基于云模型的数字音频水印技术的实现

摘要： 随着音频压缩技术和互联网的快速发展，各类音频文件都可以轻易地在网上传输和下载。在得到便利的同时，数字音频作品的版权内容却可以被人随意地篡改以及非法传播，使得艺术作品的作者和发行者的利益受到极大损害，所以对音所有权的保护日益重要。 数字水印(Digital Watermarking)作为一种潜在的解决方案受到了广泛关注,并成为国际学术界研究的一个热点。它主要是将特制的不可见的标记，利用数字内嵌的方法隐藏在数字图像、声音、文档、图书、视频等数字产品中，用以证明原创造者对作品的所有权，并作为鉴定、起诉非法侵权的证据，同时通过对水印的探测和分析保证数字信息的完整性和可靠性，从而成为知识产权保和数字多媒体防伪的有效手段。 云模型（Cloud model）是1995年我国学者李德毅教授提出的定性和定量转换模型，云有一个个云滴组成，云滴具有不确定性，而由许多不确定性的云滴组成的云确具有整体特征性。将它用于数字水印技术中，可以改变传统的密码加密与解密模型，通过嵌入具有不确定性的云滴，使解密攻击几乎成为不可能，大大加大数字水印音频产品的安全性。 本课题通过对云模型及数字音频水印技术的学习，深刻理解云模型实质内涵和当前流行的几种数字音频水印嵌入技术，并在Matlab7.0环境下提出一种基于云模型的音频水印嵌入和提取算法。 关键字：音频? 数字 水印? 云模型? 嵌入 提取? 安全性Matlab? 7.0 ?2.1 云的定义 设X是一个普通的集合，X={x}称为论域，T是与X相联系的语言值。论域X中的模糊集合A指对任意元素x均存在一个有稳定倾向的随机数UA(x)，称为x对A隶属度。 如果论域X中的元素是简单有序的，则x可以看作是基础变量； 如果论域中的元素不是简单有序的，而根据某个法则f可将X映射到另一个有序的论域X’上，X’中的一个且只有一个x’与x对应，则X’为基础变量，隶属度在X’上的分布称为(隶属)云。 通过云的定义可知，论域上某一点的隶属度不是恒定不变的，而是始终在细微变化着，但是这种变化不剧烈不会影响到隶属云的整体特征。如果没有隶属云的整体形状和凝聚特性，单独讨论某一点的隶属度是没有意义的，我们不可能孤立地确定一个点的隶属度。 ? 2.2 云的数字特征 云的数字特征用期望Ex(ExpectedVlaue)、熵En(Entropy)和超熵He(HyperEntropy)三个数值来表征，将模糊性和随机性完全集成到一起，构成定性和定量相互间的映射，为定性与定量相结合的信息处理提供了有力手段。它们反映了定性概念的定量特性。 (1)期望Ex。在数域空间最能够代表定性概念A的点或者说是这个概念量化的最典型样本点。 (2)熵En。反映定性概念A的不确定性，这种不确定性表现在三个方面：①熵反映了数域空间中可以被语言值A接受的云滴群范围大小即模糊度，是定性概念亦此亦彼性的度量；②熵还反映了数域空间中的云滴群能够代表这个语言值的概率，表示代表定性概念的云滴出现的随机性；③熵还揭示了模糊性和随机性的关联性，可以用来代表一个定性概念的粒度。通常，熵越大，概念越宏观，模糊性和随机性也越大，确定性量化越难。 (3)超熵He。它是熵的不确定度量，即熵的熵，反映了在数域空间代表该语言值的所有点的不确定度的凝聚性，即云滴的凝聚度。超熵越大，云滴的离散度越大，隶属度的随机性越大，云的厚度也越大。 2.3 正态云 根据云的定义，如果X中的每个x,A中均存在一个稳定趋向的UA(x)， UA(x)趋于服从正态分布N（0,1）,则由此生成的云为正态云。MATLAB中函数normrnd的功能是生成服从正态分布的随机数。 一维正态云发生器算法描述： 输入：表示定性概念A的三个数字特征值，Ex，En，He和云滴数N； 输出：N个云滴的定量值以及每个云滴代表概念A的确定度。 (1)生成以En为期望值，He为标准差的一个正态随机数En1； (2)生成以为Ex期望值，En1为标准差的正态随机数x; (3)令x为定性概念A的一次具体量化值，称为云滴； (4)计算y= exp(-(x-Ex)^2/(2*En1^2))； (5)令y为x属于定性概念A的确定度； (6){x,y}完整地反映了这一次定性定量转换的全部容； (7)重复(1)一(6)直到产生N个云滴为止。