本文關(guān)鍵詞：音頻數(shù)字水印若干關(guān)鍵算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來(lái),互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展為音頻數(shù)字內(nèi)容的傳播提供了極大的便利,也造成了盜版侵權(quán)和音頻數(shù)字內(nèi)容篡改行為的日益泛濫。如何對(duì)音頻數(shù)字內(nèi)容的版權(quán)提供管理并對(duì)完整性進(jìn)行保護(hù)成了學(xué)術(shù)界的一個(gè)研究熱點(diǎn)。傳統(tǒng)的加密技術(shù)和數(shù)字水印技術(shù)均被用在音頻數(shù)字內(nèi)容的版權(quán)保護(hù)和完整性保護(hù)上,嘗試解決音頻數(shù)字內(nèi)容盜版和非法篡改的問(wèn)題。然而,由于加密技術(shù)自身所存在的問(wèn)題,其并不適用音頻數(shù)字內(nèi)容版權(quán)保護(hù)和完整性保護(hù)的場(chǎng)合。音頻數(shù)字水印以其自身所具有的魯棒性、不可感知性,適用于音頻數(shù)字內(nèi)容的版權(quán)保護(hù)和完整性保護(hù),在學(xué)術(shù)界正引起越來(lái)越大的關(guān)注。音頻數(shù)字水印技術(shù)通過(guò)把音頻水印信息以不可感知的方式嵌入在音頻數(shù)字內(nèi)容中,達(dá)到保護(hù)音頻數(shù)字內(nèi)容版權(quán)所有和完整性的目的。目前對(duì)音頻數(shù)字水印的研究主要集中在如何設(shè)計(jì)音頻水印算法,使其具有良好的魯棒性、不可感知性和高嵌入容量。本文立足于音頻數(shù)字內(nèi)容的版權(quán)保護(hù)和完整性保護(hù),研究音頻數(shù)字水印若干關(guān)鍵算法。在所提算法的設(shè)計(jì)過(guò)程中,借鑒學(xué)術(shù)界在其他領(lǐng)域的最新成果,與最前沿理論,諸如經(jīng)驗(yàn)?zāi)B(tài)分解、壓縮感知和機(jī)器學(xué)習(xí)等廣泛結(jié)合,對(duì)傳統(tǒng)水印算法進(jìn)行了科學(xué)的改進(jìn),從而提高了音頻數(shù)字水印算法的性能。具體看來(lái),本文所做的工作主要包括以下四個(gè)方面：1.提出了一種基于經(jīng)驗(yàn)?zāi)B(tài)分解和粒子群優(yōu)化的音頻水印算法。選擇EMD分解得到的冗余信號(hào)分量作為水印的嵌入位置,并證明了冗余信號(hào)分量按照提出的算法嵌入水印以后仍然是冗余信號(hào)分量,從而為水印嵌入提取提供了理論基礎(chǔ)。通過(guò)粒子群優(yōu)化算法求解出適用于EMD分解的最優(yōu)音頻水印嵌入強(qiáng)度,按此強(qiáng)度嵌入水印,可以同時(shí)滿足水印的健壯性和不可感知性。仿真結(jié)果表明,使用計(jì)算出的最優(yōu)嵌入強(qiáng)度嵌入水印,嵌入水印后的音頻信號(hào)在受到大部分攻擊的情況下可以確保水印的不可見(jiàn)性和健壯性；2.提出了一種高不可感知性魯棒音頻水印算法。算法選擇音頻幀經(jīng)EMD變換得到的冗余信號(hào)分量的固有特征嵌入水印,通過(guò)平移音頻幀冗余信號(hào)分量中的每一個(gè)元素,使得它們的和大于0或小于0來(lái)嵌入水印。實(shí)驗(yàn)結(jié)果表明所提的算法在嵌入水印后沒(méi)有改變?nèi)哂嘈盘?hào)分量的特性,并且水印對(duì)多種類型的攻擊是魯棒的。與已有的基于EMD的經(jīng)典算法相比,所提算法大大提高了水印的健壯性和不可感知性；3.提出了一種基于壓縮感知理論的半脆弱音頻零水印算法。算法首先對(duì)原始音頻信號(hào)進(jìn)行小波變換,對(duì)于小波變換得到的近似小波系數(shù)進(jìn)行壓縮感知,得到測(cè)量向量并根據(jù)測(cè)量向量中元素的正負(fù)性構(gòu)建零水印。實(shí)驗(yàn)結(jié)果表明所提的算法不僅對(duì)于常規(guī)的音頻信號(hào)處理是健壯的,并且對(duì)于惡意篡改是脆弱的,即可以在常規(guī)信號(hào)處理情況下有效地檢測(cè)出惡意篡改情況。與已有的算法相比,所提算法大大提高了在常規(guī)音頻信號(hào)處理環(huán)境下惡意篡改檢測(cè)的準(zhǔn)確率。4.提出了一種基于變分貝葉斯學(xué)習(xí)的音頻水印檢測(cè)算法。在音頻幀的DCT系數(shù)上嵌入擴(kuò)頻水印,對(duì)嵌入水印的音頻幀和原始音頻幀分別提取MFCC特征進(jìn)行訓(xùn)練,分別建立高斯混合模型,并通過(guò)變分貝葉斯學(xué)習(xí)方法估計(jì)出高斯混合模型的參數(shù),檢測(cè)時(shí)依據(jù)最大似然的原則。實(shí)驗(yàn)結(jié)果顯示提出的方法在音頻信號(hào)受到噪聲干擾和惡意攻擊的情況下,相對(duì)基于EM算法的方法在誤檢率上有明顯降低,在小樣本訓(xùn)練情況下具有更好的效果并且可以有效避免過(guò)擬合的問(wèn)題。實(shí)驗(yàn)結(jié)果和性能分析表明,本文所做工作提高了已有同類算法的性能,對(duì)完善音頻數(shù)字水印算法的研究和解決音頻數(shù)字內(nèi)容版權(quán)保護(hù)、非法篡改等問(wèn)題具有重要的理論與現(xiàn)實(shí)意義。
【關(guān)鍵詞】：數(shù)字版權(quán)保護(hù) 音頻數(shù)字水印 經(jīng)驗(yàn)?zāi)B(tài)分解 壓縮感知 零水印
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP309.7
【目錄】：

• 摘要4-6
• ABSTRACT6-12
• 第一章 緒論12-24
• 1.1 研究目的和意義12-14
• 1.2 國(guó)內(nèi)外研究進(jìn)展14-21
• 1.2.1 魯棒音頻水印算法研究14-17
• 1.2.2 脆弱性音頻水印算法研究17-19
• 1.2.3 音頻水印檢測(cè)算法研究19-21
• 1.3 論文所做的工作和創(chuàng)新21-22
• 1.4 論文的組織結(jié)構(gòu)22-23
• 1.5 本章小結(jié)23-24
• 第二章 音頻數(shù)字水印基礎(chǔ)及背景概述24-29
• 2.1 音頻水印基本概念24-25
• 2.2 音頻水印的分類25-26
• 2.3 音頻水印常見(jiàn)攻擊方法26-27
• 2.4 音頻水印需要滿足的特性27-28
• 2.5 本章小結(jié)28-29
• 第三章 基于經(jīng)驗(yàn)?zāi)B(tài)分解和粒子群優(yōu)化的音頻水印算法研究29-54
• 3.1 引言29-30
• 3.2 EMD分解及粒子群優(yōu)化理論基礎(chǔ)30-32
• 3.2.1 固有模態(tài)函數(shù)定義30
• 3.2.2 EMD分解執(zhí)行步驟30-31
• 3.2.3 粒子群優(yōu)化算法理論基礎(chǔ)31-32
• 3.3 基于EMD和粒子群優(yōu)化的音頻水印算法32-36
• 3.3.1 同步碼32
• 3.3.2 水印嵌入算法32-35
• 3.3.2.1 水印嵌入的理論基礎(chǔ)32-33
• 3.3.2.2 基于粒子群優(yōu)化算法的水印嵌入強(qiáng)度優(yōu)化方法33-35
• 3.3.3 水印提取算法35-36
• 3.4 仿真實(shí)驗(yàn)36-53
• 3.4.1 仿真環(huán)境及實(shí)驗(yàn)方法36-38
• 3.4.2 冗余信號(hào)分量驗(yàn)證38-42
• 3.4.3 最優(yōu)水印嵌入強(qiáng)度的確定42-50
• 3.4.4 水印性能檢測(cè)與比較50-53
• 3.5 本章小結(jié)53-54
• 第四章 高不可感知性魯棒音頻水印算法研究54-71
• 4.1 引言54-55
• 4.2 高不可感知性魯棒音頻水印算法55-59
• 4.2.1 算法思想55
• 4.2.2 水印嵌入算法55-57
• 4.2.3 水印算法的不可感知性分析57-58
• 4.2.4 水印提取算法58-59
• 4.3 仿真實(shí)驗(yàn)59-70
• 4.3.1 實(shí)驗(yàn)環(huán)境及仿真實(shí)驗(yàn)概述59-60
• 4.3.2 冗余信號(hào)分量驗(yàn)證60-62
• 4.3.3 算法性能檢測(cè)與比較62-70
• 4.3.3.1 嵌入水印前后音頻幀幅值變化量比較63-65
• 4.3.3.2 算法在抗攻擊情況下魯棒性和不可感知性比較65-70
• 4.3.3.3 不可感知性主客觀性能評(píng)測(cè)70
• 4.4 本章小結(jié)70-71
• 第五章 半脆弱音頻零水印算法研究71-90
• 5.1 引言71-72
• 5.2 壓縮感知理論基礎(chǔ)72-73
• 5.3 基于壓縮感知理論的半脆弱零水印算法73-81
• 5.3.1 算法思想73-74
• 5.3.2 零水印的構(gòu)造74-77
• 5.3.3 惡意篡改檢測(cè)77-81
• 5.4 仿真實(shí)驗(yàn)81-89
• 5.4.1 閾值的確定81-84
• 5.4.2 惡意篡改檢測(cè)84-88
• 5.4.3 不同算法的比較88-89
• 5.5 本章小結(jié)89-90
• 第六章 音頻水印檢測(cè)算法研究90-107
• 6.1 引言90-91
• 6.2 音頻水印嵌入91-92
• 6.3 基于變分貝葉斯學(xué)習(xí)的音頻水印檢測(cè)算法92-98
• 6.3.1 高斯混合模型的建立92-93
• 6.3.2 高斯混合模型的求解93-97
• 6.3.3 基于最大似然的水印檢測(cè)97-98
• 6.4 仿真實(shí)驗(yàn)與結(jié)果分析98-106
• 6.4.1 實(shí)驗(yàn)背景與參數(shù)設(shè)置98-99
• 6.4.2 變分下限與混合度的確定99-101
• 6.4.3 抗攻擊性能101-104
• 6.4.4 小樣本學(xué)習(xí)情況下的檢測(cè)性能104-105
• 6.4.5 訓(xùn)練樣本長(zhǎng)度不一致情況下的檢測(cè)性能105-106
• 6.4.6 過(guò)擬合問(wèn)題下的健壯性106
• 6.5 本章小結(jié)106-107
• 第七章 總結(jié)與展望107-110
• 7.1 工作總結(jié)107-108
• 7.2 工作展望108-110
• 參考文獻(xiàn)110-119
• 致謝119-120
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄120-121
• 攻讀學(xué)位期間完成和參與的科研項(xiàng)目121

  本文關(guān)鍵詞：音頻數(shù)字水印若干關(guān)鍵算法研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：415706