黃文超，張 威，葛琳琳，李易霖

（1.遼寧石油化工大學，遼寧撫順113001；2.大連海洋大學，遼寧 大連116023）

隨著數(shù)字存儲設(shè)備的快速發(fā)展，錄音作為證據(jù)在法庭上廣泛應用，而語音容易受到攻擊，故其認證工作非常重要。存儲的語音可靠性的保證可以通過限制訪問內(nèi)容適當提高其安全性，加密是保存數(shù)字信息的一種方法，然而該方法不能完全保護信號處理級別的數(shù)字偽造，如替代、插入和刪除信號的數(shù)字偽造很難通過人們聽覺檢測出來，需要可靠的信號分析方法和先進的驗證工具來檢測。數(shù)據(jù)隱藏和提取技術(shù)是數(shù)字水印對數(shù)字版權(quán)保護的一種方式，可用于語音認證[1]。

利用音頻水印進行數(shù)據(jù)隱藏是人類聽覺系統(tǒng)的非關(guān)鍵頻帶中信號修改的一種方式，一些不能被人類聽覺系統(tǒng)聽到的信號被刪除或插入[2]。第一種應用于數(shù)字音頻水印技術(shù)是擴頻技術(shù)，該方法加入由心理聲學模型或線性預測濾波器模型掩蓋的隨機信號，通過互相關(guān)完成水印的檢測[3-5]，該技術(shù)的局限性在于通過數(shù)字濾波可以消除水印信息；回聲隱藏是另一種音頻水印標記技術(shù)，利用原始信號和回聲信號的時間間隔很短時，人類聽不到回聲信號的理論[6]，使用倒頻譜分析方法提取語音信號，易于開發(fā)，該技術(shù)對數(shù)字壓縮信號具有魯棒性，但是該音頻水印很容易被發(fā)現(xiàn)和刪除，用全通濾波器的數(shù)字濾波方法嵌入水印信息，通過簡單的信號處理，可以很容易地刪除水印標記信息，從而改變相位信息[7]?，F(xiàn)有的一些方法用高度重復的信號作為數(shù)字水印，該數(shù)字水印可以通過原始信號的簡單修改產(chǎn)生[8]。本文提出了一種基于數(shù)字音頻水印和模式恢復技術(shù)提高語音信號魯棒性和有效性的方法。本文所提的方法解決了語音認證水印方法存在的問題。在語音信號中嵌入循環(huán)模式，與其他現(xiàn)有的方法相比，提取的模式不需要同步，如果語音內(nèi)容被修改，則必然修改嵌入模式。采用擴頻水印方法作為嵌入方案，通過循環(huán)模式的扭曲來測量修改的區(qū)域，在偽造檢測分析階段，采用曲線優(yōu)化的平滑技術(shù)增強了認證系統(tǒng)的魯棒性。

1 提出的方法

所提方法的執(zhí)行過程如圖1所示。

圖1 語音認證系統(tǒng)的處理流程

該過程從原始語音信號的輸入開始，用脈沖編碼調(diào)制（Pulse Code Modulation，PCM）格式存儲；水印的預檢測是為了避免冗余，如果預檢測沒有發(fā)現(xiàn)任何水印，則在語音信號中嵌入水印，嵌入水印的語音信號可以用壓縮或原始的格式存儲；為了檢測語音內(nèi)容是否被偽造或?qū)φZ音內(nèi)容進行認證，必須進一步處理，語音信號應該由MP3、WMA等存儲格式轉(zhuǎn)換為PCM信號；水印圖像的恢復需要對圖像進行位信息提取和預處理，通過對模式退化程度的分析，可以檢測出含有水印的語音信號是否被偽造。實驗中使用的語音數(shù)據(jù)是在一個普通的室內(nèi)環(huán)境中用6個設(shè)備記錄的（3個PDA、DVR，耳機和紐扣麥克風），并按8 kHz的速率采樣，16 bit的分辨率量化，語音的持續(xù)時間大約為60 s。為評估偽造檢測的準確性，在隨機點上替換、插入和刪除語音片段，并測試修改后的語音的完整性及抵抗MP3和CELP語音壓縮的魯棒性。

2 嵌入水印

2.1 DFT（離散傅里葉變換）域擴頻

從根本上說，水印嵌入可以在時域和頻域中，水印技術(shù)關(guān)鍵在于隱藏擴頻序列，通過相關(guān)性技術(shù)不能檢測出該隱藏的擴頻序列。本文利用初始種子產(chǎn)生的偽隨機序列對頻譜的幅度進行了修正，這些序列的循環(huán)移位變換可以用來表示一個特定的隨機序列的多個信息，水印幅度向量由y=m+w計算得出。其中，m為原始幅度，水印w定義為Δb，隨機位序列b由b(i)組成，i=1,2,…,N，參數(shù)Δ表示嵌入強度。頻域嵌入水印方案如圖2所示。

圖2 頻域嵌入水印方案

DFT的塊變換存在塊回聲，該回聲在水印應用中會引起可聽到的噪聲，當水印強度變強時，塊回聲更突出。使用重疊相加（OLA）方法合成語音塊，可以減少塊回聲，重疊相加（OLA）方法如圖3所示。最終嵌入水印的幀2（F2）由式（1）計算得出。

式中，S'1為幀1和幀2的加窗信號和水印信號；S'2為幀2和幀3的加窗信號和水印信號；N為幀大??；W為窗口信號，如hamming窗口。

圖3 重疊相加（OLA）方法

2.2 水印模式架構(gòu)

在不考慮同步的情況下，對水印使用循環(huán)模式來檢測偽造，通過檢測模式的變化來測試偽造的存在。然而，需要在魯棒性和時間分辨率精度之間進行權(quán)衡，時間分辨率精度由時間長度（T）和水印信息的數(shù)量確定，水印信息的折中值如圖4所示。較長的時間長度和更多的水印信息能獲得更高的魯棒性，但是降低了時間分辨率的精度，本文確定T值為 0.6 s，水印信息為 0，1，2，3，4。

圖4 水印信息的折中值

相同的水印信息被嵌入到整個區(qū)域中，這些區(qū)域通過移位隨機比特序列形成，含有時間長度和水印信息。水印信息的循環(huán)模式如圖5所示。

圖5 水印信息的循環(huán)模式

2.3 嵌入水印的預檢測

為了避免水印信息被錯誤地重新嵌入，設(shè)計了一種預檢測方案，在預檢測階段通過進行簡單的相關(guān)運算來預先檢查水印，加水印和無水印信號的掃描寬度如圖6所示。從圖6可以看出，加水印的信號比無水印的信號顯示更大的峰值，如果峰值大于20，則內(nèi)容被視為水印信號。

圖6 加水印和無水印信號的掃描寬度

3 水印提取與模式恢復

水印提取采用互相關(guān)法，水印信息的提取過程如圖7所示。利用水印信息的時間變化來恢復語音信號，并通過檢測水印圖形的退化程度來識別語音信號是否被偽造。

圖7 水印信息的提取過程

3.1 語音片段DFT幅度的積累

將水印信號分為原始信號和噪聲信號兩類，信號片段幅值的疊加提高信噪比（SNR），當嵌入的水印強度越弱時，SNR越高，水印檢測越困難。為了避免不同水印信號片段的積累，累加片段的大小應該小于用于嵌入的時間長度。

3.2 倒頻譜濾波

語音信號可以作為隱藏信息的載體，因此語音信號的方差直接影響水印的檢測結(jié)果，具有共振峰規(guī)范的語音信號會產(chǎn)生較大的方差，所以應用倒頻譜濾波（CF）作為濾化信號的方法，CF通過以下步驟去除語音信號的頻譜形狀。

步驟1 通過離散余弦變換（DCT）計算DFT向量幅度的近似倒頻譜z=DCT(y)。

步驟2 倒頻譜系數(shù)是過濾掉的第一部分，設(shè)zi=0，i=0,1,…,9。

步驟3 通過逆DCT重構(gòu)頻譜y?=IDCT(z)。

3.3 水印信息互相關(guān)檢測

通常，水印檢測由定義的互相關(guān)函數(shù)來完成：

式中，r(i)為位移幅度；°為互相關(guān)函數(shù)。

如果?(i)=0，則p(i)=1?；ハ嚓P(guān)函數(shù)如圖8所示。根據(jù)隨機比特的位移幅度，必須在特定位置有較大的相關(guān)值，水印信息可以用0到N-1的峰值范圍索引來提取。

圖8 互相關(guān)函數(shù)

3.4 提取水印信息的時間模式

為了提高提取模式的魯棒性，采用下面兩個預處理步驟。

步驟1 向右信息趨近的估計。由于音頻壓縮和不穩(wěn)定的嵌入技術(shù)，使水印信息的時間變化存在一些意想不到的錯誤，t幀的水印值（V(t)）為0～4，其他值都是錯誤的，這些錯誤值可以用最臨近的正確值替換。

步驟2 曲線優(yōu)化（平滑）。v(t)的時間變量的正確結(jié)果類似于0,1,2,3,2,1,0,1,2,……，然而，由于一些無法避免的錯誤，存在一些非連續(xù)的值，可以應用曲線優(yōu)化技術(shù)恢復v(t)的時間變量。如果v(t)的長度為N，可以定義為(N-2)×(N-2)的矩陣B和(N-2)×N的矩陣D。

用式（4）和式（5）表示平滑模式（F）。

式中，V為大小為N×1中水印信息的時間變量；η是平滑參數(shù)；F為平滑模式；A為平滑模式F的中間矩陣。

原始圖像和平滑圖像水印信息的提取模式如圖9所示。

圖9 水印信息的提取模式

3.5 利用局部峰之間長度的偽造檢測

基于局部峰之間長度（L）檢測偽造區(qū)域提出的方法可以檢測的偽造區(qū)域三種偽造信號為：類型I，插入沒有加入水印的語音信號；類型II，插入加入水印的語音信號；類型III，刪除語音信號。假設(shè)局部峰的長度為L，并且在最大峰值（最大峰值為4）中存在3個局部峰值，局部峰之間長度檢測語音信息偽造的結(jié)果如圖10所示。

圖10 局部峰之間長度檢測語音信息偽造的結(jié)果

在圖10（b）的類型I偽造中，有意插入一些信號，局部峰的長度大于L；在圖10（c）的類型II偽造中，由于添加了一些加入水印的信號，導致局部峰的長度變長或變短，最大峰之間的局部峰數(shù)可能大于3個；圖10（d）的類型III偽造可以通過觀察局部峰較短的長度檢測到，最大峰之間的局部峰數(shù)可能小于3個。

4 實驗方法及結(jié)果

4.1 實驗方法

實驗使用6個錄音裝置（PDA（H）、PDA（C1）、PDA（C2）、數(shù)字錄音機 、內(nèi) 置 MIC+PC、外聯(lián)MIC+PC）來對語音信號進行記錄，語音數(shù)據(jù)采用8 kHz的采樣率和16 bit分辨率量化，語音記錄的長度為60 s，錄音分別在安靜和嘈雜的辦公室內(nèi)進行，使用奔騰663 MHz的PC機對語音信號進行水印的嵌入和檢測，幀由256個樣本組成，T為0.6 s，水印在DFT域的600～3 800 Hz頻帶內(nèi)進行嵌入，嵌入時間為時播放時間的9%。

4.2 嵌入水印所產(chǎn)生的信噪比

采用了兩種嵌入強度（Δ）來測試對兩種語音壓縮（MP3和CELP）的魯棒性。水印嵌入的SNR結(jié)果如表1所示。3 dB是MP3壓縮格式（16 kbps）中完美偽造檢測的最小強度；10 dB是CELP壓縮格式（11.5 kbps）中完美偽造檢測的最小強度。由于環(huán)境噪聲和設(shè)備噪聲的摻雜，很難通過仔細聆聽來區(qū)分原始語音和水印語音（3 dB強度）。強度為10 dB時，水印噪聲是可聽的，但一般語音的失真較小。

4.3 檢測結(jié)果

本文對原始語音在隨機點使用三類偽造進行修改來檢測所提的方法，修改的長度為1 s，在每個語音數(shù)據(jù)偽造測試中，對每個類型進行32個不同類型的偽造測試，測試過程為：通過檢測L（正常值為3.6 s），無論比正常值長或短都可檢測到偽造，閾值為0.4 s，如果在局部峰之間存在偽造點，則不存在傾斜誤差；否則，用最近的峰與偽造點之間的差值來估計傾斜誤差，平滑參數(shù)（g）為300，檢測時間為播放時間的50%。16 kbps的MP3壓縮格式的魯棒性測試結(jié)果如表2所示。

表1 水印嵌入的SNR結(jié)果

表2 16 kbps的MP3壓縮格式的魯棒性測試結(jié)果

共測試了576個偽造樣本，所有的偽造都能夠成功地被檢測到，可以明顯地看到誤差；在測試中還對很難恢復的8 kbps的MP3壓縮格式的水印模式進行了檢測。為了保持語音質(zhì)量，16 kbps的壓縮是最小壓縮級別，所以本文所提的方法在實際應用中是有效的。當語音信號用MP3壓縮時，在8 kHz的采樣率下，在原始信號前添加56個樣本，這種添加是一種插入語音片段的偽造，并導致圖10中L的長度略微增加，但是在實際應用中這種增加不認為是偽造，因為0.07 s不足以對語音內(nèi)容進行有意義的偽造。11.5 kbps的CELP壓縮格式的魯棒性測試結(jié)果如表3所示。該測試除了嵌入強度以外與MP3壓縮格式的測試實驗方法相同，并且所有偽造檢測也與MP3壓縮格式的測試相同。

不同方法對語音信號的壓縮結(jié)果如表4所示。多光譜分析、特征提取、脆弱水印、本文方法的壓縮結(jié)果分別使用自然語音、比較加密特性、比較原始位和提取位、檢查恢復模式的變化方法進行檢測。從表4可以看出，與其他現(xiàn)有數(shù)字水印方法相比，該方法具有兩個優(yōu)點，不需要再同步，并且使用模式恢復的容錯能力更強。

5 結(jié) 論

采用嵌入循環(huán)模式解決同步問題和模式恢復問題，提高了算法的魯棒性。模式恢復采用預處理和曲線擬合相結(jié)合技術(shù)，為避免冗余水印，采用快速預檢測方法。該方法可以檢測各種語音信號的偽造，并通過實際實驗驗證了該方法的有效性，在曲線逼近的過程中有可能產(chǎn)生誤差，當在接近局部峰值的地方進行偽造時，會產(chǎn)生傾斜誤差。針對這一問題，今后將對模式進行直接分析，使該技術(shù)不斷完善。

表3 11.5 kbps的CELP壓縮格式的魯棒性測試結(jié)果

表4 不同方法對語音信號的壓縮結(jié)果