文档介绍：第十三章音频水印

DCT域分段自适应音频水印算法实例

互联网技术的迅速发展和音频压缩技术的日益成熟使得以MP3为代表的网络音乐在互联网上广泛传播。但是,肆无忌惮的复制和传播盗版音乐制品使得艺术作品的作者和发行者的利益受到极大损害。在这种背景下,能够有效地实行版权保护的音频数字水印(Digital Audio Watermarking)技术变得越来越重要,已成为一个十分热门的研究领域。
数字音频水印技术将具有特定意义的信息嵌入到原始音频中而不显著地影响其质量。根据不同的应用,嵌入的水印数据可以是版权信息、序列号、文本(如音乐或艺术家的名字)、一个小的图像甚至是一小段音频。水印隐藏在宿主音频数据中通常不为人所感知,此外还必须能够抵抗常规音频信号处理以及某些恶意的攻击。
一个好的音频水印算法应该具备如下性质:
(1) 水印必须嵌入到宿主音频数据中,否则很容易被修改或除去。
(2) 水印必须具有感知透明性,即不能对原始音频的质量产生明显的影响。
(3) 为保证水印的安全性,一般在嵌入过程和检测过程中要使用密钥。
(4) 水印应该对 MP3 有损压缩、低通滤波、噪声、重采样等音频信号处理具有鲁棒性。
(5) 嵌入和检测的计算代价要足够小以进行实时处理。
(6) 在大多数情形下,水印检测不应该需要原始音频,即进行盲检测,因为寻找原始音频是十分困难的。
(7) 水印算法最好是公开的,即安全性应依赖于密钥的选择而不是对算法进行保密。
设计一个水印系统满足以上全部要求是很困难的。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佳平衡是水印系统设计的目标。

在音频中加入水印,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。
(HAS-Human Auditory System)
人耳的机理相当复杂,它就像一个频率分析仪,能够探测到从10Hz至20000Hz的声音。描述人类听觉系统的感知特性一般从下面三个方面来分析:响度、音高和掩蔽效应。
(1) 对响度的感知
声音的响度即声音的强弱。在物理上,声音的响度使用客观测量单位来度量,即声压单位(达因/平方厘米)或声强单位(瓦特/平方厘米)。在心理上,主观感觉的声音强弱使用响度级“方(phon)”或“宋(sone)”来度量。这两种感知声音强弱的计量单位是完全不同的两个概念,但它们之间又有一定的联系。
当声音弱到人耳刚刚可以听见时,称此时的声音强度为“听阈”。例如,1KHz纯音的声强达到时,人耳刚能听见,此时的客观响度级定义为零dB声强级,而主观响度级定义为零方。另一种极端的情况是声音强到是人耳感到疼痛,我们称这个阈值为“痛阈”。例如,当频率为1KHz的纯音声强达到120dB左右时,人耳感到疼痛,此时主观响度级为120方。实验表明,“听阈”和“痛阈”都随频率变化。。图中最上面的一条曲线是“痛阈”随频率变化的曲线,最下面的一条曲线是“听阈”随频率变化的曲线,这两条曲线之间的区域就是人耳的听觉范围。,1KHz的10dB的声音和200Hz的30dB的声音,在人耳听起来具有相同的响度。
人耳对响度的感知随频率变化的曲线
(2) 对音高的感知
客观上用频率来表示声音的音高,单位为Hz。而主观感觉的音高单位则是“(美)”。它们也是两个不同又有联系的概念。主观音高与客观音高的关系可用下式表示。
人耳对响度的感知有一个从听阈到痛阈的范围,对频率同样也有一个感知范围。人耳可以听见的最低频率约为20Hz,最高频率约为18000Hz。。
“音高-频率”曲线
(3) 掩蔽效应
一种频率的声音阻碍听觉系统感受另一种频率的声音,这种现象称为听觉掩蔽效应。前者称为掩蔽声音,后者称为被掩蔽声音。听觉掩蔽取决于屏蔽声音与被掩蔽声音的幅值与时域特性,可分为频域掩蔽和时域掩蔽。
频域掩蔽是指听觉信号中,若两个信号的频率相近,那么较强的信号将淹没较弱的信号。实验证明低频信号可以有效地掩蔽高频信号,但高频信号对低频信号的掩蔽作用不明显。在当代高质量声音编码技术中就使用了频率掩蔽模型。
时域掩蔽比较直观,它是指强音和弱音同时或几乎同时出现时,强音屏蔽弱音的现象。