语音信号数字水印技术

数字信号处理课程设计报告

题目：语音信号水印技术系统设计

系（院）:

专业：

班级：

学号：

姓名：

指导教师：

学年学期: 2013 ~ 2014 学年第学期

2013年月日

摘要

随着网络和信息技术的发展，越来越多的数字多媒体信息通过网络进行传播，与传统的模拟媒体相比，数字媒体产品的编辑、复制和传播都很方便，它一方面促进了社会的进步与发展，另一方面正是这些优点突出了版权问题。由于数字多媒体信息很容易被未经授权的用户复制，且采用传统密码方法加密，不能完全解决盗版问题。

数字水印技术正是应运而生的信息隐藏技术，它通过特定的水印算法把版权信息嵌入在数字产品中，被嵌入的可以是一段文字、标识、序列号等等，人们无法从表面上感知水印的存在，只有专用的检测仪器或计算机软件才可以检测出隐藏的数字水印，从而达到了保护数字作品的所有者利益的目的，并促进了数字产品的开发与使用。在数字产品中，音频数据产品的版权保护也显得越来越重要，因为随着数字化音像制品和音乐制品的大量制作与发行，一个令人关注的突出问题是网上下载音乐对传统CD 业的巨大冲击。音频水印技术主要利用了人类听觉模型，在不影响音频信号质量的前提下，将水印信息隐藏在人耳不能感知的位置，来隐藏水印数据。本文主要研究语音信号水印技术，利用小波变换的优点和特性对音频信号嵌入水印，并提取。使嵌入水印音频想好具有良好的安全性，鲁棒性和不可感知性。

关键词数字水印嵌入提取小波变换

目录

1 课题综述 (1)

1.1 数字水印技术的介绍 (1)

1.2 数字水印设计原理 (2)

2 系统分析与设计 (3)

2.1 涉及基础知识 (3)

2.2 算法的流程图 (5)

2.3 算法实现 (5)

3 代码编写 (7)

3.1 主要代码 (7)

3.2 程序调试 (10)

3.3 程序运行与测试 (10)

结论 (14)

致谢 (16)

参考文献 (17)

1 课题综述

1.1 数字水印技术的介绍

数字水印就是指嵌入到被保护对象(如静止图像、音频、视频)中的某些能够证明其版权归属的数字信息，可以是作者的姓名、序列号、公司标志等等。

数字水印技术有着其固有的特点与研究方法。例如，从信息安全保密角度而言，隐藏的信息如果被破坏掉，系统可以视为安全的，因为秘密信息并未泄漏，但是，在数字水印系统中，隐藏信息的丢失意味着版权信息的丢失，从而失去了版权保护的功能。因此数字水印系统必须具有较强的鲁棒性、安全性、透明性等特点：

透明性(隐藏性)：经过一系列隐藏处理，目标数据必须没有明显的降质现象，隐藏的数据无法人为的看见或听见。

1)鲁棒性：指抗拒各种处理操作和恶意攻击而不导致水印信息丢失的能力。所谓的

操作包括：传输过程中的信道噪声、滤波、增强有损压缩、几何变换、D／A或A ／D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)安全性：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表明所有权，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丢失，信息隐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。

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安全性，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

2.1 涉及基础知识

2.1.1 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，而对其频率则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，而对时间范围则不要求很精细。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的意义。Mallat算法本质上不需要知道尺度函数Φ（t）和小波函数Ψ（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部分和低频部分，在一个尺度下，高频部分和低频部分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，低频部分给出了信号的特征，往往是最重要的，而高频部