李 佳，馬建芬+，張朝霞

(1.太原理工大學(xué) 信息與計(jì)算機(jī)學(xué)院，山西 晉中 030600； 2.太原理工大學(xué) 物理與光電工程學(xué)院，山西 晉中 030600)

0 引 言

數(shù)字音頻水印技術(shù)可以解決音頻的版權(quán)保護(hù)問題。根據(jù)在嵌入過程中對(duì)原始音頻不同的處理方式，水印算法可分為時(shí)域和頻域兩大類[1]?；跁r(shí)域的音頻水印算法是在時(shí)間域修改信號(hào)樣本達(dá)到嵌入水印的目的。基于頻域的音頻水印算法是利用人類的視覺和聽覺特性，將音頻信號(hào)在頻域內(nèi)進(jìn)行處理，使用離散小波變換(DWT)[2,3]和DCT[3-7]居多，但是大多數(shù)變換不能保證信號(hào)的平移不變性。Aniruddha Kanhe等[5]提出一種基于DCT-SVD的音頻水印技術(shù)，將所有低頻高能幀的DCT系數(shù)以矩陣形式排列，并對(duì)這些矩陣進(jìn)行奇異值分解(SVD)，分解后得到奇異矩陣，將水印嵌入在這些奇異矩陣的非對(duì)角元素中。實(shí)驗(yàn)結(jié)果表明，該算法對(duì)常見攻擊具有較強(qiáng)的魯棒性，但并未給出對(duì)于同步攻擊的效果。A R Elshazly等[6]提出一種基于同步攻擊的DWT-SVD-QIM的音頻水印技術(shù)。對(duì)每幀音頻的DWT系數(shù)進(jìn)行SVD處理，利用量化指數(shù)調(diào)制(QIM)將同步碼和水印嵌入到奇異矩陣中。實(shí)驗(yàn)結(jié)果表明，該算法具有很強(qiáng)的魯棒性，但導(dǎo)致了不可感知性，且有效載荷沒有明顯提高。有些算法[6,7]不會(huì)對(duì)原始圖像(水印信息)進(jìn)行加密處理，有些則是利用傳統(tǒng)圖像置亂技術(shù)[8,9]等對(duì)原始圖像預(yù)處理，均是將原始圖像的完整信息嵌入到原始音頻中，很容易被篡改或偽造，安全性較差。

為了有效解決上訴問題，本文提出的算法利用了Shamir的秘密分享方案對(duì)水印信息進(jìn)行處理；在頻域內(nèi)，利用SWT平移不變性，將水印嵌入根據(jù)水印特征產(chǎn)生的哈希碼選定的濁音幀中。這樣既可以實(shí)現(xiàn)水印信息的高安全性，也可以有效解決不可感知性，以及魯棒性和有效載荷的權(quán)衡問題。

1 理論基礎(chǔ)

1.1 Shamir的秘密分享方案

Shamir的(k,n)門限秘密分享方案[10]的基本思想是：首先將秘密信息R分解為n份無意義信息；然后，將n份無意義信息發(fā)放給n名參與者；最后，只要取其中任意k(k≤n) 份無意義信息就可以完全恢復(fù)秘密信息R。

定義一個(gè)k-1次多項(xiàng)式q(x)，如式(1)所示。對(duì)輸入值x1,x2,…,xn分別計(jì)算R1=q(x1),R2=q(x2),…,Rn=q(xn)， 產(chǎn)生n份無意義信息 (x1,R1),(x2,R2),…,(xn,Rn)， 任取k份無意義信息通過計(jì)算拉格朗日插值得到秘密信息R

q(x)=m0+m1x+m2x2+…+mk-1xk-1

(1)

式中：令m0=R。m1,m2,…,mk-1和n的取值范圍為[0,p)，p為素?cái)?shù)。

令原始圖像為秘密信息R，則Shamir的(k,n)門限秘密分享方案可描述為：將一張?jiān)紙D像分解成n張無意義圖像，任何其中一張均無法獨(dú)自恢復(fù)出原始圖像，只有把其中的任意k張聯(lián)合起來才能恢復(fù)出原始圖像。

1.2 區(qū)塊鏈技術(shù)

區(qū)塊鏈[11]是一種分布式數(shù)據(jù)庫，通過去中心化，去信任的方式，集體維護(hù)的一個(gè)可靠數(shù)據(jù)庫，區(qū)塊鏈對(duì)數(shù)據(jù)進(jìn)行管理時(shí)，具有不可偽造、全程留痕、可以追溯、公開透明和集體維護(hù)等特征，其安全性遠(yuǎn)高于中心化存儲(chǔ)。

孟昭雄等[11]提出了一種基于數(shù)字水印及其信息的版權(quán)管理系統(tǒng)的設(shè)計(jì)方案，其中利用區(qū)塊鏈技術(shù)安全存儲(chǔ)水印信息，將區(qū)塊鏈技術(shù)和數(shù)字水印技術(shù)結(jié)合起來，更有利于數(shù)字版權(quán)的保護(hù)。

所以在此啟發(fā)下，本文首先利用1.1節(jié)所提及的Shamir的秘密分享方案對(duì)原始水印信息進(jìn)行處理之后，得到的n份無意義信息可以進(jìn)行分別存儲(chǔ)，其中一份嵌入原始音頻當(dāng)中，剩余n-1份存儲(chǔ)于區(qū)塊鏈中，這樣可以大大提高水印信息的安全性。

1.3 平穩(wěn)小波變換

平穩(wěn)小波變換(SWT)[12]又稱小波多孔變換，是通過在濾波器各點(diǎn)間插入適當(dāng)數(shù)目的零點(diǎn)再做卷積而得到的。SWT的分解如圖1所示。

圖1 SWT分解

其中：x(z)是序列 {xt} 的z變換，根據(jù)z變換的等效易位性質(zhì)，h(z)是低通濾波器 {ht} 的z變換。g(z)是高通濾波器 {gt} 的z變換，j為分解級(jí)數(shù)。dj-1(z),dj-2(z),dj-3(z) 相當(dāng)于將xj(z) 中各采樣點(diǎn)處的小波變換全部計(jì)算出來。

和大家所熟知的DWT相比，SWT的優(yōu)勢(shì)在于對(duì)信號(hào)濾波后不進(jìn)行下采樣，能夠保證信號(hào)的冗余性與平移不變性。SWT在圖像水印技術(shù)中有廣泛的應(yīng)用[13,14]，但在音頻水印中應(yīng)用極少[15]。由于DCT具有強(qiáng)大的能量壓縮和去相關(guān)能力[5]，而經(jīng)過SD獲得的正交矩陣的第一列向量的元素之間具有很強(qiáng)相關(guān)性，可以用來隱藏水印數(shù)據(jù)[7]。本文將SWT引入音頻水印處理，并與DCT和SD相結(jié)合，這樣在各種常規(guī)和同步攻擊下能夠具有很強(qiáng)的魯棒性。

1.4 hashcode算法

hashcode一般指哈希碼，是一種算法，在Java中，哈希碼代表一類對(duì)象的特征。Java集合類[16]中的Set集合存儲(chǔ)無序、不可重復(fù)的對(duì)象。將String類型的對(duì)象存入Set集合的實(shí)現(xiàn)類中，Set的實(shí)現(xiàn)類將hashCode()方法和equal()方法同時(shí)重寫后，可以保證不同對(duì)象的特征產(chǎn)生的哈希碼不重復(fù)且具有唯一性。

本文將利用Set集合存儲(chǔ)信息的特性，產(chǎn)生的哈希碼來選定被嵌入水印的濁音幀，在選定的濁音幀上嵌入水印不僅可以提高不可感知性，還能對(duì)同步攻擊有良好的魯棒性。

2 基于秘密分享和SWT的數(shù)字音頻水印算法

本文利用Shamir的(k,n)門限秘密分享方案將原始水印信息分解成n份無意義信息后，將其分發(fā)給所有者(版權(quán)擁有者)和n-1名被指定的認(rèn)證人，認(rèn)證人持有無意義信息分別作為個(gè)人信息被安全存儲(chǔ)在區(qū)塊鏈中，將所有者擁有的無意義信息作為待嵌入圖像；對(duì)音頻信號(hào)中的語音信號(hào)進(jìn)行分離得到整個(gè)濁音段后，在DCT-SWT-SD域中，待嵌入圖像存入到根據(jù)原始水印信息特征產(chǎn)生出的哈希碼[10]選定的濁音幀中。

本節(jié)包括4個(gè)主要的程序塊：水印信息(原始圖像)預(yù)處理塊、語音信號(hào)分離塊、嵌入塊和提取塊。

2.1 水印信息(原始圖像)預(yù)處理塊

采用Shamir的(k,n)門限秘密分享方案處理原始圖像R，可表示為R={r(i,j),1≤i≤N1,1≤j≤N2}，r(i,j) 代表W的第i行，第j列像素值。具體步驟如下：

步驟1 根據(jù)N1和N2生成隨機(jī)索引值，在索引下隨機(jī)選取的m0,m1,…,mn的值作為式(1)的系數(shù)，令m0=r(i,j)。

步驟2 選擇R上n個(gè)不同的非零值x1,x2,…,xn， 分別計(jì)算r1(i,j)=q(x1),…,rn(i,j)=q(xn)。

步驟3 對(duì)R中所有像素值進(jìn)行步驟1、步驟2的操作，從而得到n份影子圖像，可表示為R1={r1(i,j)},…,Rn={rn(i,j)}。

步驟4 使用直方圖和余弦距離結(jié)合的方法分別計(jì)算n張無意義圖像與原始圖像的相關(guān)性，相關(guān)性最小的無意義圖像為待嵌入圖像；利用區(qū)塊鏈技術(shù)可以安全存儲(chǔ)個(gè)人信息[18]，其余n-1張無意義圖像交給n-1名認(rèn)證人分別作為個(gè)人信息安全存儲(chǔ)在區(qū)塊鏈中。任意k-1名認(rèn)證人持有的無意義圖像可作為Key1。

步驟5 Logistic混沌映射[9]是一種動(dòng)力系統(tǒng)，其定義如式(2)所示。其中：μ為分支參數(shù)，Xk表示當(dāng)前狀態(tài)，Xk∈(0,1)。 當(dāng)3.5699456≤μ≤4時(shí)，初始值X0在Logistic映射的作用下所產(chǎn)生的序列 {Xk,k=0,1,2…} 是非周期且不收斂的，即Logistic映射處于混沌狀態(tài)

Xk=μXk(1-Xk)

(2)

將X0=0.2和μ=3.7聯(lián)合作為Key2，所獲得的混沌序列對(duì)待嵌入圖像進(jìn)行加密處理，得到加密圖像W，可表示為W={w(i,j),1≤i≤N1,1≤j≤N2}。w(i,j) 代表W的第i行，第j列像素值。

步驟6 為了將W成功嵌入音頻載體中，需要先對(duì)W進(jìn)行降維處理。通過式(3)完成降維操作，最終得到一維序列Wd

Wd={wd(e,1)=w(i,j)}N=N1×N2,1≤e≤N

(3)

2.2 語音信號(hào)分離塊

本文將原始音頻中的語音提取出來，對(duì)語音進(jìn)行清濁音分離處理獲得濁音。濁音具有低頻高能的特性，并且將水印只嵌入到濁音中能有效提高水印的不可感知性。本文采用短時(shí)能量(short-time energy，STE)與短時(shí)過零率(short-time zero crossing rate，ZCR)[17]兩種參數(shù)相結(jié)合的方法將語音信號(hào)分離成3個(gè)部分，即清音、濁音與無聲段。具體步驟如下：

步驟1 對(duì)語音信號(hào)x(t)進(jìn)行加漢明窗處理，得到處理后的語音信號(hào)s(t)。

步驟2 利用式(4)和式(5)計(jì)算每幀語音的能量Et和過零率Zt， 計(jì)算參數(shù)EZ=Et.*Zt

(4)

(5)

其中

步驟3 經(jīng)過大量實(shí)驗(yàn)統(tǒng)計(jì)得到的閾值T1和T2， 若EZ

2.3 嵌入塊

在頻域內(nèi)，將水印嵌入到指定的濁音幀中，嵌入過程的結(jié)構(gòu)如圖2所示。具體步驟如下：

步驟1 將原始音頻信號(hào)Yaudio經(jīng)過處理提取到一維原始語音信號(hào)Yspeech， 可表示為Yspeech={y1,y2,…,yt}， 對(duì)Yspeech進(jìn)行清濁音分離獲到整個(gè)濁音段并分幀，每幀長(zhǎng)為1024，幀總數(shù)為M。

步驟2 將原始圖像R轉(zhuǎn)換為字符串信息，隨機(jī)分割為K份子字符串信息，K可以根據(jù)用戶的需求進(jìn)行取值。每一份子信息作為String對(duì)象存入Set的實(shí)現(xiàn)類的過程中，舍棄重復(fù)信息同時(shí)生成哈希碼，挑選其中的N組哈希碼H={H1,H2,…,HN}， 挑選規(guī)則為每個(gè)哈希碼均小于濁音幀總數(shù)M。根據(jù)N組哈希碼選擇的濁音幀表示為V={VH1,VH2,…,VHN}， 要求K≥N,HN≤M， 每取兩幀進(jìn)行嵌入水印。

步驟3 兩幀濁音分別表示為V1和V2。 分別進(jìn)行DCT操作，獲得變換系數(shù)D1和D2。 分別對(duì)D1和D2進(jìn)行三層SWT操作，得到不同分量。取第三層子帶的低頻分量C1和C2， 利用式(6)計(jì)算所有嵌入位的數(shù)值之和Si

(6)

步驟4C1和C2經(jīng)過矩陣運(yùn)算分別排列為矩陣A1和A2。 行數(shù)和列數(shù)為32。使用式(7)對(duì)A1和A2進(jìn)行SD分解，得到正交矩陣U1和U2和上三角矩陣T1和T2， 由于U1和U2的第一列向量u1各自元素間的強(qiáng)相關(guān)性,本文采用嵌入規(guī)則8，9嵌入水印比特位。得到U′1和U′2

A=[u1u2…uv]×T×[u1u2…uv]-1=U×T×U-1

(7)

(8)

(9)

其中， 2

步驟5 將U′1和U′2與原來的T1和T2進(jìn)行逆SD之后得到C′1和C′2， 利用式(6)計(jì)算所有嵌入位的數(shù)值之和S′i。 重復(fù)步驟4、步驟5。

步驟6 將最終的C′1和C′2， 經(jīng)過SWT逆變換，得到D′1和D′2， 在經(jīng)過DCT逆變換，得到V′1和V′2即含水印的兩幀語音。依次每取兩幀濁音，重復(fù)執(zhí)行步驟3～步驟6。最終得到含水印濁音幀表示為V′={V′H1,V′H2,…,V′HN}， 然后與未選定的濁音幀進(jìn)行幀合并處理得到含水印的整個(gè)濁音段V′。

步驟7 將整個(gè)含水印的濁音段和清音段合并得到含水印的語音信號(hào)Y′speech={y′1,y′2,…,y′t}。Y′speech經(jīng)過處理恢復(fù)為含水印的音頻信號(hào)Y′audio。

圖2 嵌入過程的結(jié)構(gòu)

2.4 提取塊

提取過程的初始步驟與嵌入過程相同。提取過程的結(jié)構(gòu)如圖3所示。具體步驟如下：

步驟1 含水印的音頻信號(hào)Y′audio經(jīng)過處理提取到一維含水印的語音信號(hào)Y′speech， 可表示為Y′speech={y′1,y′2,…,y′t}， 對(duì)進(jìn)行Y′speech分離獲得整個(gè)含水印的濁音段V′并分幀，每幀長(zhǎng)為1024，幀總數(shù)為M，選擇嵌入過程中使用的N組哈希碼確定含水印的N組濁音幀，表示為V′={V′H1,V′H2,…,V′HN}， 每取兩幀進(jìn)行提取水印。

步驟2 兩幀濁音分別可表示為V′1和V′2。 分別進(jìn)行DCT操作，獲得變換系數(shù)D′1和D′2。

步驟3 分別對(duì)D′1和D′2進(jìn)行三層SWT操作，得到不同分量。取第三層子帶的低頻分量C′1和C′2， 利用式(10)計(jì)算所有嵌入位的數(shù)值之和S′i

(10)

步驟4 利用式(11)提取一維水印數(shù)據(jù)W′d

(11)

步驟5 將W′d利用式(12)轉(zhuǎn)換為N1×N2的二維數(shù)據(jù)W′， 使用Key2進(jìn)行解密得到二維圖像，在結(jié)合存儲(chǔ)在區(qū)塊鏈中的Key1，通過Shamir的(k,n)門限秘密分享方案獲得提取的可視圖像R′

W′={w′(i,j)=W′d(e,1)}, 1≤i≤N1, 1≤j≤N2, 1≤e≤N

(12)

圖3 提取過程的結(jié)構(gòu)

3 實(shí) 驗(yàn)

在本節(jié)中將會(huì)介紹所使用的實(shí)驗(yàn)配置和性能測(cè)試。為了有效驗(yàn)證本算法的安全性、不可感知性、有效載荷和魯棒性。原始圖像選用了32×32的二值圖像，采用的音頻類型為音樂類型，在Mir-1K音樂數(shù)據(jù)庫[5]上進(jìn)行了測(cè)試。該數(shù)據(jù)庫包含110首由男性和女性業(yè)余愛好者演唱的卡拉OK流行歌曲中的1000首歌曲音頻，采樣率為44.1 kHz。本文將其處理為100首音頻，平均時(shí)長(zhǎng)為90 s。利用了Adobe Audition軟件工具從音樂信號(hào)中分離出演唱聲音，將水印嵌入在歌唱聲音(語音)當(dāng)中。

3.1 安全性分析

本節(jié)測(cè)試水印信息(原始圖像)經(jīng)過Shamir的(3,6)門限秘密共享方案處理后的安全性，如圖4所示。圖4(a)為原始圖像，圖4(b)為獲得的6張無意義圖像，圖4(c)為待嵌入圖像使用Logistic混沌映射加密后得到的加密圖像，圖4(d)為通過錯(cuò)誤密鑰提取的圖像，圖4(e)為通過正確密鑰提取的圖像。

圖4 原始圖像處理

實(shí)驗(yàn)結(jié)果表明，用正確的密鑰提取的圖像與原始圖像幾乎沒有變化，非常清晰，而用錯(cuò)誤的密鑰提取的圖像非常模糊，根本無法獲得圖像的內(nèi)容。可以看出該算法中水印信息具有很高的安全性。

3.2 不可感知性分析

不可感知性也被稱為隱蔽性或透明性。添加數(shù)字水印不會(huì)改變音頻的感知效果即無法感知數(shù)字水印的存在。為了測(cè)試嵌入水印對(duì)音頻信號(hào)的影響，本文做了如下實(shí)驗(yàn)。

根據(jù)1.4節(jié)介紹的方法，首先在Eclipse集成開發(fā)環(huán)境中將圖4(a)的原始圖像轉(zhuǎn)換為字符串?dāng)?shù)據(jù)后隨機(jī)分割為2000份子字符串存入Set的實(shí)現(xiàn)類HashSet(自動(dòng)消除重復(fù)子字符串)中，遍歷得到表示A1035， 即A1035=[/9j/4,QT,…,f/Z]， 產(chǎn)生并選出1024組哈希碼(無序)表示為H1024=[1,67,…,471]， 水印嵌入在相應(yīng)位置的濁音幀V=[V1,V67,…,V147] 上。其次，使用MATLAB對(duì)原始音頻進(jìn)行了仿真。音頻信號(hào)處理前后波形圖如圖5所示，圖5(a)為原始音頻信號(hào)波形圖，圖5(b)為原始語音信號(hào)波形圖，圖5(c)為整個(gè)濁點(diǎn)段波形圖，圖5(d)為加水印的音頻信號(hào)波形圖，圖5(e)為含水印的音頻信號(hào)和原始音頻信號(hào)之間的誤差信號(hào)波形圖。

圖5 音頻信號(hào)處理前后波形圖

可以看出嵌入水印后音頻信號(hào)的波形沒有明顯變化。

經(jīng)過聽力測(cè)試發(fā)現(xiàn)，人耳無法感覺到水印的存在。為了避免主觀因素的影響，我們使用式(13)計(jì)算信噪比(signal-noise ratio，SNR)[7]來測(cè)試該算法的不可感知性。SNR值越大，說明該算法的不可感知性越強(qiáng)

(13)

式中：Yaudio為原始音頻信號(hào)，Y′audio為嵌入水印后的音頻信號(hào)，t為音頻信號(hào)長(zhǎng)度。

其次，控制因素α的取值也非常重要。計(jì)算100首歌唱聲音在α取不同值下的SNR平均值，如圖6所示。

圖6 α取不同值下的SNR平均值

從圖6可以看出，SNR最大可以達(dá)到48 dB，最小可以超過43 dB，高于國(guó)際唱片業(yè)聯(lián)合會(huì)(IFPI)設(shè)置的最低要求SNR≥20 dB[1]。高SNR值會(huì)增加失真，但會(huì)降低提取過程中的誤碼率。當(dāng)α=0.11時(shí)，將本文提出算法與5種現(xiàn)有的算法進(jìn)行比較，對(duì)比結(jié)果見表1。數(shù)據(jù)顯示該算法具有很高的不可感知性。

表1 不同算法得到的SNR和有效載荷的統(tǒng)計(jì)結(jié)果

3.3 有效載荷

有效載荷表示嵌入原始音頻信號(hào)1 s內(nèi)的位數(shù)。本文實(shí)驗(yàn)采用的音頻平均時(shí)長(zhǎng)為90 s，采樣率為44.1 kHz，幀時(shí)長(zhǎng)23 ms，幀長(zhǎng)1024，每1024個(gè)樣本中嵌入一個(gè)32位秘密數(shù)據(jù)，即每23 ms濁音幀中嵌入32位水印數(shù)據(jù)。使用式(14)計(jì)算有效載荷(BPS)[7]為1.39 kbps

(14)

式中：Nw b為嵌入水印的比特?cái)?shù)，L0為原始音頻信號(hào)的長(zhǎng)度，單位為s。

3.4 魯棒性分析

為了測(cè)試本文提出的算法對(duì)常規(guī)攻擊和同步攻擊的魯棒性，本文對(duì)含水印的音頻信號(hào)進(jìn)行了8種攻擊，類型及其具體描述見表2。并使用了相關(guān)系數(shù)(normalized cross-correlation，NC)和誤碼率(bit error rate，BER)[8]作為評(píng)估標(biāo)準(zhǔn)，對(duì)魯棒性進(jìn)行了測(cè)試。NC和BER的計(jì)算公式分別如式(15)和式(16)所示

(15)

式中：N為嵌入和提取的水印序列長(zhǎng)度，wd(i) 為原始水印信息；w′d(i) 為提取出的水印信息。BER值越小，則該算法的魯棒性越好

(16)

式中：嵌入和提取出的水印圖像大小為N1×N2，r(i,j) 表示原始水印信息；r′(i,j) 表示提取出的水印信息。如果NC(R,R′) 越接近1，則R和R′的相關(guān)度越高； NC(R,R′) 越接近0，則R和R′的相關(guān)度越低。

表2 攻擊類型及其描述

含水印的音頻信號(hào)經(jīng)過以上8種攻擊后，得到的平均NC值和提取的可視圖像結(jié)果見表3。

表3 本文算法在8種攻擊下NC的統(tǒng)計(jì)結(jié)果

從表3的結(jié)果可以看出，水印音頻信號(hào)受到了攻擊后，提取的可視圖像非常清晰，很容易辨別出其中的內(nèi)容。水印音頻信號(hào)幾乎不受這些攻擊的影響，表明該算法具有很強(qiáng)的魯棒性。

為了進(jìn)一步測(cè)試該算法的魯棒性，本文算法和現(xiàn)有的算法在受到8種攻擊后得到的魯棒性指標(biāo)BER對(duì)照結(jié)果見表4。其中“-”表示未在本實(shí)驗(yàn)中討論。

表4 不同算法在8種攻擊下BER的統(tǒng)計(jì)結(jié)果

從表4的結(jié)果可以看出，未受到攻擊時(shí)，表4中的算法均能沒有錯(cuò)誤地恢復(fù)出可視圖像。本文算法在重采樣攻擊下的BER為0，因?yàn)樗∏度氲綕嵋舻腄CT系數(shù)中，濁音具有低頻高能的特性，并且DCT具有保持形狀的特性。表4的所有方法將水印都嵌入到DCT系數(shù)或低頻DWT系數(shù)中，因?yàn)榈皖l分量比高頻分量具有較小的可感知失真。在受到低通濾波攻擊時(shí)，因?yàn)樗]有嵌入到被濾除的高頻分量中，所以BER值較低。文獻(xiàn)[7]中，將水印嵌入到全部濁音幀中，而本文提出的算法是將水印嵌入選定的濁音幀中，實(shí)驗(yàn)結(jié)果表明在常規(guī)攻擊下BER值比文獻(xiàn)[7]低。在同步攻擊中，文獻(xiàn)[6]是可以通過同步碼進(jìn)一步降低BER，而本文提出算法在沒有嵌入同步碼的情況下，也能得到較低BER值，說明本文算法同步攻擊也具有較強(qiáng)的魯棒性。

4 結(jié)束語

本文從策略上著重探討了Shamir的秘密共享方案和SWT的優(yōu)點(diǎn)，利用濁音低頻高能的特性和Set集合存儲(chǔ)信息的特點(diǎn)，提出了一種可以有效解決不可感知性，有效載荷和魯棒性之間的權(quán)衡問題的高安全性數(shù)字音頻水印算法。利用Shamir秘密分享方案對(duì)原始圖像進(jìn)行處理后再分別存儲(chǔ)，待嵌入圖像存入根據(jù)原始圖像特征得到的哈希碼選擇特定的濁音幀中，在DCT-SWT-SD域中，利用SD后得到的正交矩陣的第一列元素的相關(guān)性抵抗各種常規(guī)和同步攻擊。該算法的有效載荷達(dá)到了1.39 kbps。實(shí)驗(yàn)結(jié)果表明，該方法具有較高的不可感知性。與其它水印算法比較表明，該方法對(duì)重采樣、重量化、MP3壓縮、隨機(jī)裁剪和抖動(dòng)等信號(hào)攻擊具有很強(qiáng)的魯棒性。

在下一步的研究學(xué)習(xí)中，可以探究不同類型音樂對(duì)該算法性能的影響。由于本文提出的算法只是處理語音部分，對(duì)伴奏部分并未修改，適用于除輕音樂以外所有類型的音樂(其中包含語音即歌唱聲音)，所以針對(duì)于適用范圍內(nèi)的音樂，算法的預(yù)期效果良好。