1.本发明属于音频数字水印的领域，具体涉及一种基于音频变频域的嵌入和定位水印的方法。


背景技术：

2.数字水印技术是一种信息隐藏技术，所谓音频数字水印算法，就是将数字水印通过水印嵌入算法，嵌入到音频文件中(如wav，mp3，avi等等)，但是又对音频文件原有音质无太大影响，或者人耳感觉不到它的影响。相反的又通过水印提取算法，将音频数字水印从音频宿主文件中完整的提取出来，而这嵌入的水印，和提取出来的水印，就叫音频数字水印。
3.与图像水印技术相比，在数字音频信号中嵌入水印的技术难度较大，主要是因为人类的听觉系统与视觉系统相比，具有更高的灵敏度。人类的听觉系统对加性噪声特别敏感，如果采用加性法则在时域嵌入水印，很难在水印的鲁棒性和不可感知性之间达到合理的折中。虽然听觉系统的动态范围很大，但是理由其它特性，仍有可能在音频信号中嵌入水印。例如，可利用听觉系统的掩蔽效应、听觉系统对绝对相位不敏感等特性来嵌入水印。听觉系统的掩蔽特性表明了在音频信号中添加水印的可行性。
4.音频水印基本上可以分为时域和变换域两大类。时域的思想是在时域新号上直接叠加上水印，比如：lsb方法、echo方法，拼接法，pitch提取方法等。变环域的思想是在计算处理上更加快速和方便，实际上是将一个时域信号变换到其他域上的信号，然后进行加水印，再逆变换到原来域中的信号。如fft、dct、dwt、svd等，而原始的dct水印算法中会增加过多的伪随机噪声，在人耳听感上很明显，并且水印很容易被攻击。
5.有鉴于此，特提出本发明。


技术实现要素：

6.本发明的目的是提供一种基于音频变频域的嵌入和定位水印的方法，其添加的水印具有极好的透明性，没有明显的感知失真。
7.为了实现上述目的，本发明提供的一种基于音频变频域的嵌入水印的方法，包括以下步骤：
8.s1：对原始音频进行分帧，并且对每个分帧进行采样和dct变换，得到相应的子带以及其dct系数；
9.s2：对一帧语音中的频率为6khz
‑
7khz的高频子带进行vad检测和拼帧操作，用于获取语音段；其中，vad检测和拼帧操作包括：获取子带的语音能量谱，生成语音信号的fbank特征，以及拼帧形成语音数据；
10.s3：在语音段中，根据水印信息和同步信息生成水印位；
11.s4：在语音段中每个水印位嵌入水印，得到带水印的信号；
12.s5：对带水印的信号进行idct变换，得到带水印的音频信号。
13.进一步地，所述步骤s2还包括以下步骤：判断该语音数据是否为语音段，如果是则
进行步骤s3，如果不是则重新选取下一帧进行vad检测。
14.进一步地，所述步骤s2具体包括以下步骤：
15.s201：对高频子带进行加汉宁窗操作，之后进行fft变换，得到语音能量谱；
16.s202：将语音能量谱通过一组mel尺度的三角形滤波器组之后取对数，生成语音信号的fbank特征，并且根据fbank特征选择语音能量谱的第2到6频带；
17.s203：选取2到6频带对应帧作为当前帧，将其前5帧和后5帧进行拼帧，形成11帧的语音数据；
18.s204：拼帧后的语音数据输入到全连接层，获取语音段。
19.进一步地，所述步骤s3具体包括：在语音段中，根据水印的二进制数进行扩频，使用噪声发生器根据水印信息和同步信息产生m个线性不相关的awgn序列作为水印位，相邻序列向量之间的间距等于高频子带的采样点个数的大小。
20.进一步地，所述步骤s4中，在每个语音段的开始的4帧中依次嵌入同步码、水印、同步码、水印。
21.进一步地，所述步骤s4包括：
22.在频率为6khz
‑
7khz的高频子带中对应的采样点中嵌入水印；嵌入的水印需满足以下条件：当前水印大于0时，如果当前水印的平均值比之前一帧的水印值小，则framedct＝dct/var_dct_value*pre_dct_value，否则，不做任何操作；当水印值小于等于0时，不做任何操作；
23.其中，framedct为当前子带范围内嵌入的水印值；dct为当前子带的采样点值；var_dct_value为当前子带对应的采样点的均值；pre_dct_value为前一个子带的采样点的均值。
24.更进一步地，所述步骤s5中的idct变换为步骤s1中dct变换的逆。
25.本发明还提供了一种基于音频变频域的定位水印的方法，包括以下步骤：
26.s11：对带水印的音频进行分帧，并且对每个分帧进行采样和dct变换，得到每个采样点对应的频域子带；
27.s12：对一帧语音中的所有频带进行vad检测和拼帧操作，得到语音段；其中，vad检测和拼帧操作包括：获取子带的语音能量谱，生成语音信号的fbank特征，以及拼帧形成语音数据；
28.s13：利用语音段中的同步码，检测与设置的同步码是否一致，以判断是否为同步帧，如果为同步帧，则进行步骤s14，如果不为同步帧，则返回步骤s12，选择下一帧语音进行判定；
29.s14：基于同步码识别水印段，进而通过计算dct系数获取当前水印的位置。
30.进一步地，所述步骤s12具体包括以下步骤：
31.s1201：对一帧语音中的所有频带进行加汉宁窗操作，之后进行fft变换，得到语音能量谱；
32.s1202：将语音能量谱通过一组mel尺度的三角形滤波器组之后取对数，生成语音信号的fbank特征，并且选根据fbank特征选择语音能量谱的第2到6频带；
33.s1203：取2到6频带对应帧作为当前帧，将其前5帧和后5帧进行拼帧，形成11帧的语音数据；
34.s1204：拼帧后的语音数据输入到全连接层，如果全连接层的输出结果是0，则判断拼帧后的语音为不是语音段；如果全连接层的输出结果是1，则判断拼帧后的语音为是语音段。
35.更进一步地，所述步骤s14中，所述dct系数与伪随机噪声块之间的相关性的计算方法如下所示：
36.r
sg
＝s(w).g(w)
37.其中，s(w)表示带水印信号的dct的频域系数矩阵，g(w)代表伪随机噪声块的矩阵，两个矩阵相乘，得到互相关向量r
sg
。
38.本发明提供的一种基于音频变频域的嵌入和定位水印的方法，对比现有技术中的算法，提出的在全频带进行vad操作，使得解水印的时候更加准确；根据筛选出符合条件的子带，根据加水印系统步骤的算法进行添加更加少量的伪随机码噪声，可在水印的透明性更加好，人的不可感知性更强。
附图说明
39.图1为本具体实施方式中的基于音频变频域的嵌入水印的方法的流程图。
40.图2为本具体实施方式中的基于音频变频域的定位水印的方法的流程图。
41.图3为本具体实施方式中的使用的汉明窗函数的示意图。
42.图4为本具体实施方式中的实用的全连接层的示意图。
具体实施方式
43.为了使本技术领域的人员更好地理解本发明方案，下面结合具体实施方式对本发明作进一步的详细说明。
44.如图1所示，本发明的一实施方式为一种基于音频变频域的嵌入水印的方法，其通过对vad操作选取特定频带进行拼帧，并且选取前5帧和后5帧拼帧形成11帧的语音数据来嵌入水印；并且在指定的带宽采样点中嵌入水印，实现新的嵌入水印的方法。
45.该嵌入水印的方法具体包括以下步骤：
46.s1：对原始音频进行分帧，并且对每个分帧进行采样和dct变换(discrete cosine transform，离散余弦变换)，得到每个采样点对应的频域子带以及每帧的dct系数。
47.该dct系数的计算方法如下：
[0048][0049][0050]
其中，c(0)表示第0个dct系数；n为信号采样点个数，本发明中，选取n为1024，c(i)表示第i个dct系数，i＝1，2，3，
…
，n
‑
1；y(x)表示原始信号。
[0051]
s2：对一帧语音中的dct指定的高频子带范围进行vad检测(voice activity detection，语音活动检测)和拼帧操作，用于获取语音段。本步骤的目的是从语音信号流里识别和消除长时间的静音期。其中，dct指定的高频子带的频率分为为6khz
‑
7khz。
[0052]
在该步骤中，vad检测和拼帧操作包括：获取子带的语音能量谱，生成语音信号的fbank特征，以及拼帧形成语音数据；之后判断该语音数据是否为语音段，如果是则进行步骤s3，如果不是则重新选取下一帧进行vad检测。
[0053]
具体地，该步骤s2具体包括以下步骤：
[0054]
s201：对dct指定的高频子带(6khz
‑
7khz)进行加汉宁窗操作，之后进行fft变换(fast fourier transform，快速傅里叶变换)，得到语音能量谱。
[0055]
其中，本步骤中使用的汉宁窗函数如图3所示。
[0056]
并且，本步骤中，加窗操作即与汉宁窗函数相乘；加窗之后是为了进行傅里叶展开。加窗之后的音频分帧具有以下优点：全局更加连续，避免出现吉布斯效应；加窗时候，原本没有周期性的语音信号呈现出周期函数的部分特征。
[0057]
s202：将语音能量谱通过一组mel尺度的三角形滤波器组之后取对数，生成语音信号的fbank特征，并且根据fbank特征选择语音能量谱的第2到6频带。
[0058]
s203：选取2到6频带对应帧作为当前帧，将其前5帧和后5帧进行拼帧，形成11帧的语音数据。
[0059]
s204：拼帧后的语音数据输入到全连接层，如果全连接层的输出结果是0，则判断拼帧后的语音为不是语音段；如果全连接层的输出结果是1，则判断拼帧后的语音为是语音段。
[0060]
其中，全连接层如图4所示，拼帧后的数据经过全连接层，第一层是128个节点，第二层是128个节点，第三层是64个节点，第四层是64个节点，第五层是32个节点，第六层是32个节点，第七层是2个节点，最后输出的标签是0或者1。
[0061]
s3：在语音段中，根据同步码信息和水印信息生成水印位。
[0062]
其中，每个语音段的开始的4帧中依次嵌入同步码、水印、同步码、水印，嵌入信息结构如下表格中所示：
[0063]
同步码水印同步码水印
[0064]
在提取水印的时候，通过同步码信息能够精准定位到当前数据中包含水印，区别于水印信息。
[0065]
具体地，在语音段中，根据水印的二进制数进行扩频，并且根据水印信息和同步信息产生m个线性不相关([
‑
1,1])的序列向量作为水印位，相邻序列向量之间的间距等于dct指定的高频子带(6khz
‑
7khz)的采样点个数的大小。
[0066]
s4：在语音段中每个水印位嵌入水印，得到带水印的信号。
[0067]
具体地，在频率为6khz
‑
7khz的高频子带中对应的采样点中嵌入水印；嵌入的水印需满足以下条件：当前水印值大于0时，如果当前水印的平均值比之前一帧的水印值小，则framedct＝dct/var_dct_value*pre_dct_value，否则，不做任何操作；当水印值小于等于0时，不做任何操作。
[0068]
其中，framedct为当前子带范围内嵌入的水印值；dct为当前子带的采样点值；var_dct_value为当前子带对应的采样点的均值；pre_dct_value为前一个子带的采样点的均值。
[0069]
s5：对带水印的信号进行idct变换(逆离散余弦变换)，得到带水印的音频信号。
[0070]
idct变换的计算方法如下：
[0071][0072]
其具体算法相当于步骤s1中dct变换的逆，得到的结果为嵌入水印后的音频信号。
[0073]
通过上述基于音频变频域的嵌入水印的方法，能够对字频进行vad操作，能够筛选出合适的子带进行添加水印，并且通过步骤s4来嵌入水印时，能够添加更少量的伪随机码噪声，水印的透明度更高。
[0074]
此外，如图2所示，本发明的一实施方式为一种基于音频变频域的定位水印的方法，其通过对全频道进行vad操作以进行拼帧，并且形成11帧的语音数据来读取水印。
[0075]
该定位水印的方法具体包括以下步骤：
[0076]
s11：对带水印的音频进行分帧，并且对每个分帧进行采样和dct变换，得到每个采样点对应的频域子带。
[0077]
s12：对一帧语音中的所有频带进行vad检测和拼帧操作，得到语音段。其中，vad检测和拼帧操作包括：获取子带的语音能量谱，生成语音信号的fbank特征，以及拼帧形成语音数据。
[0078]
具体地，该vad检测操作包括以下步骤：
[0079]
s1201：对一帧语音中的所有频带进行加汉宁窗操作，之后进行fft变换(fast fourier transform，快速傅里叶变换)，得到语音能量谱。
[0080]
其中，本步骤中使用的汉宁窗函数如图3所示。
[0081]
并且，本步骤中，加窗操作即与汉宁窗函数相乘；加窗之后是为了进行傅里叶展开。加窗之后的音频分帧具有以下优点：全局更加连续，避免出现吉布斯效应；加窗时候，原本没有周期性的语音信号呈现出周期函数的部分特征。
[0082]
s1202：将语音能量谱通过一组mel尺度的三角形滤波器组之后取对数，生成语音信号的fbank特征，并且选根据fbank特征选择语音能量谱的第2到6频带。
[0083]
s1203：取2到6频带对应帧作为当前帧，将其前5帧和后5帧进行拼帧，形成11帧的语音数据。
[0084]
s1204：拼帧后的语音数据输入到全连接层，如果全连接层的输出结果是0，则判断拼帧后的语音为不是语音段；如果全连接层的输出结果是1，则判断拼帧后的语音为是语音段。
[0085]
其中，全连接层如图4所示，拼帧后的数据经过全连接层，第一层是128个节点，第二层是128个节点，第三层是64个节点，第四层是64个节点，第五层是32个节点，第六层是32个节点，第七层是2个节点，最后输出的标签是0或者1。
[0086]
s13：利用语音段中的同步码，检测与设置的同步码是否一致，如果一致，则找到同步帧的位置，则判定为同步帧并进行步骤s41，如果不一致，则不为同步帧并返回步骤s12，选择下一帧语音进行判定。
[0087]
s14：基于同步码识别水印段，进而通过计算dct系数获取当前水印的位置。
[0088]
具体地，基于同步码识别水印段，然后计算水印段的dct系数、对应子带的dct系数与伪随机噪声块之间的相关性，提取最大相关的向量索引值，作为当前水印的bit位。
[0089]
该dct系数的计算方法如下：
[0090][0091][0092]
其中，c(0)表示第0个dct系数；n为信号采样点个数；c(i)表示第i个dct系数，i＝1，2，3，
…
，n
‑
1；y(x)表示原始信号。
[0093]
该dct系数与伪随机噪声块之间的相关性的计算方法如下所示：
[0094]
r
sg
＝s(w).g(w)
[0095]
其中，s(w)表示带水印信号的dct的频域系数矩阵，g(w)代表伪随机噪声块的矩阵，两个矩阵相乘，得到互相关向量r
sg
。
[0096]
通过上述基于音频变频域的定位水印的方法通过在全频带进行vad操作，进而识别语音段，能够快速地筛选出语音段，进而对水印进行识别。
[0097]
本文中应用了具体个例对发明构思进行了详细阐述，以上实施例的说明只是用于帮助理解本发明的核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离该发明构思的前提下，所做的任何显而易见的修改、等同替换或其他改进，均应包含在本发明的保护范围之内。