shí)隔一基音周期會(huì)出現(xiàn)正負(fù)相當(dāng)?shù)姆? 如圖9所示, 對此段不能根據(jù)峰值極性來判決有無翻轉(zhuǎn)。 圖9殘差峰值特例為了

26、能根據(jù)殘差特性提取所嵌的用戶代碼信息, 必須保證原可嵌信息語音段的濁音處的線性預(yù)測殘差峰值有很好的方向性。為解決此問題, 下面提出了一種修正的水印嵌入規(guī)則。修正方法為, 在添加用戶身份信息之前, 求原文件的線性預(yù)測殘差。然后根據(jù)殘差的峰值特性決定原先的可嵌信息語音段是否能嵌入信息。根據(jù)對不同語音文件的殘差的大量分析可知, 對一般由端點(diǎn)檢測算法獲得的語音段, 所存在負(fù)峰值的比例不可能超過70%。我們可預(yù)設(shè)一個(gè)峰值比例門限70%。因此, 可以規(guī)定若殘差峰值中, 正負(fù)峰數(shù)目較大的峰在峰的總數(shù)目中所占比例不到該門限時(shí), 則舍棄該信息段, 即不對該語音段做任何處理。同理, 在信息提取時(shí), 若遇到殘差峰值

27、中正負(fù)峰數(shù)目較多的峰在峰的總數(shù)目中所占比例達(dá)不到比例門限的語音段, 則跳過該語音段, 對下一語音段進(jìn)行研究, 直至檢測完10個(gè)真正可嵌信息的語音段。該修正方案, 保證。更, 若則修正比例門限為此, 然后按照上述方法處理, 否則比例門限仍按70%計(jì)算。(2 峰值比例門限70%的確定根據(jù)對不同語音文件的殘差的大量分析可知, 對一般由端點(diǎn)檢測算法獲得的語音段, 所存在負(fù)峰值的比例不可能超過70%。具體算法如下:根據(jù)峰值出現(xiàn)的位置一般相隔一個(gè)基音周期, 為了準(zhǔn)確的檢出各語音段殘差正、負(fù)峰值的數(shù)目, 首先根據(jù)短時(shí)能量判斷語音段中屬于濁音的幀號(hào), 然后估計(jì)濁音幀的基音周期, 接著根據(jù)基音周期找出相應(yīng)殘差幀

28、中正負(fù)峰數(shù)目, 最后統(tǒng)計(jì)該段語音中正負(fù)峰的數(shù)目從而決定是否在該信息段嵌入用戶代碼。對16kHz 采樣下青年男聲(時(shí)長14. 650s 經(jīng)上述分析所得數(shù)據(jù)如下:共17個(gè)可嵌信息語音段, 每段的正負(fù)峰數(shù)目如表1所示。表中數(shù)據(jù)說明即使出現(xiàn)負(fù)峰, 負(fù)峰的比例不會(huì)占主導(dǎo)地位。作者對其他眾多語音也作了相似實(shí)驗(yàn), 充分說明負(fù)峰的比例一般不會(huì)超過整體的70%。表1正負(fù)峰數(shù)目對照表段號(hào)1234567891011121314151617正峰數(shù)5530261632204816772210820211107215負(fù)峰數(shù)2912851581523066281034174負(fù)峰比例(%3529242432292411282

29、175202932241921理論上, 聲門氣流在發(fā)音期間的單一方向性導(dǎo)致了語音激勵(lì)脈沖波形恒定的向上的極性。 5 期 第 高銀秋等 : 數(shù)字音頻產(chǎn)品中基于人耳聽覺感知特性的水印嵌入系統(tǒng)設(shè)計(jì) 61 3. 8 性能分析 透明性 本文衡量水印嵌入方案透明性的主要性能指標(biāo) 是比較原文件和帶水印文件對人耳的聽覺影響 。如 果人耳聽不出兩者的差別 , 即帶水印聲音與原始聲 音差別無法感知 ,則可認(rèn)為所嵌水印信息達(dá)到了透 明性的要求 。我們將帶水印作品在專業(yè)聲音消聲室 里做了聽覺試驗(yàn) (消聲室可以保證沒有任何回波的 存在 ,避免聽覺干擾 ,證實(shí)了人耳感覺不到帶水印 作品與原作品的差異 。 我們請了 6 位

30、聽眾 。圖 10 為聽覺測試時(shí) ,聽者 及其揚(yáng)聲器的平面布局圖 。 印時(shí)由于端點(diǎn)檢測受到噪聲影響 ,可能出現(xiàn)誤差 ,因 此需要進(jìn)行研究測試 ; 而還有一些語音嵌入水印后 由于某種外界原因 (如通信傳輸?shù)?, 使得嵌入水印 后的語音疊加了噪聲 , 也可能破壞水印或者影響水 印的提取 ,也需要研究噪聲影響 。本節(jié)詳細(xì)討論了 嵌入水印前語音錄音存在噪聲的情況下 , 如何檢測 到可添加水印信息的語音段 , 以保證水印信息的透 明性 。 鑒于高斯白噪聲的存在 , 可翻轉(zhuǎn)的語音段數(shù)目 增多了 ,因?yàn)樵撛肼曉谝欢ǔ潭壬峡善帘蔚魪?qiáng)語音 信號(hào)翻轉(zhuǎn)造成相位突變而帶來的噪聲 。經(jīng)過試驗(yàn)分 析 ,可以大致認(rèn)為一段帶噪

31、語音的終點(diǎn)為接下來開 始的一段語音的起點(diǎn) , 故檢測時(shí)只要檢測出起點(diǎn)或 是終點(diǎn)即可 。我們提出了有噪音時(shí)的端點(diǎn)檢測算法 (檢測終點(diǎn) 如下 : ( 1 對帶噪信號(hào)作預(yù)處理 (分幀 、 加窗等 , 計(jì) 算每幀短時(shí)幅度 ,方法同對干凈語音的操作 ; ( 2 計(jì)算出白噪聲的平均幅度值 。根據(jù)語音出 現(xiàn)處短時(shí)幅度會(huì)有明顯提升 , 當(dāng)后幀短時(shí)幅度超過 前幀的 1. 5 倍時(shí) , 我們認(rèn)為開始出現(xiàn)語音 。據(jù)此可 算出白噪聲的平均幅度值 ; ( 3 從每幀平均短時(shí)幅度中減去白噪聲的平均 幅度 值 , 作 為 新 的 幀 短 時(shí) 幅 度 , 并 根 據(jù) 此 設(shè) 定 門 限值 ; ( 4 設(shè)定高門限值為平均幀短時(shí)

32、幅度的一半 , 低門限為平均幀短時(shí)幅度的千分之一 ; ( 5 當(dāng)相鄰兩幀輸入信號(hào)前幀短時(shí)幅度值超過 高門限 ,而后幀短時(shí)幅度低于高門限時(shí) ,該幀可看作 為一輸入語音的結(jié)束處 。然后根據(jù)低門限將幀后 移 ,盡量囊括整個(gè)語音 ,準(zhǔn)確地找到語音真正結(jié)束的 地方 。 注意 : 此時(shí)語音段中已不存在無聲段 (疊加了 高斯白噪聲 ,無需區(qū)分清音和噪聲 。 圖 10 布局圖 我們準(zhǔn)備了 8 個(gè)青年男女的原始錄音及添加水印后 的文件 ,聽覺試驗(yàn)過程如下 : ( 1 播放原始語音 ; ( 2 隨機(jī)播放兩個(gè)文件 ,可能是添加過水印的 , 也可能是原始語音 。讓聽者判決是否原始語音 。 我們分別讓 6 位聽者對上述

33、 16 個(gè)文件作判決 , 僅有一位聽者覺得加入水印的聲音 與原始聲音稍有變化 。這充分證實(shí)了我們添加 的水印信息的透明性 。 無攻擊情況下的性能 在無攻擊情況下 ,通過盲提取和非盲提取出的水 印信息即用戶代碼序列可以得到 100%的正確率。 抗壓縮測試 抗壓縮能力是衡量算法魯棒性的重要指標(biāo) , 也 是網(wǎng)絡(luò)環(huán)境對實(shí)用信息隱藏技術(shù)的要求 。將帶水印 文件經(jīng) DV I/ I A ADPCM 編碼進(jìn)行壓縮 , 并將壓縮 M 文件直接解碼 (不經(jīng)過信道傳輸 后所得聲音文件 仍能通過盲檢測和非盲檢測提取出嵌入水印信息 。 抗噪性 通過極性翻轉(zhuǎn)的水印作品有著很強(qiáng)的抗噪能 力 ,以白噪聲為例 。若在帶水印作品

34、上疊加一個(gè)高 斯白噪聲 ,則只要該噪聲強(qiáng)度未將信號(hào)全部掩蔽 ,仍 能明顯從波形上看出經(jīng)過翻轉(zhuǎn)的部分 。 4. 2 水印嵌入 按照檢出的終點(diǎn)劃分語音段 , 從檢測到的第一 個(gè)終點(diǎn)起 ,第一個(gè)至第二個(gè)終點(diǎn)之間的語音段的段 號(hào)記作 1,依此類推 。同處理干凈語音所用規(guī)則一 樣 ,將語音段號(hào)和代碼序列號(hào)對應(yīng) ,然后進(jìn)行信息的 嵌入 。 4 帶噪語音的水印嵌入 4. 1 帶噪語音端點(diǎn)檢測 一些語音在錄制時(shí)具有背景噪聲 , 這時(shí)嵌入水 4. 3 性能分析 由于待添加水印文件本身就存在噪聲 , 只要找 到的端點(diǎn)接近一個(gè)輸入語音的真正結(jié)束或開始處 , 對其之間的部分翻轉(zhuǎn) , 人耳是覺察不到兩者的差別 的 。即

35、水印信息的透明性很容易得到保證 。 1994-2007 China Academic Journal Electronic Publishing House. All rights reserved. 62 南 京 郵 電 大 學(xué) 學(xué) 報(bào) ( 自 然 科 學(xué) 版 2006 年 5 歌曲中的水印嵌入 5. 1 分析 首先對純音樂而言 ,其波形的幅度曲線較穩(wěn)定 , 不像錄制的語音信號(hào)的幅度曲線在清濁音處有明顯 的變化 。且原始波形無明顯分段 , 即不會(huì)出現(xiàn)說話 時(shí)所出現(xiàn)的能量極低的情況 。結(jié)合我們在語音中所 檢測到的端點(diǎn)均為能量相對較低處 , 這在音樂信號(hào) 中難以找到 ,若在信號(hào)中間翻轉(zhuǎn) ,必然會(huì)

36、引起相位的 突變 。實(shí)驗(yàn)發(fā)現(xiàn) ,當(dāng)在語音上疊加上背景音樂時(shí) ,當(dāng) 背景音樂強(qiáng)度不是很大時(shí) , 可以從時(shí)域或幅度波形 上分辨出其中輸入語音的開始和結(jié)束位置 。我們根 據(jù)語音的端點(diǎn)對其翻轉(zhuǎn) , 在翻轉(zhuǎn)處會(huì)出現(xiàn)尖銳聽覺 噪音 ,顯然這是由背景音樂造成的 。 綜上試驗(yàn)分析 ,對音樂或者歌曲 ,在時(shí)域內(nèi)尋求 可翻轉(zhuǎn)端點(diǎn)來嵌入水印信息的方案不可行 , 因此考 慮在頻域里隱藏信息 。這里我們研究了在數(shù)字音頻 信號(hào)的離散余弦變換域中嵌入水印的算法并給出了 基于變 換 域 系 數(shù) 量 化 的 水 印 嵌 入 方 案 軟件 。 5 對系數(shù) f 量化處理與水印比特 w 的取值密切相 關(guān) : 當(dāng) w = 1 時(shí) ,

37、使量化結(jié)果 f 等于與 f 最接近的 A 區(qū)間集中某一區(qū)間的中間坐標(biāo)值 : 當(dāng) w = 0 時(shí) , 使 f 等于與 f 最接近的 B 區(qū)間集中某一區(qū)間的中間坐 標(biāo)值 。 5. 3 水印嵌入方案 根據(jù)圖 12 水印嵌入算法框圖 ,我們設(shè)計(jì)水印嵌 入的具體步驟如下 : 圖 12 水印嵌入算法框圖 ( 1 用戶代碼序列獲得 暫規(guī)定用戶代碼 為 0、 序 列 , 即水印 信息 可 1 記為 V = v ( i , 0 i n, v ( i 0, 1 ( n 為代碼長度 ( 3 ( 2 音樂信號(hào)的分段處理 原始數(shù)字音頻信號(hào)可分成兩部分 : 與水印嵌入 有關(guān)部分和與水印嵌入無關(guān)部分 , 即 s = se

38、+ sr , 式 中 , se 是與水印嵌入相關(guān)的部分 ,它里面將包含水印 信息 , sr 是與水印嵌入無關(guān)的部分 ,它在水印嵌入前 后保持不變 。 ( 3 分幀離散余弦變換 對需要嵌入水印的第 k 幀 (L 個(gè)樣點(diǎn) 音頻數(shù)據(jù) 段 se ( k 分別作離散余弦變換 。 ( 4 D e =DCT ( se = D e ( k =DCT ( se ( k 式中 , D e ( k = de ( k ( i , 0 i L , de ( k ( i 是第 k 幀音頻數(shù)據(jù)段 se ( k 的離散余弦變換 D e ( k 中的 及實(shí)現(xiàn) 5. 2 量化算法 假設(shè) 待 量 化 的 系 數(shù) 為 f , 嵌 入

39、 水 印 比 特 為 w ( 0 或 1 ,量化步長為 , 量化處理后含有水印比 特信息的系數(shù)為 f 。基于量化系數(shù) f 嵌入水印比特 的原理如圖 11 所示 。 圖 11 量化系數(shù)嵌入水印的原理 量化系數(shù)的過程及其表示式如下 : ( 1 分割區(qū)間 按照量化步長 將系數(shù)所在的坐標(biāo)軸分割成 如圖 11 所示的 A 區(qū)間集和 B 區(qū)間集 。 ( 2 確定區(qū)間集內(nèi)坐標(biāo)值的兩重含義 如果用于計(jì)算 , 坐標(biāo)值具有數(shù)量大小的實(shí)際意 義 ; 如果用于表示水印比特信息 ,則不管該坐標(biāo)的數(shù) 值大小 , 凡屬于 A 區(qū)間集的坐標(biāo)都代表二進(jìn)制數(shù) “1 ”屬于 B 區(qū)間集的坐標(biāo)都代表二進(jìn)制數(shù)“0 ” , 。 ( 3

40、取模和取余數(shù)運(yùn)算 用量化步長 對待量化系數(shù) f 進(jìn)行取模和取余 數(shù)運(yùn)算 。假設(shè)所求得的模值為 m ,余數(shù)為 r,則有 (1 m = f mod r=f - m 第 i個(gè)系數(shù) 。 ( 4 在 DCT域內(nèi)確定水印的嵌入?yún)^(qū)域 由 5. 2 節(jié)可知 ,在 DCT域內(nèi)通過量化 DCT系數(shù) 可以實(shí)現(xiàn)水印信息的嵌入 。假設(shè)第 k 幀音頻數(shù)據(jù)段 se ( k 的 DCT系數(shù) de ( k ( t 用于嵌入水印信息序列 V 中的 第 m 個(gè)元素 V (m , 量 化 處 理 結(jié) 果 為 d k ( t ,其它 DCT系數(shù)保持不變 。 e ( 注意 : ( 1 步長 的值越大 , 嵌入水印的穩(wěn)健 性越好 ; 但是

41、 的取值過大 , 則會(huì)使含水印的數(shù)字 音頻信號(hào)失真嚴(yán)重 , 降低了實(shí)用價(jià)值 。因此量化步 長 的取值要根據(jù)嵌入水印的穩(wěn)健性和數(shù)字音頻 信號(hào)的具體應(yīng)用背景折衷考慮確定 ; ( 2 由于音頻 數(shù)據(jù)段 S e ( k 的數(shù)據(jù)個(gè)數(shù)為 L ,其離散余弦變換結(jié)果 (2 ( 4 量化系數(shù) 1994-2007 China Academic Journal Electronic Publishing House. All rights reserved. 5 期 第 高銀秋等 : 數(shù)字音頻產(chǎn)品中基于人耳聽覺感知特性的水印嵌入系統(tǒng)設(shè)計(jì) 63 D e ( k 中含有 L 個(gè) DCT變換系數(shù) , 其中第 0 個(gè) DC

42、T 系數(shù) de ( k ( 0 為直流分量 ,其他的 L - 1 個(gè) DCT系 數(shù)是由低頻到高頻的交流分量 。一般選取頻率較低 的交流分量 ( de ( k ( 1 除外 作為水印嵌入的位 置 。通常把水印信息嵌入在離散余弦變換的低中頻 系數(shù)上 ,這樣做的好處有 : 第一 , 音頻信號(hào)遮蓋了水 印的影響 ,使其不易被發(fā)覺 ; 第二 , 如果這一部分音 頻信號(hào)受到較大影響 , 還原出的音頻信號(hào)音質(zhì)將嚴(yán) 重下降 ,所以一般的信號(hào)處理操作 (如濾波 、 壓縮 、 變換等 ,影響的是信號(hào)的高頻部分 ,即使音質(zhì)受到 一定程度的破壞 ,只要音頻信號(hào)有一定的可懂度 ,水 印信號(hào)就可以檢測出來 。 ( 5 含

43、水印音頻信號(hào)的生成 對嵌入水印后的音頻信號(hào)做分段離散余弦反變 換 ,得到時(shí)域中含有水印信息的音頻信號(hào) 。 (5 s= I CT (D = I CT (D k D D e e e ( 將 s e 代替 se , 最終得到含水印的數(shù)字音頻信 號(hào) : s = s+ sr。 e 段 作為原始的數(shù)字音頻信號(hào) 。在水印的嵌入過程 中 ,若規(guī)定音頻數(shù)據(jù)段的長度為 28, 每段嵌入一個(gè) 比特信息 , 則所選音樂段可嵌入 5 000 位 0、 代碼 1 序列 。在試驗(yàn)中 ,我們采用連續(xù) 5 幀隱藏一個(gè)比特 信息的方案 ,即對連續(xù) 5 幀的第二個(gè) DCT系數(shù)進(jìn)行 相同的量化操作 ,這有利于提高所嵌代碼的抗噪性 。

44、 歸一化量化步長 = 0. 05,嵌入位置為 DCT系數(shù)的 D e ( k ( 2 。圖 13 為原始數(shù)字音頻信號(hào) ,圖 14 為含 水印的數(shù)字音頻信號(hào) , 比較原始數(shù)字音頻信號(hào)和含 水印的數(shù)字音頻信號(hào)的波形圖 ,它們幾乎沒有差別 , 證明本文方法透明性良好 。 圖 13 原始的數(shù)字音頻信號(hào) 5. 4 水印提取 假設(shè) ss 是待檢測的數(shù)字音頻信號(hào) ,提取水印的 過程如下 : ( 1 對待檢測數(shù)字音頻信號(hào)作分幀處理 , 分幀 規(guī)則同嵌入水印時(shí)一樣 ; ( 2 對待檢測的數(shù)字音頻信號(hào)中含水印部分作 離散余弦變換 (在此必須事先知道含水印信息的幀 號(hào); ( 3 根據(jù) DCT系數(shù)在圖 11 中所處的位

45、置 , 提 取水印序列 V s 。 在基于量化的水印嵌 入算 法中 , 水印 信息 由 DCT系數(shù) dse ( k ( t 所屬的區(qū)間集表示的 ,因此提取 圖 14 含水印的數(shù)字音頻信號(hào) 水印信息的方法可表示為 1, dse ( k ( t A (6 Vs ( k = 0, dse ( k ( t B V s 即恢復(fù)出的用戶代碼序列 。 需要注意的是 ,經(jīng)過上述變換過程后 ,水印信息 可能將與原來稍有不同 。因?yàn)橹虚g經(jīng)過了 DCT 系 數(shù)的量化 、 量化后的系數(shù)反變換再正變換 。為了解 決此問題 ,我們采用連藏的方法 ,來減輕這種微小的 改變 。這在下節(jié)的仿真試驗(yàn)中詳細(xì)闡述 。 根據(jù)水印提取算

46、法 , 提取出的水印序列正確率 為 96. 96%. 當(dāng)增大量化步長 , 提取水印序列正 后 確率提高 ,但音樂音質(zhì)受損也變大 。當(dāng) 增大到 0. 1 時(shí) ,正確率可達(dá) 98. 70% , 但此時(shí)含水印的音頻信 號(hào)質(zhì)量 嚴(yán)重 受損 (出現(xiàn) 噪聲了 。若 嵌 入 位 置 為 DCT系數(shù)的 D e ( k ( 3 , 則相同量化步長下 , 提取水 印正確率提高 ,代價(jià)是音質(zhì)下降較大 。 試 驗(yàn) 中 我 們 所 嵌 代 碼 為 0、 相 間 序 列 , 即 1 010101 。在采用連藏 5 位隱藏方法時(shí) , 所嵌信 息即為 00000111110000011111 。在 提取 信 息 時(shí) ,從第一

47、位開始 , 每 5 位作為一個(gè)信息段 , 統(tǒng)計(jì)每 個(gè)信息段中 0 和 1 個(gè)數(shù) , 其中數(shù)量超過半數(shù)的代碼 即為所嵌水印代碼 。如若提取出的信息為 00011 / 01111 /01000 / ,則相應(yīng)的水印代碼為 010 。 6 結(jié)論與展望 信息隱藏技術(shù)是近年來國際學(xué)術(shù)界的一個(gè)研究 熱點(diǎn) ,而音頻數(shù)據(jù)中的信息隱藏技術(shù)也受到了越來 越多的關(guān)注 ,成了這個(gè)研究熱點(diǎn)中的一個(gè)重點(diǎn) 。隨 著研究的深入和應(yīng)用的日益普及 , 新的問題也在不 斷的涌現(xiàn) 。 本論文對音頻數(shù)據(jù)中的信息隱藏技術(shù)做了研 5. 5 仿真試驗(yàn) 在水印的提取過程中無需使用原始音頻信號(hào) , 是一種盲水印檢測方案 。在仿真試驗(yàn)中 , 采用

48、16 bit/ samp le, 44. 1 kHz采樣 , 3. 183 s ( 140 370 個(gè)樣點(diǎn) 值 長的流行音樂 (網(wǎng)絡(luò)歌曲“ 老鼠愛大米 ” 中的一 1994-2007 China Academic Journal Electronic Publishing House. All rights reserved. 64 南 京 郵 電 大 學(xué) 學(xué) 報(bào) ( 自 然 科 學(xué) 版 2006 年 究 ,論文主要包括了以下工作 : ( 1 對信息隱藏技術(shù)的理論前提 、 系統(tǒng)構(gòu)成 、 技 術(shù)分類 、 應(yīng)用領(lǐng)域及其研究現(xiàn)狀進(jìn)行了歸納和總結(jié) , 分析了其研究中的重點(diǎn)和難點(diǎn) ; ( 2 作者對語音錄音提出了基于相位翻轉(zhuǎn)的水 印嵌入技術(shù) ,并詳細(xì)分析了實(shí)現(xiàn)算法以及系統(tǒng)性能 ; ( 3 作者采用了在頻域里隱藏信息的算法 , 實(shí) 現(xiàn)了在歌曲中隱藏信息 。 鑒于時(shí)間和精力 , 以及信息隱藏技術(shù)所涵蓋的 領(lǐng)域較多 。本論文僅討論了在時(shí)域里實(shí)現(xiàn)語音錄音 的水印嵌入 ,以及頻域里實(shí)現(xiàn)歌曲的水印嵌入 。作 者認(rèn)為本論文以下方面還有待改進(jìn) : ( 1 對語音錄音而言 , 我們在 10 20 s 時(shí)長 里 ,僅嵌入了 10 比特的用戶信息 , 雖然很好地保證 了