【正文】 （2）讓測(cè)試者聽取音頻信號(hào)X，X是音頻信號(hào)A、B中的任意一個(gè)。表21 MOS評(píng)分標(biāo)準(zhǔn)Table 21 Grading standard of MOS得分質(zhì)量級(jí)別（MOS）失真級(jí)別（DMOS）5優(yōu)（excellent）無察覺4良（good）剛有察覺3中（fair）有察覺，稍微令人討厭2差（poor）明顯覺察，令人討厭，但可忍受1劣（bad）不可忍受（2）ABX測(cè)試方法ABX測(cè)試用來測(cè)試編碼器和解碼器分別在編碼和解碼過程中引進(jìn)來的噪聲對(duì)于測(cè)試者來說是否是不可感知的，也就是用來測(cè)試音頻編解碼能不能提供“透明的”質(zhì)量。測(cè)試者人數(shù)要求足夠多，所測(cè)試的音頻也要求足夠豐富。（1）五級(jí)平均意見打分五級(jí)平均意見打分(Mean Opinion Scores，MOS)是一種絕對(duì)等級(jí)的打分方法，一般用它來評(píng)價(jià)被編解碼器處理后音頻信號(hào)的質(zhì)量。1．主觀評(píng)價(jià)可以說主觀評(píng)價(jià)標(biāo)準(zhǔn)是最可靠也是最有效的評(píng)價(jià)標(biāo)準(zhǔn)，因?yàn)榍度胨『蟮囊纛l信號(hào)的最終接收者是人，人的主觀感受對(duì)于評(píng)價(jià)算法的性能有一定的參考價(jià)值。所以在設(shè)計(jì)水印算法時(shí)，要對(duì)這三者綜合考慮，在它們之間尋求一個(gè)恰當(dāng)?shù)钠胶?。一般來說，水印嵌入量越多，魯棒性越好，但同時(shí)水印的感知透明性就越差。數(shù)字音頻水印的主要性能指標(biāo)包括[38]：感知透明性、安全性、嵌入量和魯棒性。英國劍橋大學(xué)計(jì)算機(jī)實(shí)驗(yàn)室安全組的研究人員提出了MP3Stego[37]技術(shù)，該技術(shù)主要針對(duì)MP3壓縮音頻。Siebenhaar等[36]提出了一種壓縮域水印系統(tǒng)方案，該方案輸入的是沒有經(jīng)過壓縮的音頻信號(hào)，輸出的是已經(jīng)嵌入水印的音頻的比特流。任何解壓縮/再壓縮的處理都可以很容易地破壞或者去除水印，魯棒性不是很好。目前，壓縮域音頻水印算法嵌入水印的方式主要有三類：（1）嵌入水印前，先對(duì)音頻信號(hào)進(jìn)行預(yù)處理，即把音頻文件解壓縮，在音頻信號(hào)的壓縮域中嵌入水印信息，最后再把已經(jīng)嵌入水印的音頻內(nèi)容進(jìn)行重新壓縮，得到壓縮格式的含水印的音頻文件。該方法先利用小波變換對(duì)原始音頻信號(hào)實(shí)施小波分解（級(jí)小波分解），對(duì)于前級(jí)的粗糙分量不作任何處理，然后通過處理第級(jí)的精細(xì)分量來嵌入水印。（5）離散小波變換域（DWT）算法小波變換具有良好的時(shí)頻局部特性，利用小波變換在音頻信號(hào)中嵌入水印，可以獲得較好的魯棒性，含水印音頻信號(hào)能夠在一定程度上抵抗攻擊。文獻(xiàn)[33]中，王秋生等提出了一種離散余弦變換的音頻水印算法。在文獻(xiàn)[31]中，Tilki和Beex利用短時(shí)傅里葉變換，通過修改相位來嵌入一個(gè)隱藏的附加信道。（3）離散傅里葉變換域（DFT）算法Tilki和Beex提出了一種離散傅里葉變換域音頻水印算法[30]，該方法先對(duì)音頻信號(hào)實(shí)施離散傅里葉變換，然后選擇中頻段變換系數(shù)（～）來嵌入水印信息，用表示水印序列的頻譜分量替換相應(yīng)的離散傅里葉系數(shù)。（2）相位水印算法Bender W等人在1996年提出了相位水印算法[28]，它利用人耳聽覺系統(tǒng)對(duì)絕對(duì)相位不敏感，而對(duì)相對(duì)相位敏感的特性，用代表水印信息的參考相位來替換原始音頻段的絕對(duì)相位，然后調(diào)整其它的音頻段，這樣就可以使各音頻段之間的相對(duì)相位保持不變。還有，為了更方便地對(duì)信息流進(jìn)行編碼[1]，基本的頻譜擴(kuò)展技術(shù)一般會(huì)把編碼數(shù)據(jù)分散到比較多的頻譜中去。回聲隱藏算法的感知透明性較好，具有一定的魯棒性，但第三方可以用檢測(cè)回聲的方法把水印檢測(cè)出來。在該算法中，編碼器先把載體數(shù)據(jù)延遲一定的時(shí)間，然后疊加到原始的載體數(shù)據(jù)上來產(chǎn)生回聲。在實(shí)際應(yīng)用中，LSB方法只能用于一些魯棒性較低的場(chǎng)合。這種方法的優(yōu)點(diǎn)是：秘密數(shù)據(jù)嵌入和提取算法簡單，速度快；音頻信號(hào)里可編碼的數(shù)據(jù)量大。該方法是用代表秘密數(shù)據(jù)的二進(jìn)制位來替換音頻信號(hào)的采樣值的最不重要位（一般為最低位），以達(dá)到在音頻信號(hào)中嵌入秘密數(shù)據(jù)的目的，提取水印時(shí)只要把相應(yīng)的最低位取出來，就能恢復(fù)出嵌入的秘密信息。（1）最不重要位(LSB)算法LSB(Least Significant Bit，最不重要位)[28]算法是由Bender W等人在1996年提出的，是一種最簡單的水印算法。缺點(diǎn)是計(jì)算量太大；壓縮域音頻水印算法是直接把水印信號(hào)添加在經(jīng)過壓縮編碼的音頻信號(hào)中，輸出的是含水印的壓縮編碼的音頻信號(hào)，它能夠有效地避免壓縮算法編解碼的復(fù)雜過程。時(shí)域音頻數(shù)字水印算法把水印信息直接嵌入到原始音頻信號(hào)的采樣點(diǎn)幅值上，該類算法比較容易實(shí)現(xiàn)，而且快速，嵌入的信息量較大，但對(duì)常規(guī)數(shù)字信號(hào)處理的魯棒性普遍較低；變換域音頻水印算法先對(duì)原始音頻信號(hào)實(shí)施某種變換運(yùn)算(如DCT變換、DFT變換、DWT變換等)，然后根據(jù)人類聽覺系統(tǒng)特性，通過修改某些變換系數(shù)的方式來嵌入水印信息。針對(duì)不同的應(yīng)用場(chǎng)合，音頻水印算法需要抵抗的信號(hào)處理或者惡意攻擊的要求也不盡相同。下面列舉常見的攻擊手段和信號(hào)處理方法：（1）濾波：濾波器增加或?yàn)V除選定部分的頻譜，主要的攻擊手段是低通濾波；（2）添加噪聲：在嵌入水印的音頻文件中加入白噪聲或者有色噪聲；（3）時(shí)域重采樣：改變音頻信號(hào)的采樣頻率，對(duì)信號(hào)進(jìn)行下采樣和上采樣； （4）剪切：剪切掉含水印音頻的一小部分，并不會(huì)影響音頻的質(zhì)量，這對(duì)于要求同步性的水印來說是一個(gè)有效的攻擊；（5）時(shí)域拉伸：延長或者縮短音頻信號(hào)的持續(xù)時(shí)間。盡管常見的信號(hào)處理操作不是一種攻擊，但它也會(huì)對(duì)水印信息造成一定程度的破壞。音頻數(shù)字水印的攻擊有主動(dòng)攻擊和被動(dòng)攻擊，主動(dòng)攻擊主要是為了篡改或破壞水印，音頻文件遭受主動(dòng)攻擊后，即使合法用戶也不能正確讀取水印信息；被動(dòng)攻擊嘗試破解數(shù)字水印算法，難度要大得多。數(shù)字水印技術(shù)是通過檢驗(yàn)提取出的水印的完整性來檢驗(yàn)數(shù)字作品內(nèi)容的完整性的，先用嵌入水印時(shí)所設(shè)定的唯一的密鑰把水印提取出來，然后再檢驗(yàn)數(shù)字作品內(nèi)容的完整性。雖然傳統(tǒng)的數(shù)字簽名技術(shù)也可以用來進(jìn)行數(shù)字作品的認(rèn)證，但驗(yàn)證時(shí)需要將原始簽名和所驗(yàn)證的作品一同傳送，一旦簽名丟失，數(shù)字作品便無法進(jìn)行認(rèn)證。在播放含有水印的多媒體數(shù)據(jù)時(shí)，監(jiān)控設(shè)備會(huì)利用水印信息來自動(dòng)監(jiān)控這些媒體的相關(guān)信息如播放的時(shí)間、次數(shù)等。作品所有者發(fā)現(xiàn)沒有經(jīng)過授權(quán)的拷貝時(shí)，就可以借助檢索指紋來追蹤該拷貝的出處。(3)數(shù)字指紋數(shù)字指紋通常被用于進(jìn)行盜版跟蹤，它可以有效地避免合法用戶對(duì)數(shù)字產(chǎn)品進(jìn)行非法的復(fù)制和傳播甚至非法牟取暴利。水印用來提供更多有關(guān)數(shù)字作品內(nèi)容的信息，如一首歌曲的作曲者、演唱者等。需要注意的是，該應(yīng)用要求水印具有較好的感知透明性、安全性和魯棒性。音頻數(shù)字水印技術(shù)的應(yīng)用非常廣泛，總的來說主要有如下幾個(gè)方面 [13][14]：(1)版權(quán)保護(hù)數(shù)字音頻作品的所有者為了表明其對(duì)作品內(nèi)容的所有權(quán)，采用音頻數(shù)字水印技術(shù)將具有特定意義的水印嵌入到原始音頻數(shù)據(jù)中，接著公開自己的音頻作品。通常情況下，要求檢測(cè)器的復(fù)雜性要低于嵌入器的復(fù)雜性。水印技術(shù)運(yùn)用到隱密通信中時(shí)，對(duì)信息容量的要求就相當(dāng)高了。（4）數(shù)據(jù)容量數(shù)據(jù)容量也稱為嵌入率、加載率，是指在一個(gè)數(shù)字作品中最多可以嵌入的水印比特?cái)?shù)。（3）安全性安全性主要指水印抵抗惡意攻擊的能力。這些操作都不是惡意的，惡意的攻擊主要有未經(jīng)授權(quán)的刪除、未經(jīng)授權(quán)的嵌入和未經(jīng)授權(quán)的檢測(cè)。（2）魯棒性數(shù)字水印的魯棒性是指數(shù)字作品在受到各種信號(hào)處理操作或攻擊后，水印系統(tǒng)仍然能夠檢測(cè)到水印的能力。音頻數(shù)字水印系統(tǒng)的要求[20]主要包括對(duì)魯棒性、感知透明性、安全性以及對(duì)載荷(容量)和計(jì)算復(fù)雜性的要求。水印相似度檢驗(yàn)的公式為： () 其中，代表水印信號(hào)和檢測(cè)信號(hào)的相似度，代表估計(jì)水印，代表原始水印。原始水印（）/原始音頻（）含水印音頻數(shù)據(jù)（）私鑰/公鑰（）估計(jì)水?。ǎ?相似度檢測(cè)()水印檢測(cè)算法圖23水印檢測(cè)的基本框架Figure 23 Basic framework of the watermark detection由圖23定義水印檢測(cè)過程的公式：① 需要原始音頻數(shù)據(jù)時(shí)： () ② 需要原始水印時(shí)： ()③ 不需要原始音頻數(shù)據(jù)時(shí)： ()其中，代表要估計(jì)的水印，代表遭受到攻擊后的含水印的音頻數(shù)據(jù)，是所采用的水印檢測(cè)算法。在嵌入水印前，通常都會(huì)采用水印預(yù)處理算法對(duì)水印信息進(jìn)行處理，以提高水印的安全性。原始水印()水印預(yù)處理算法()原始音頻數(shù)據(jù)（）嵌入水印后的音頻（）水印嵌入算法私鑰/公鑰（）圖22水印嵌入的基本框架Figure 22 Basic framework of the watermark embedding把原始音頻數(shù)據(jù)、要嵌入的水印信息和一個(gè)可選的私鑰/公鑰作為這個(gè)系統(tǒng)的輸入，嵌入水印后，該系統(tǒng)輸出的是含水印的音頻信號(hào)。從數(shù)字通信的角度來講，可以把音頻數(shù)字水印技術(shù)理解為用擴(kuò)頻等通信技術(shù)把一個(gè)窄帶信號(hào)（水?。┓旁谠谝粋€(gè)寬帶信道（載體）上傳輸；從信號(hào)處理的角度來講[17]，可以把音頻數(shù)字水印技術(shù)看作是把一個(gè)作為水印信息的弱信號(hào)疊加到原始音頻載體的強(qiáng)背景上。音頻數(shù)字水印技術(shù)就是在音頻中添加某些數(shù)字信息來保護(hù)數(shù)字媒體的版權(quán)，證明數(shù)字產(chǎn)品的真實(shí)可靠性。 （7）OggVorbis：OggVorbis是一種新的音頻壓縮格式，類似于MP3等現(xiàn)有的音頻格式。（6）WMA：WMA(Windows Media Audio)是微軟公司推出的與MP3格式齊名的一種新的音頻格式。（5）RealMedia：RealMedia是Real Networks公司為了解決網(wǎng)絡(luò)傳輸帶寬資源有限的問題而提出的一種支持網(wǎng)絡(luò)流媒體的多媒體格式。MIDI 傳輸?shù)牟皇锹曇粜盘?hào)，而是音符、控制參數(shù)等指令，它指示MIDI設(shè)備要做什么，怎么做，如演奏哪個(gè)音符，多大音量等。（4）MIDI：（Musical Instrument Digital Interface，MIDI）是樂器數(shù)字接口，是上世紀(jì)80 年代初提出的，用來解決電聲樂器之間的通信問題。MP3格式音頻體積小，音質(zhì)高，一分鐘CD音質(zhì)的音樂經(jīng)過MP3壓縮編碼后只需要大約1MB的存儲(chǔ)空間，而沒有壓縮時(shí)需要10MB左右的存儲(chǔ)空間。MP3所屬的MPEG1標(biāo)準(zhǔn)的部分對(duì)應(yīng)于ISO/IEC 11172－3標(biāo)準(zhǔn)[16]。只要有足夠高的采樣頻率和量化精度，采用WAV格式記錄的聲音和原始聲音幾乎沒什么差別，質(zhì)量比較高。我們常見的Audio CD采用的就是PCM編碼，一張光盤的容量只能容納72分鐘的音樂信息。下面簡單介紹幾種目前比較流行的編碼格式：（1）PCM編碼：脈沖編碼調(diào)制（Pulse Code Modulation，PCM）是對(duì)信號(hào)進(jìn)行采樣和量化時(shí)，將所得到的量化值序列進(jìn)行編碼，變換為數(shù)字信號(hào)的調(diào)制過程。樣本量化位數(shù)的多少影響到音頻信號(hào)的質(zhì)量，量化位數(shù)越少，音頻的質(zhì)量就越差，需要的存儲(chǔ)空間就越小；量化位數(shù)越多，音頻的質(zhì)量就越高，但需要的存儲(chǔ)空間就越大。通常，音頻信號(hào)的樣本量化位數(shù)有8位和16位。量化時(shí)，把整個(gè)幅度劃分為幾個(gè)量化級(jí)，將落入同一級(jí)的樣本值歸為一類，并給定一個(gè)量化值。信號(hào)連續(xù)幅度的離散化是通過量化來實(shí)現(xiàn)的。音頻信號(hào)的采樣頻率會(huì)影響水印信息的嵌入量。采樣指的是在一些特定的時(shí)間點(diǎn)測(cè)量模擬信號(hào)，每次采樣都會(huì)相隔相等的一小段時(shí)間，把這種方式的采樣稱為均勻采樣，兩個(gè)采樣點(diǎn)之間的間隔稱為采樣周期，采樣頻率是采樣周期的倒數(shù)。音頻信號(hào)的數(shù)字化有兩個(gè)重要的參數(shù)：量化精度和采樣頻率。隨著計(jì)算機(jī)的普及和科學(xué)技術(shù)的不斷發(fā)展，采用現(xiàn)代化的信息技術(shù)手段處理音頻信號(hào)已經(jīng)成為一種有效的手段，但是計(jì)算機(jī)只能處理在時(shí)間和幅度上都是有限的數(shù)字信號(hào)，它不能處理模擬信號(hào)，所以要使用計(jì)算機(jī)來處理音頻信號(hào)就要先對(duì)音頻信號(hào)進(jìn)行數(shù)字化。自然界中的音頻信號(hào)是幅度隨時(shí)間而變化的一維連續(xù)信號(hào)，不僅在幅度上是連續(xù)的，而且在時(shí)間上也是連續(xù)的，一般稱為模擬信號(hào)。目前出現(xiàn)的大多數(shù)音頻數(shù)字水印算法都直接或間接地利用人耳掩蔽特性來保證嵌入隱秘?cái)?shù)據(jù)的感知透明性 [13]，在音頻中嵌入的隱秘信息必須適應(yīng)并且依靠于原始音頻信號(hào)，而且原始音頻信號(hào)的時(shí)域和頻域掩蔽特性決定水印的時(shí)域和頻域的分布。人耳的這種超前掩蔽、滯后掩蔽的特性為音頻中嵌入水印提供了很大的方便。異時(shí)掩蔽是一種比較弱的掩蔽效應(yīng)，并且隨著時(shí)間的推移而迅速衰減。如果掩蔽音出現(xiàn)在被掩蔽音的后面，就稱為超前掩蔽。時(shí)域掩蔽[12]，又被稱為異時(shí)掩蔽，指的是掩蔽音和被掩蔽音不同時(shí)出現(xiàn)時(shí)發(fā)生的掩蔽效應(yīng)。通常情況下，頻域中的弱音會(huì)被其附近的強(qiáng)音掩蔽，弱音和強(qiáng)音之間的距離越小，就越容易被掩蔽。頻域掩蔽[11]，又被稱為同時(shí)掩蔽，指的是掩蔽效應(yīng)發(fā)生在掩蔽音和被掩蔽音共同發(fā)生作用的情況下，是一種較強(qiáng)的掩蔽效應(yīng)。在800Hz~1500Hz范圍內(nèi)絕對(duì)聞閾值受頻率變化的影響最不明顯，也就是說在這個(gè)范圍內(nèi)語言可儲(chǔ)度最高。被掩蔽音單獨(dú)存在時(shí)的聽閾分貝值，或者說在安靜環(huán)境中能被人耳聽到的純音的最小值稱為絕對(duì)聞閾值。一個(gè)較弱的聲音的聽覺感受被另一個(gè)較強(qiáng)的聲音所影響的現(xiàn)象稱為人耳的“掩蔽效應(yīng)”。人的聽覺系統(tǒng)一般能感受到聲壓級(jí)在0dB以上的聲音的存在，但對(duì)于聲壓級(jí)在120dB以上的聲音，人耳會(huì)明顯的感覺到不舒服，當(dāng)聲音的聲壓級(jí)大于130dB時(shí)，人耳就會(huì)有疼痛感。人耳的聽覺過程是一個(gè)很復(fù)雜的生理過程，并不是所有的聲音都能被人耳聽到，這主要是由人耳對(duì)頻率的感知范圍和人耳對(duì)聲音強(qiáng)度的感知范圍決定的。1緒論音頻數(shù)字水印技術(shù)2音頻數(shù)字水印技術(shù)在音頻信號(hào)中嵌入秘密信息（即水?。┮话愣家Y(jié)合人類聽覺系統(tǒng)(Human Auditory System，HAS)的某些特性[8][9]，即人的聽覺生理——心理特性，來滿足嵌入水印