语音信号数字水印技术Word文档下载推荐.docx

1、传输过程中的信道噪声、滤波、增强有损压缩、几何变换、DA或AD转换等等。所谓的攻击包括：篡改、伪造、去除水印等等。数字水印起源于信息隐藏技术，这一点可以从它的隐藏性要求得到证实。2）平安性：指将水印信息隐藏于目标数据的内容之内，而非文件头等处，防止因格式转换而遭到破坏。3）无歧义性：恢复出的水印或水印判决的结果应该能够确定地说明所有权，不会发生多重所有权的纠纷。4）通用性：好的水印算法适用于多种文件格式和媒体格式。通用性在某种程度上意味着易用性。但数字水印技术并不等同于信息隐藏技术，两者的区别在于对鲁棒性的要求上。信息隐藏的鲁棒性要求可以降低，也就是说在数据经过改动后允许隐藏信息的丧失，信息隐

2、藏主要是关注隐藏信息的检测，而数字水印主要关注被盗版者擦除的可能性。数字水印必须能在一定限度内承受各种攻击而留存下来，这样才能实现有意义的版权保护。在音频中参加水印，要考虑到音频载体信号的在人类听觉系统、音频格式以及传送环境等方面的特点。与图像和视频相比，音频信号在相同的时间间隔内采样的点数少。这使得音频信号中可嵌入的信息量要比可视媒体也要少。并且由于人耳听觉系统（HAS）要比人眼视觉系统（HVS）敏感得多，因此听觉上的不可知觉性实现起来要比视觉上困难得多。1.2 数字水印设计原理数字水印技术包含水印的嵌入、提取/检测两个过程。数字作品拥有的特定信息，如数字序列、数字标识、文本或图像等，按某种

3、算法嵌入到数字作品中，在需要时，通过相应的算法提取出该水印，从而能够验证数字作品的合法性。为了给攻击者增加去除水印的难度，目前大多数水印制作方案都采用密码学中的加密体系来加强平安性，在水印的嵌入和提取/检测时采用一种密钥，甚至几种密钥联合使用。数字水印的嵌入过程如图1-1所示，数字水印的提取/检测过程如图1-2所示2 系统分析与设计 涉及根底知识 离散小波变换Discrete Wavelet Transform，DWT 小波变换是由法国科学家Morlet于1980年进行地震分析工作时提出的，但小波变换研究的热潮始于1986年。小波变换优于傅立叶变换的主要原因在于它的多分辨率特性，它可以针对不同

4、信号变换而进行窗口的伸缩变化。加窗傅立叶变换可以形象地看成是固定尺寸的矩形时频窗口在时频域中滑动，并透过这个窗口来“观察信号。这种固定矩形窗口的观察方法与人们期望的观察不太一致。例如，对一个高频成分丰富的信号，即变化很快的信号，最感兴趣的问题是它的发生时间，而对其频率那么不要求知道的很准确；但是对一个变化很慢的信号，被关注的是频率，而对时间范围那么不要求很精细。小波分析适应这种要求，它可以对高频成分使用大的频域窗口、小的时域窗口，而对于低频成分采用小的频域窗口、大的时域窗口。1988年，Mallat受到塔式算法的启发，在多分辨率分析的指导下建立了Mallat算法，对小波变换的实际应用具有划时代

5、的意义。Mallat算法本质上不需要知道尺度函数t和小波函数t的具体结构，只由系数hn和gn就可以实现信号的分解与重构，因此也称为快速小波变换。利用快速小波变换，选择一定的小波函数对输入信号进行一定尺度的分解，得到这个尺度下信号的高频局部和低频局部，在一个尺度下，高频局部和低频局部包含了完全恢复上一尺度下信号的全部信息。这种分解如果重复进行，就得到了信号的多尺度分解，从而得到了信号的多层小波系数，即信号的低频系数和一系列的高频系数。如图2-1所示的小波分解树。图 2-1 小波分解树对于大多数信号来说，低频局部给出了信号的特征，往往是最重要的，而高频局部那么与噪音及扰动联系在一起。将信号的高频局

6、部去掉，信号的根本特征仍然可以保存。所以，一般的信号处理都是针对这局部来进行的。因此，在信号分析中，经常会提到信号的近似局部与细节局部。近似主要是系统全局的、低频的局部，而细节往往是信号局部、高频的成分。将信号分解成一个个互相正交小波函数的线性组合，可以展示信号的重要特性，但这并不是小波分析的全部。小波分析另一个重要的方面就是分析、比拟、处理如去掉高频信号、加密等小波系数后，根据新得到系数去重构信号。这个过程称之为逆离散小波变换IDWT,或小波重构、合成等。信号重构的根本过程如图2-2所示。图 2-2 小波重构 主要算法近几年来，数字水印技术研究取得了很大的进步 ，本文对一些典型的算法进行分析

7、，除特别指明，这些算法主要针对图象数据某些算法也适合视频和音频数据。生理模型算法，人的生理模型包括人类视觉系统HVSHuman Visual System和人类听觉系统HAS。该模型不仅被多媒体数据压缩系统所利用，同样可以供数字水印系统所利用。利用视觉模型，实现了一个基于分块DCT框架的数字水印系统；实现了一个基于小波分解框架的数字水印系统；实现了一个空域数字水印系统。它们的根本思想均是利用从视觉模型导出的JND（Just Noticeable Difference）描述来确定在图象的各个局部所能容忍的数字水印信号的最大强度，从而能防止破坏视觉质量。也就是说，利用视觉模型来确定与图象相关的调制

8、掩模，然后再利用其来插入水印。这一方法同时具有好的透明性和强健性。变换域算法:这是一种DCT域数字水印算法，其方法是首先把图象分成8x8的不重叠象素块，在经过分块DCT变换，得到由DCT系数组成的频率块，然后随机选取一些频率块，将水印信号嵌入到由密钥控制选择的一些DCT系数中。该算法是通过对选定的DCT系数进行微小变换以满足特定的关系，来表示一个比特的信息。在水印信号提取时，那么选取相同的DCT系数，并根据系数之间的关系抽取比特信息。其思想类似于扩展频谱通讯中的跳频frequency hopping技术，特点是数据改变幅度较小，且透明性好，但是其抵抗几何变换等攻击的能力较弱。另外基于DFT和D

9、WT算法与上述算法具有相似的原理。这种以变换域算法为代表的通用算法普遍采用变换技术，以便在频率域实现水印信号叠加，并借鉴扩展频谱通讯等技术对水印信号进行有效的编码，从而提高了透明性和鲁棒性，同时还适当利用滤波技术对水印信号引入的高频噪声进行了消除，从而增加了对低频滤波攻击的抵抗力。2.2 算法的流程图 算法流程图如图2-3所示图2-3 算法流程图 算法实现 水印嵌入1）设A是原始音频信号，根据音频文件类型将它分为两局部A = AH +AL其中：AH 是与文件类型相关的局部，所以保存下来不做处理；AL是可以嵌入水印的局部，长度是L ，它可以表示为A =a（l）,0 lL其中a（l） 是AL第I个

10、数据的幅值。2）假设水印是长度LS的音频文件，用ls表示：ls =ls（j）,0 jLS3）水印分段操作：因为原音频信号进行小波变换后，利用量化的方法将其分段，所以讲水印音频也进行相应的分段，最后对应相加。N = L/LS这里水印分段不一定取得正数段，所以对其取整，将余数归为最后一段。4）原始音频信号的一维离散小波变换：选择适宜的小波基进行一维小波三级分解。DL=DWT（AL）= cA3 cD3cD2cD1cA3和cD3是三级分解的近似分量和细节分量；cD2和cD1是二级和一级小波分解的细节分量。由于小波分解的近似分量是信号的低频局部，往往是最重要的，水印嵌入在这局部可以增强水印的稳健性。因此

11、，提取这局部小波系数来进行下一步的变换。 5）特征区的检测：因为离散余弦变换的中低频系数集中了信号的大局部特征，同时也是数值较大的局部，所以将水印信号嵌入在此，一是水印的嵌入对其影响不大；二是水印的稳健性也会加强。因此，通过排序将满足水印长度的最大的离散余弦系数作为嵌入水印的特征点。设这些点所组成的序列为 Ck =MAX（CL），0kK 6）水印信号的嵌入：这里通过修改系数来进行水印的嵌入,设C*为嵌入水印后的音频信号 （0kK） 这里的是大于0的比例因子，通过调节它的大小，在具有听觉不可见性的同时，保证所嵌入的水印信息强度足够大，便于水印信息的正确提取。在此期间其他的离散余弦系数值不变。 7

12、）离散小波逆变换：以C*代替5式的cA3作离散小波变换，得到嵌入水印后的小波变换域的表示式为DL=C* cD3 cD2 将其倒置AL=D将AL代替AL最终得到含有水印的音频信号Aw =AH + AL最后将其输出。 水印提取1）读取嵌入水印的音频信号。对信号进行三级小波分解，再次提取其低频分量ca31和其他主要分量cd31、cd21、cd11。2）读取原音频信号，对进行一级小波分解，读取低频分量ca3。3）对低频分量ca31和ca3进行分段，使用嵌入算法中分段的方式，找到水印嵌入的数据点。使用嵌入水印音频信号的低频分量减去元信号低频分量，即可得到，原水印信号c3。c3 = ca31 ca33 代

13、码编写 主要代码 三级小波分解 c,l=wavedec（y,3,db4）; %3级小波分解，低频又叫近似，高频又叫细节ca3=appcoef（c,l,3, %提取3级小波分解的最低频局部cd3=detcoef（c,l,3）; %提取3级小波分解的次低频部份cd2=detcoef（c,l,2）;cd1=detcoef（c,l,1）;分析：这段为小波分解过程，对原始音频信号进行三重小波分解，提取其第三级低频分量ca3和一些主要分量cd3、cd2、cd1。并保存到重构时候使用。3.1.2 原始音频频谱分析fs=8000; %声卡默认采样频率为8000Hzkk.wave,fs,bits= wavrea

14、d（c.wav） %采样率fs，采样精度bits xmax=max（abs（kk.wave）; %计算最大幅度xmin=min（abs（kk.wave）; %计算最小幅度l1=size（kk.wave）; %计算出总长度l1，便于FFT分析频谱t=（0:length（kk.wave）-1）/fs;sound（kk.wave,fs）; %回放监听y1=fft（kk.wave,fs）; %对信号做FFT变换f=fs*（0:900）/fs; %采样这段为原始语音信号的读入，以及实现它的时域波形和频域波形，作FFT时域频谱分析。3.1.3 水印信号频谱分析mark.wave,fs,nbits= wav

15、read（d.wav） %采样率fs，采样精度bitssymax=max（abs（mark.wave）;symin=min（abs（mark.wave）;l2=size（mark.wave）; %计算出总长度l2，便于FFT分析频谱length（mark.wave）-1）/fs;sound（mark.wave,fs）;syfft=fft（mark.wave,fs）;这段为原始水印信号的读入，以及实现它的时域波形和频域波形，作FFT时域频谱分析。3.1.4 嵌入水印randn（seed,10）; %产生随机高斯序列lz=randn（1,lx）;ss=lz;q=0.2; %设置水印嵌入强度rr=s

16、s*q;x（i）=x（i）.*（1+2*rr %嵌入水印c1=x,cd3,cd2,cd1; %小波s1=waverec（c1,l,file1=已加水印.wav;dd=length（s1）;ee=reshape（s1,dd/2,2）;wavwrite（ee,fs,bits,file1）;这段首先产生随机的高斯序列，将水印信号分别加到分好段的原始音频信号中。最后乘以一个系数q这里我们设置为0.2，系数q为水印嵌入强度，可以自由设置，最后生成参加了水印后的音频。3.1.5 参加白噪fz=sum（y.*y）; %计算嵌入了水印的信号的信噪比%fm=sum（y-yc）.*（y-yc）;%SNR=-10*

17、log（fm/fz）yyy=randn（1,dd）; %参加白噪声 b=sqrt（0.01）;yyy=b*yyy;s1=s1+yyy;file2=已加白噪.wavee1=reshape（s1,dd/2,2）;wavwrite（ee1,fs,bits,file2）;kk.wave = wavread（ %读入声音文件yr=kk.wave;cr,lr=wavedec（yr,3,car3=appcoef（cr,lr,3）;cdr3=detcoef（cr,lr,3）;cdr2=detcoef（cr,lr,2）;cdr1=detcoef（cr,lr,1）;xr=car3;这段是在原课程设计要求的根本上添

18、加的一个功能，参加白噪声，并将已加白噪的音频进行了过滤，生成去除了白噪声后的含水印信号的原始音频频谱。3.1.6 水印之差 rr1=reshape（rrr,1,lx）;syc=rr1-rr;plot（syc）; %画出水印差异图%axis（0 16e3 -1 1）;rrr=（xr（i）./x1（i）-1）/2;d=length（rr）;x=0;y=0;z=0;for i=1:d x=x+rr（i）*rrr（i）; y=y+rr（i）2; z=z+rrr（i）2; endp=x/（y0.5）*（z0.5） %计算相关度这段为完成了前面的嵌入水印和参加噪声后，通过相关度的计算，做的一个关于参加水印

19、前和参加水印后音频信号差异的频谱分析。 程序调试 本次语音信号水印技术系统设计程序代码相对较少，但是计算比拟复杂。在原理弄懂之后，调试还是比拟简单的。试调中碰到最多的问题是数据维数不对称，导致水印信号不能嵌入。因为我们设计的算法使用的是一维数组，可以进行简单的行列转换即可解决。但由于设计之初算法只能满足一些数据量较小的音频数据，对于数据量大的音频数据会出现无法计算的情况，即便可以计算，时间相当之长。这只能不断提高算法的效率性和方便性，这我们会在将来的学习中不断改良。 程序运行与测试3.3.1 三级小波分解图3-1 三级小波分解波形图 原始音频频谱图3-2 原始语音信号波形与频谱图3.3.3 原

20、始水印频谱图3-3 原始水印信号波形与频谱图3.3.4 嵌入水印信号图3-4 参加水印后语音信号波形图3.3.5 去噪提取水印图3-5 参加白噪声后提取水印的波形图3.3.6 水印之差图3-6 水印之差波形图通过嵌入水印后波形图与原音频波形图比拟，我们可以看到嵌入水印的波形变化较小，具有较好的水印隐藏性。结 论本次课程设计我主要设计语音信号数字水印的嵌入和提取。相对于其他设计题目，音频水印的嵌入与提取难度相对较大，并且借鉴的例子也很少，我和选择相同设计题目的同学通过了大量的学习和不断的讨论，最终将一个稳定性、鲁棒性、透明性都相对良好的算法给确定了下来，并且完成了音频水印的嵌入和提取。在此根底上

21、还添加了噪声和去噪等功能。在设计之初，我认为要设计一个水印系统满足以设计要求是很困难的。有些性质如鲁棒性、透明性和数据容量之间是相互矛盾的，因此，在这些要求中寻找最正确平衡是水印系统设计的目标。并且在没有先例的情况下，我借鉴了一些图像水印嵌入的方法，试图将其代码变为音频所用。事实证明这并不可取，图像水印可以二值转换，数据处理量瞬间减少很多。音频信号数据量巨大，假设要硬性相加，可能出现过失，并且占用数据空间巨大，计算困难。但是图像水印的嵌入思想我可以借鉴，即基于小波分解的方法嵌入水印信号。小波分解的方法可以提取低频分量，将水印信号嵌入其低频分量，并保持较多的原始音频信息，比拟适宜水印的要求。这使

22、得我们很快进入算法设计，在未清楚相应算法的情况下我和同学讨论后提出原音频信号与水印信号相加的想法。将原音频信号进行小波分解，提取第三级低频分量，直接与水印信号相加。但是我们发现嵌入水印的音频信号还保存了不少水印信号的声音，波形变化也比拟大，不能满足较好的鲁棒性，不能较好的满足水印设计的要求。在完成初步的水印嵌入后，我们并不满足于简单的相加算法。之后的大量是间，我都在和同学讨论新的算法分段相加法。这个方法来源于小波分解，小波分解是将上下频率的信号进行分解，而我们是将时域上的信号进行分段。这个算法由我和同学自主研究，在结合了一些图像水印嵌入和小波分解的思想后，我们终于完成该算法，并顺利应用在信息量

23、适中的音频信号中，水印嵌入效果良好，嵌入水印音频中水印信号声音几乎不可闻，具有较好的鲁棒性和透明性。并且防止了之前提到的维度不同无法相加的情况，因为我们一直是在一维数组的情况下对信息分段，不会出现多维情况。但实验结束后，我们对该算法仍然保有疑心态度。该算法虽然采用较先进的思想，但是计算上还是比拟传统。计算数据量有所提高，但是并不能满足所有的音频信号。最后通过大量的课外学习，我和同学大胆提出量化的方法，量化的方式是将某段区间内接近1或0的数据向1或0靠拢，最后将他们分别合并到一个区间，最后只剩下1和0的区间，这使得计算量大量减少，并且计算出错率大幅减少。但是该算法及其复杂，我们在短时间内并不能将

24、其完善，只是提出一个框架，并设计了一些量化的步骤和方式。由于时间原因，我们未能将采用量化思想的算法完成，对此我感到比拟遗憾。但是在今后的学习中，量化的思想可以应用于较多的数字信息处理当中，这为我今后的学习提供了先进的方法。本次课程设计，我能按照设计要求和目的，较好的完成任务。并且在多少情况下，具有自主研究的心态，并且感觉良好。也参与了较多个讨论，体会到了团队合作的快乐。在快乐的学习环境下完成了本次课程设计。并且对将来的数字信号处理学习奠定了良好的根底和浓厚的兴趣。致 谢感谢给我这次锻炼的时机。感谢我的老师，严谨细致、一丝不苟的作风一直是我学习的典范；循循善诱的教导和不拘一格的思路给予我无尽的启

25、迪。老师屡次询问研究进程，并为我指点迷津，帮助我开拓研究思路，精心点拨、热忱鼓励。无论是在程序的编写，还是在系统界面的设计上，我都得到了老师悉心细致的教诲和无私的帮助。屡次为我指点迷津，帮助我开拓研究思路，精心点拨、热忱鼓励。渊博的专业知识，严谨的治学态度，精益求精的工作作风，诲人不倦的高尚师德，严以律己、宽以待人的崇高风范，朴实无华、平易近人的人格魅力对我影响深远。不仅使我树立了远大的学术目标、掌握了根本的研究方法，还使我明白了许多待人接物与为人处世的道理。在此，谨向指导老师们表示崇高的敬意和衷心的感谢！同时也要表达对淮阴工学院计算机工程学院实验室的工作人员表达我真挚的谢意，他们为我们提供良

26、好的学习环境，为此次我们课程设计提供了很大的方便，再次对他们辛勤的工作表示感谢！ 在课程设计过程中，也得到了许多同学的珍贵建议和真诚的帮助，在此也对他们表示真诚的感谢！在这里我要对我的老师以及我的同学真挚的说一声：“谢谢！ 没有你们的帮助，我可能要花费更多的时间与精力来完成这次课程设计，最后，对给过我帮助的所有同学和各位指导老师再次表示衷心的感谢！参 考 文 献1丁玉美，高西全.数字信号处理.3版.西安：西安电子科技大学出版社，2理论、算法与实现.北京：清华大学出版社，19983A.V.奥本海姆，等. 刘树裳，译.西安：西安交通大学出版社，4米特拉，等.余翔宇，译.数字信号处理:基于计算机的方法（第4版）.北京：电子工业出版社，5黎洪松，陈冬梅.数字视频与音频处理.北京：清华大学出版社.6何子述.现代数字信号处理及其应用.北京：清华大学出版社