复倒谱域自适应音频盲水印技术

基于音频特征的自适应数字盲音频水印算法杨得国;王荣萍【摘要】提出了一种基于音频特征的自适应盲音频水印算法:使用Logistic混沌二进制序列对水印进行加密,通过对音频帧的过零率及短时能量的分析,选取适当的阈值,确定嵌入水印的帧,并对选定音频帧整合分段后进行小波变换,同时采用能量动态调整自适应确定嵌入强度的方法,计算每段音频的近似分量的平均能量,结合基础嵌入强度,得音频帧中嵌入水印.实验结果表明:该算法具有较好的鲁棒性和不可感知性,具有一定的实用性.【期刊名称】《江西师范大学学报（自然科学版）》【年(卷),期】2014(038)001【总页数】3页(P108-110)【关键词】音频水印;短时能量;过零率;自适应;鲁棒性【作者】杨得国;王荣萍【作者单位】西北师范大学数学与信息科学学院,甘肃兰州730070;西北师范大学数学与信息科学学院,甘肃兰州730070【正文语种】中文【中图分类】TP391.410 引言近年来，随着计算机网络和多媒体技术发展的越来越快，音频数字水印[1]正逐渐成为数字水印中的一个重要发展方向[2].目前，嵌入音频水印的基本做法有：回声隐藏、相位编码[3]等，其中基于小波变换[4]的数字音频水印技术因其具有良好的多分辨率、时域局部分析等特性，在计算机技术上得到广泛应用.Logistic映射[5-6]混沌二进制序列对原始水印信息进行加密，增强水印的安全性，混沌序列对初值的敏感性高、适应性强，具有一般伪随机序列所没有的低通特性，以抵抗低通滤波等攻击.本文对音频特征[7]进行分析，结合音频帧的过零率和短时能量特性，构造出适合水印嵌入的音频帧.为了更好地提高音频水印的鲁棒性和去同步攻击能力，本文在所选定的音频帧中采用了能量动态调整嵌入强度自适应[8]的方法来嵌入水印，同时本算法为零水印算法，实现了盲检测，提高了算法的不可感知性和鲁棒性.1 音频特征的分析及选取1.1 音频帧的过零率与短时能量特征设第n帧音频信号的短时能量用En表示，则En=其中F为信号帧长.En为一帧内所有采样点幅值的平方和，它反映了音频信号的强度，En越强的音频帧具有较好的掩蔽特性.设第n帧音频信号的过零率为Zn，则其中，sgn为符号函数，即Zn为在一帧内相邻的2个采样点改变符号的次数，它直接表明了音频信号在一帧中幅值变化的强弱程度.过零率较小的音频帧具有较好的稳定性.因此采取一定阈值下的过零率，且取到能量的较大值，就能更好地体现时域掩蔽特性.2 数字音频水印的嵌入2.1 嵌入水印图像的预处理设原始水印图像为U，则U={u(i,j),1≤i≤M,1≤j≤N,u(i,j)∈{0,1}}.若将2维的图像嵌入到1维的音频中，则首先将水印图像降维至1维序列V中，则V={v(k)=u(i,j),1≤i≤M,1≤j≤N,k=(i-1)×N+j,1≤k≤M×N}.采用Logistic映射混沌二进制序列对水印进行混沌置乱加密.首先对Logistic序列进行截断，选取任意起始位置a开始截取，设定阈值λ，初值x0，保留水印大小的数据对其进行处理，得到Logistic序列P为：P={p(k),1≤k≤M×N,p(k)∈{0,1}}.加密后的水印序列W：W(k)=V(k)⊕P(k),其中V(k),P(k)∈{0,1},1≤k≤M×N.如图1所示.图1 水印图像2.2 原始音频信号的预处理设音频信号A={a(k),1≤k≤L}，L是音频信号长度，将A进行分帧后表示为akj=a(F(k-1)+j),1≤k≤K,1≤j≤F，其中akj为第k帧音频的第j个信号值，K为音频信息的总帧数，F为每帧音频的样点数.2.3 音频帧的选取设置2个阈值E0、Z0，选取满足条件：过零率Z≤Z0且短时能量E≥E0的音频帧，利用能量动态调整自适应方法实现水印的嵌入.根据实验数据可知，对于每一种类型的音频信号，选取过零率Zn≤Z0并且短时能量En≥E0的音频帧，然后把音频帧连接到一起得到待嵌入水印的音频帧Ae，并将它分成M×N段，那么每段含有Q=L/(M×N)个音频数据.记为Ae={Ae(k),1≤k≤Q}.2.4 数字音频水印的嵌入对分段后的音频信号Ae(k)分别进行H层小波变换[9]，例如第K段音频信号进行DWT操作后可得到小波系数为：是H层小波变换的低频系数，本算法中的水印信息将被嵌入到低频系数中(1)其中αk为嵌入水印强度，在现有音频水印嵌入方案中，固定的嵌入强度比较常见.但是这种固定性存在较大的缺陷性，如果水印嵌入时强度越大，那么受攻击时鲁棒性就越好，对信号的影响就越大.但是，如果嵌入时强度越小，这样不易被察觉，但是抗干扰性能就差.本算法针对这一问题，通过计算经过小波变化后每段音频的近似分量系数的平均能量，再结合嵌入强度β，动态调整音频数据段嵌入强度这一方法，为每个音频数据段确定一个嵌入强度(2)按照(2)式得到修改后的小波系数，再将其进行小波逆转换，这样就可以得出嵌入水印的数字音频.3 数字音频水印的获取数字音频水印的获取按照以下步骤进行：(ⅰ)将嵌入水印后的音频信号进行H层的小波变换操作，得到每段的低频系数(ⅱ)计算每个音频数据段的嵌入强度αk，提取水印信息，提取公式为(ⅲ)按照初始位置、阈值，初步得到Logistic序列，根据阈值对它进行二值化处理，得到P(k)，那么1维水印序列为V(k)=W(k)⊕P(k)，然后将它提升为2维就可得到原始水印图像U={u(i,j),1≤i≤M,1≤j≤N,u(i,j)∈{0,1}}.4 仿真实验与结果分析本文使用比特误码率BER和归一化相关系数NC[10] 来量度算法的性能其中BER用来表示提取的水印与原始水印的误差程度，NC 用来表示提取的水印与原始水印的相似程度进行度量.性能测试如图2所示，分别表示为原始音频信号、嵌入水印后的音频信号、原始水印图像、从含水印的音频信号中提取出的水印图像.图2 原始音频与嵌入水印音频及原始水印与提取的水印对比表1为音频信号受各种攻击后提取的水印图像、相关系数NC和误码率BER的值,其中引入50 ms的回声干扰；采用截止频率为8 kHz低通滤波、最大衰减为2 dB 的Chebyshev I型低通滤波器；重采样先将信号进行一次抽取和插值处理，抽取和插值的系数为2；重量化是首先先将16 bit的音频信号量化为8比特，然后再量化到16 bit；添加噪声是在音频信号中加入均值为0，方差为0.01的高斯白噪声；MP3压缩是首先将音频信号压缩至128 kB/s，然后再加压缩为WAV音频格式.表1 提取出的水印图像及其实验结果无攻击低通滤波重采样重量化NC10.9873000.9985000.992500BER/%0000水印图像回声干扰添加噪声MP3压缩NC0.9976000.8363000.848300BER/%0.1914600.9742548.540690水印图像5 结束语该算法首先对水印序列进行混沌序列置乱，然后通过音频特征[11]的过零率和短时能量选出需要嵌入水印的音频部分，对新得到的音频分段后通过采用求每段的平均能量以动态调整嵌入强度从而对于固定嵌入强度所带来问题作了改进.另外，算法在提取水印时不需要原始音频信号.实验表明，该算法对一般常见攻击测试具有较好的鲁棒性和不可感知性.6 参考文献【相关文献】[1]Petitcolas F A P,Anderson R J,Kuhn M rmation hiding:A survey [J].Pro of the IEEE,187(7):1062-1078.[2] Lian S,Kanellopoulos D，Ruffo G.Recent advances in multimedia information system security [J].Informatica，2009，33 (1):3-24.[3] 汪飞，檀结庆.基于DWT和均值量化的音频水印算法 [J].计算机应用，2009,29(2)：444-446.[4] 赵红，崔永瑞，郑素娥.小波域音频水印综述 [J].计算机安全，2007,13(9)：1-3.[5] 张敏，杨慧.基于混沌加密的盲音频水印算法 [J].中国民航学院学报，2005,23(3)：37-41.[6] 陈雪松，张寒，杨勇田.基于混沌理论的音频数字水印算法研究 [J].计算机工程与应用，2007,43(24)：59-60.[7] 彭宏,王珣.基于音频特征的多小波域水印算法 [J].计算机研究与发展,2010,47(2):216-222.[8] 康旭，张秋余，袁占亭.基于能量自适应的同步小波音频水印算法 [J].科学技术与工程，2008,8(23)：6240-6243.[9] 彭宏，王珣等.基于音频特征的多小波域水印算法 [J].计算机研究与发展，2010,47(2)：216-222.[10] 李伟.鲁棒性数字音频水印算法研究 [D].上海:复旦大学,2004.[11] 杨得国，姜金娣等.基于音频特征和逼近信号统计特征的数字零水印算法 [J].江西师范大学学报：自然科学版，2011,35(6):633-636.。

基于倒谱域的音频水印算法的开题报告一、选题背景随着网络传输的普及，音频文件的传播越来越容易，但是这也带来了音频文件被盗取和篡改的风险。

为了避免这种情况的发生，音频水印技术得到了广泛关注和研究。

音频水印是在保持原始数据完整性和不可改变性的基础上，通过在原始音频数据中嵌入特定的信息，以实现对音频数据的保护和认证的技术手段。

二、研究内容本文将基于倒谱域的音频水印算法进行研究，具体内容如下：1. 倒谱理论的基本原理倒谱是一种描述信号的频域能力谱的变换方法，是从功率谱函数中提取的，它能够将频域能力谱转化为另一种形式，使得信号的周期特征更加突出，从而更容易进行分析。

2. 音频水印算法的构建在倒谱理论的基础上，本文将构建基于倒谱域的音频水印算法。

该算法将利用倒谱中的周期特征，以及嵌入图像所需的信息，嵌入到原始音频信号中，同时保证水印的不可感知性和鲁棒性。

3. 算法的实现和优化在算法的实现中，本文将考虑如何保证水印的鲁棒性和不可感知性，并对算法进行优化，提高算法的性能和可靠性。

三、研究意义基于倒谱域的音频水印算法具有一定的新颖性和实用性。

该算法不仅能够在保证音频数据完整性的基础上，增强数据的安全性，还能保持音频数据的原始音质，同时也能适应对信噪比、失真等情况的兼容性，具有广泛的应用前景。

四、研究方法本文将采用实验和理论相结合的方法进行研究。

将先对倒谱原理和音频水印算法进行理论分析，然后进行算法实现和实验评测，以得出算法的性能和适用范围等结论。

在实验过程中，将利用MATLAB软件进行算法的实现和仿真，以验证算法的正确性和有效性。

五、预期效果通过本文的研究，将得出基于倒谱域的音频水印算法的实现方法和实验结果，并对算法的优化进行讨论。

该算法可以提高音频数据的安全性，减少音频泄密和篡改的风险，有着较好的应用前景。

基于LSB和量化思想的倒谱域音频水印算法
李文治;张晓明;殷雄
【期刊名称】《计算机应用》
【年(卷),期】2010(030)003
【摘要】为了达到版权保护目的,采用基于最不重要位(LSB)和量化思想,提出了一种新颖的小波域内倒谱水印算法.首先将音频数据进行分段处理和小波变换,并计算每段音频小波系数的倒谱域均值,然后计算每段均值的LSB位,最后通过LSB位的奇偶量化来完成秘密水印的嵌入.提取时,只需要判断倒谱域均值的LSB奇偶来恢复秘密水印.算法完全属于盲提取.算法嵌入过程中不依赖于任何阈值,更有利于算法的实际应用.实验结果表明,算法对于重采样、重量化、低通滤波和幅度攻击等都有很好的鲁棒性.
【总页数】3页(P705-707)
【作者】李文治;张晓明;殷雄
【作者单位】北京石油化工学院,信息工程学院,北京,102617;北京化工大学,信息科学与技术学院,北京,100029;北京石油化工学院,信息工程学院,北京,102617;中软资源公司,北京,100089
【正文语种】中文
【中图分类】TP309
【相关文献】
1.一种基于音频的倒谱域水印算法 [J], 谢斌;张倍敏;涂荣强
2.基于倒谱域的鲁棒音频数字水印算法 [J], 吕秀丽;年桂君
3.基于ANFIS的倒谱域盲检测混沌音频水印算法 [J], 管先念;王炳和
4.基于小波和倒谱域的数字音频水印算法 [J], 柏玉保;柏森;刘程浩
5.一种基于倒谱域的盲检测音频水印算法 [J], 王建辉;李丽娟
因版权原因，仅展示原文概要，查看原文内容请购买。

复倒谱的基本原理倒谱（cepstrum）是一种在信号处理领域中常用的技术，用于对信号进行频谱分析和声学特征提取。

它的基本原理是将信号的频谱变换到另一个域，该域被称为倒谱域。

在倒谱域中，信号的频谱特征能够更加凸显，从而便于进行后续的分析和处理。

倒谱的基本原理可以分为以下几个步骤：1.首先，对原始信号进行预加重处理。

这是为了强调信号的高频分量，减少低频分量对信号频谱的影响。

预加重可以通过一阶高通滤波器来实现，可以使用以下差分方程来计算：y[n]=某[n]-α某某[n-1]其中，y[n]为预加重后的信号，某[n]为原始信号，α是预加重的系数，一般取0.95。

2.接下来，对预加重后的信号进行分帧处理。

将信号分成若干小片段，每个片段称为一帧。

分帧可以使用矩形、汉明窗等窗函数来实现，窗函数有助于减少帧之间的边界效应。

3.对每一帧的信号进行傅里叶变换，得到每帧的频谱。

频谱表示了不同频率上的信号成分的幅度信息。

4.对每一帧的频谱取对数，这样可以将频谱的幅度响应转换成对数刻度，使得频谱的动态范围更容易处理。

5.对取对数后的频谱进行傅里叶逆变换，得到该帧信号的倒谱。

倒谱是频谱的对数表示。

6.最后，对所有帧的倒谱取均值，并进行后续的处理和分析。

均值操作可以减小每帧之间的差异，得到更加稳定的倒谱特征。

倒谱技术的应用非常广泛。

在音频处理领域，倒谱可以用于语音识别、音乐分析等任务。

在图像处理领域，倒谱可以用于图像轮廓分析和纹理特征提取等任务。

在信号处理领域，倒谱可以用于信号分类、故障诊断等应用。

总之，倒谱是一种非常有效的信号处理技术，能够将信号的频谱特征更好地显示出来，并方便后续的分析和处理。

通过倒谱分析，我们可以获取到信号的重要频谱信息，从而实现对信号的更深入理解和利用。

一种自适应复倒谱音频水印算法黄雄华;蒋伟贞【摘要】倒谱域统计均值的稳定性已被一些文献用来嵌入水印,但其水印的嵌入强度等参数是根据实验获得的,这些参数需要通过反复实验来调整,因难以找到水印鲁棒性和透明性达到最佳折中的参数,故提出一种根据信噪比来调整水印鲁棒性和透明性关系的自适应复倒谱音频水印算法.该算法实现了水印盲检溯,水印的提取不需原始音频和原始水印.实验结果表明,该算法在满足透明性的要泉下具有较好的鲁棒性.【期刊名称】《成都大学学报（自然科学版）》【年(卷),期】2010(029)003【总页数】4页(P253-256)【关键词】音频水印;自适应;信噪比;复倒谱【作者】黄雄华;蒋伟贞【作者单位】桂林电子科技大学教学实践部,广西,桂林,541004;暨南大学,信息科学技术学院,广东,广州,510084【正文语种】中文【中图分类】TP3090 引言计算机技术和通信技术的发展使得数字作品能被方便的复制、篡改和传输,数字水印技术作为一种新的保护版权、鉴定作品完整性的有效手段,受到人们的广泛的关注和研究[1].同时,在需要重播的应用中,数字水印技术是替代密码学的潜在解决方法之一[2,3].复倒谱分析是语音信号处理中的一种强有力的分析手段.倒谱分析是同态系统的理论基础,其在语音识别、地震检测、声纳分析等方面有广泛的应用.已有学者在倒谱域中研究倒音频水印并取得了一些成果,如文献[4,5]提出的倒谱域统计均值修改算法,文献[6]提出的倒谱域BCH纠错码的鲁棒音频水印算法,以及文献[7,8]提出的根据人类听觉感知特性和心理声学模型定性控制水印嵌入的倒谱域音频水印算法.这些算法的一个共同问题在于缺乏定量的自适应机制,因为水印的嵌入强度等参数需要反复实验来获得,且难以得到最合适的值.基于此,本文提出一种根据SNR来自适应确定水印嵌入强度的音频水印算法,该算法可根据听觉要求的SNR自适应确定最大嵌入强度,且水印具有较好的鲁棒性.1 离散傅立叶变换及其性质离散傅立叶变换(DFT)是倒谱分析的核心,本文的自适应算法应用其相关性质.用→x={xi|0≤i＜N}表示时域音频信号,用→X={Xi|0≤i＜N}表示傅立叶变换后的对应信号.记N-1),由ai×j和bi×j组成的矩阵分别为A,B.音频信号的傅立叶变换及其逆变换可表示为,并且有下述性质:(5)式中,I表示单位阵.其中,～a 表示a的共轭. i×ji×j2 音频信号的复倒谱变换过程音频信号的复倒谱变换过程如图1所示.图1 复倒谱变换的过程图1中,x→={xi|0≤i＜N},表示输入的音频信号,X→={Xi|0≤i＜N},表示经DFT变换后的信号,lnX→={lnXi|0≤i≤N-1},表示取对数后的信号,C→={Ci|0≤i≤N-1},表示倒谱系数.复倒谱域的变换是可逆变换,其逆变换过程如图2所示.图2 复倒谱的逆变换过程图2中是倒谱系数经过DFT后的值,→Ye={Yei|Yei= eYi, 0≤i≤N-1},是对 DFT变换后对应的指数值,→x=IDFT(→Ye)={xi|0≤i＜N},表示经过 IDFT后时域的值.通常,复倒谱的能量主要集中在零点附近.一般而言,时域一定的扰动对复倒谱统计均值(CCSM)影响很小[4,5].3 自适应复倒谱统计均值修改算法3.1 复倒谱统计均值修改算法原理复倒谱统计均值修改(CCSMM)算法[1,3,5]的基本原理为:首先,将音频数据分帧,对每帧求复倒谱系数;其次,计算每帧的倒谱系数的均值,并将每个倒谱系数减去均值;最后,根据水印比特“1”或“0”,调整统计均值分别为M1或M2,并作逆变换.水印的提取以(M1+M2)/2为门限,倒谱系数均值大于门限提取“1”,否则提取“0”.显然,上述算法中M1和M2的确定选择需要反复实验以满足水印的鲁棒性和透明性的要求,最佳取值通常难以获得,M1和M2的取值与音频信号有关.基于此,本文通过SNR来确定M1和M2的值,提出了一种自适应复倒谱统计均值(ACCSMM)音频水印算法.3.2 ACCSMM算法相关原理3.2.1 倒谱域与时域的对应变化关系.以下沿用前述的符号及其意义,并在相应的符号上加“′”号表示倒谱域变化后对应的值(即添加水印后的相应值).若倒谱域每个系数变化量为Δ,倒谱系数可表示为,那么,倒谱系数经过DFT变换后的表达式为,其中,T表示转置(以下同).由式(3)、(4),式(8)可简化为,式(9)经过指数化过程,可表示为,式(11)经过 IDFT变换后,可表示为,3.2.2 音频质量评价准则.目前,音频水印对嵌入了水印的音频失真评价标准借鉴了信号处理的方法,即通过峰值信噪比PSNR(Peak Signal to Noise Ratio)和信噪比SNR来衡量嵌入水印后音频信号的听觉失真度.设x→是含有 N个样点的原始数字音频信号, x→={xi|0≤i＜N},xi是幅值序列.x→′是嵌入水印后的数字音频信号,x→′={x′i|0≤i＜N},x′是幅值序列.音频信号,x→′的SNR定义为:由式(10)、(12),式(13)可表示为,其中,Ci是xi的函数.式(13)表明,对确定的帧长N,由初始信号和要求的音频失真度量SNR可以自适应地确定倒谱变化量.4 水印的嵌入算法根据上述的原理,我们采用视觉可见的二值图像作为水印,二值图像表示为:P={P|pm×n,0≤m＜M,0≤n＜N},pm×n表示图像像素,M,N分别为图像的宽和高;音频表示为,X={X|xi,0≤i≤L},xi表示音频幅度,L是音频长度.算法的具体步骤如下: 首先,将图像水印经过降维处理,其次,从音频起始处开始做分帧处理,每帧长度l=?L/M·N」,?·」表示取整.然后,对每帧按下述方法嵌入一比特的水印.记,x(j,k),1≤k≤l,1≤j≤M×N,表示第j帧的第 k个数据,并对所有的帧求复倒谱变换,式中,C(j,k)表示第j帧第k个倒谱系数,再依次求第j帧倒谱的和及均值,对每个倒谱系数做如下变换以嵌入水印,式中如果满足:δ(j)＞0,设定添加水印后的统计均值门限为“0”,统计均值大于“0”提取比特“1”,统计均值小于“0”提取比特“0”,可以实现水印的盲检测.同时,为使水印鲁棒性较好,δ(j)可选取,式中可据式(14)计算而得,目的是为了获得较高的水印嵌入强度.最后,将嵌入水印后的倒谱系数做逆倒谱变换,从而得到含水印的音频.5 水印的提取根据前面的分析,我们可以实现水印的盲提取:首先,将带水印的音频分帧,帧长与嵌入水印时相同;其次,对每帧作倒谱变换,计算其统计均值,并与与门限“0”比较,如果大于“0”,提取比特“1”;否则,提取比特“0”;最后,将水印比特按序排列并升维还原图像水印.6 实验结果在实验中,我们选用了图3所示的64×64的二值水印图像,并截取了名为flybird.wav的音频左声道前50 s的音频数据作为载体音频,采样频率为44.1 KHz,16比特量化.预设含水印各帧局部信噪比为60 dB,在未受攻击的情况下,提取的水印如图4所示.比较图3、4可见两者几乎无视觉上的差异.图3 原始水印图像图4 未受攻击提取的水印为了测试算法的鲁棒性,本文对水印音频进行了多种攻击模拟:包括MP3压缩,压缩率为128 kbps;高斯白噪声,方差为0.01;低通滤波,截止频率为6 KHz;重采样,采样频率为11 025 Hz.攻击后提取的水印如图5所示.图5 攻击模式测试按式(18)所表示的归一化相关值如表1所示.表1 不同攻击模式下水印的归一化相关值表比较攻击方法相似系数噪声攻击0.9435低通滤波 0.9276重采样 0.9349 MPEG压缩 0.9371未攻击 0.9975式中,P,Ps分别表示原始水印图像和提取的水印图像;p(m,n),ps(m,n)分别表示其像素(m,n)值.实验结果表明,本文提出的水印算法在较高的SNR条件下仍具有较好的鲁棒性.7 结论本文利用复倒谱域系数的统计均值趋于零的特性,以“0”为水印提取门限,实现了水印的盲提取.同时,为了提高水印的鲁棒性,在嵌入水印过程中应用了音频信号失真评价准则——信噪比来控制水印的不可听性.在信噪比确定的情况下,按式(14)计算取得最大水印嵌入强度,相应的也就取得了最大水印鲁棒性,实验的结果也表明了水印在不可听的情况下的鲁棒性.参考文献:[1]Cox IJ,Miler ML.The First50Years of Electronic Watermarking[J].AppliedSignal Process,2002,56(2):225-230.[2]Arnold M.Audio Watermarking:Features,Applications,and Algorithms[C]//IEEE Multimedia and Expo.NewY ork:IEEE Press,2000:1013-1016.[3]Swanson M D,Zhu B,Tewfik A H.Robust Audio Watermarking Using Perceptual Masking[J].Signal Process,1998,66(3):337 -355.[4]Xin L,Heather Y H.Transparent and Robust Audio Data Hiding in Cepstrum Domain[C]//Proceedings of IEEE International Conference on Multimedia and Expro.New Y ork:IEEE Press, 2000:397-400.[5]K wang L S,Sung H Y.Digital Audio Watermark-ing in the Cepstrum Domain[J].IEEE Trans On Consumer Electronics,2000, 46(3):744-750. [6]Liu S C,Lin S F.BCH Code-Based Robust Audio Watermarking in the Cepstrum Domain[J].Journal of Information Science and Engineering,2006,22(1):535-543.[7]G opalan K.Audio Stegnography by Cepstrum Modification[C]// Conference on Acoustice,Speech and Signal Processing.Philadelphia:IEEE Press,2005:481-484.[8]年桂君,王树勋,唐笑年.倒谱域自适应音频水印算法[J].吉林大学学报,2008,26(1):55-61.。

收稿日期:2009-09-17;修回日期:2009-11-03。

作者简介:李文治(1984-),女,山东兖州人,硕士研究生,主要研究方向:信息隐藏、音频水印;　张晓明(1968-),男,江西宁都人,教授,博士,主要研究方向:网络系统、信息安全;　殷雄(1984-),男,湖北洪湖人,工程师,硕士,主要研究方向:数字水印。

文章编号:1001-9081(2010)03-0705-03基于LS B 和量化思想的倒谱域音频水印算法李文治1,2,张晓明1,殷　雄3(1.北京石油化工学院信息工程学院,北京102617;　2.北京化工大学信息科学与技术学院,北京100029;3.中软资源公司,北京100089)(li w enzhi84@bi p t .edu .cn;li w enzhi84@hot m ail .com )摘　要:为了达到版权保护目的,采用基于最不重要位(LS B )和量化思想,提出了一种新颖的小波域内倒谱水印算法。

首先将音频数据进行分段处理和小波变换,并计算每段音频小波系数的倒谱域均值,然后计算每段均值的LS B 位,最后通过LS B 位的奇偶量化来完成秘密水印的嵌入。

提取时,只需要判断倒谱域均值的LS B 奇偶来恢复秘密水印。

算法完全属于盲提取。

算法嵌入过程中不依赖于任何阈值,更有利于算法的实际应用。

实验结果表明,算法对于重采样、重量化、低通滤波和幅度攻击等都有很好的鲁棒性。

关键词:音频水印;最不重要位;量化;倒谱中图分类号:TP309 文献标志码:AW a ter mark i n g a lgor ith m of co m plex cepstru m doma i n aud i o ba sed onL SB and quan ti z i n gL IW en 2zhi 1,2,Z HANG Xiao 2m ing 1,YIN Xi ong3(1.College of Infor m ation Engineering,B eijing Institute of Petro 2che m ical Technology,B eijing 102617,China ;2.College of Infor m ation Science and Technology,B eijing U niversity of Che m ical Technology,B eijing 100029,China ;3.ChinaSoft Resource Co m pany,B eijing 100089,China )Abstract:I n order t o p r otect copyright,a novel cep stru m transf or m water marking algorith m in wavelet domain was p r oposed .The p r oposed algorith m adop ted the idea of Least Significant B it (LS B )and quantizati on .Firstly,the audi o signal was divided int o several seg ments;the seg ment was transfor med with wavelet domain and comp lex cep stru m.Then the LS B of mean of comp lex cep stru m coefficients was computed .Lastly,the water mark was e mbedded int o the mean of comp lex cep stru m coefficients thr ough changing its odd and even .W hen extracting,only the LS B of mean of comp lex cep stru m coefficients was judged t o rest ore the water mark .The algorith m was blind .The e mbedding p r ocessing of the p r oposed algorith m does not depend on any threshold,and it is more conducive t o the p ractical app licati on of the algorith m.The experi m ental results show that the algorith m is very r obust t o re 2sa mp ling,re 2quantizati on,l ow filter,a mp litude attack,etc .Key words:audi o water marking;Least Significant B it (LS B );quantizati on;cep stru m0　引言文献[1]根据倒谱系数的分布和HAS 的频率掩模特性,将水印扩展到音频信号的几个倒谱分量中。