MP3編解碼對音頻水印信號影響的研究

文仁軼　王樞　葛運龍

摘 要 MP3已經(jīng)成為數(shù)字音頻的主流壓縮編碼。本文從實驗出發(fā)探討了MP3編解碼對時域和頻域兩方面影響，重點分析MP3編解碼對水印信號的影響，基于此得出針對時域變化采用載體信號和重采樣劃分來實現(xiàn)嵌入與提取同步，通過量化相鄰子幀低頻能量比來嵌入信息以消除頻域失真。

關(guān)鍵詞 MP3 音頻水印 同步機制

中圖分類：TP393 文獻標識碼：A

0引言

隨著數(shù)字音頻技術(shù)的發(fā)展，水印技術(shù)得到越來越多的研究與關(guān)注。由于人類聽覺系統(tǒng)（HAS）極為靈敏，音頻感知冗余較小，水印同時滿足隱蔽性和魯棒性條件的困難較大，音頻水印的研究相比較于圖像水印更具有挑戰(zhàn)性。

1MP3音頻水印

現(xiàn)有MP3音頻水印算法大致可以分為兩類：一類為壓縮中和壓縮后嵌入，其實質(zhì)是通過修改MP3的編碼中的感知非敏感信息來嵌入秘密信息，可以獲得較好隱蔽性和較大的嵌入容量，MP3Stego隱寫工具就采用了這種方法但是這類算法只是“躲過”了有損壓縮，本身并不能抵抗MP3壓縮算法。另一類為壓縮前嵌入，一般通過修改頻域嵌入來獲得較好的魯棒性。此類算法都缺乏變采樣率MP3編解碼測試，對MP3攻擊的測試也較簡單，碼率設(shè)置較高，壓縮比較低，或者不說明壓縮參數(shù)，無法證明其同樣適用于高壓縮比的MP3編碼；且水印算法設(shè)計僅考慮了有損壓縮帶來的波形失真，嵌入與提取缺乏相應的同步機制雖然在音頻水印系統(tǒng)中引入了同步信號，缺點是所用的算法對音頻能量幅度的變化非常敏感，不適合壓縮編碼。本文采用多種MP3工具分析了編解碼后信號時域和頻域的變化，根據(jù)編解碼前后低頻能量的穩(wěn)定性，通過量化相鄰子幀低頻能量之比比較對水印信息的影響，然后對每一幀進行了不可感知性評價。

2MP3編解碼對音頻信號的影響

原始音頻信號經(jīng)過MP3編解碼后在時域和頻域都發(fā)生了改變，時域變化主要受編碼器影響，頻域失真則與壓縮采用的碼率和采樣頻率有關(guān)。實驗用原始音頻都為從CD抓取的wav格式音頻，44.1kHz采樣頻率f下文中如不特別聲明，原始信號采樣頻率默認為44.1kHz），16bit精度，MP3工具包括了Co0ledit2000Pro，iTunes，MP3 Audio Converter，Win amp Prov5.34。

2.1時域變化

任意截取長度為0.5s的原始音頻片段用Cooledit2000Pro經(jīng)過128kbps，44.1kHz的MP3編解碼后音頻時長從O.58變?yōu)?.574s，前面增加1635個樣點。這些增加的樣點大部分為零值點，少量為頭尾幀邊緣效應數(shù)據(jù)。MP3編碼時采用的MDCT為正交重疊變換，頭尾幀變換時需補零，從而產(chǎn)生邊緣效應，MP3編解碼后這部分數(shù)據(jù)也被加到音頻中。這里把前后增加的樣點分別稱為前邊緣信號和后邊緣信號，而把中間的樣點稱為有效信號。前邊緣信號長度與后邊緣信號大致相等，邊緣信號長度與MP3編碼器有關(guān)，是不同的MP3編解碼工具音頻的前邊緣信號樣點個數(shù)。經(jīng)過MP3編解碼后進行水印提取時，由于邊緣信號的加入，嵌入位置在時域上已經(jīng)改變，須要進行重定位。若有效信號本身的開始或者結(jié)尾就為一系列零值樣點，那么經(jīng)過MP3編解碼后這些有效信號的零值樣點會與邊緣信號混淆，更難確定時域的提取起始點。

2.2頻域失真

MP3編碼是一種有損壓縮，將每幀樣點分為等寬子帶，每個子帶根據(jù)心理聲學模型計算信掩比，再根據(jù)編碼碼率進行比特分配，得到量化因子，最后對MDCT系數(shù)進行量化和Huffman編碼。若進行變采樣率MP3壓縮，還會對信號進行減采樣。MP3編碼主要是利用聲音的頻域掩蔽效應，使量化噪聲處于頻域的掩蔽閾值之下，去除了音頻中的感知冗余成分，包括一些能量很小的頻率成分。低頻（<3kHz）部分集中了音頻信號大部分能量，可感知的頻率成分最多，雖然掩蔽閾值較大，但信掩比（signal-to-mask ratio，SMR，表示信號聲強與最小掩蔽閾值之比1相對較大，所以低頻能量經(jīng)過MP3編解碼后失真很小。反之高頻（>10kHz）部分能量很小，可感知的頻率分量也相對較少，雖然掩蔽閾值較小，但信掩比相對較小，高頻能量經(jīng)過MP3編解碼后失真較大。如果采用變采樣率MP3編解碼，隨著采樣頻率的降低，高頻部分損失會進一步增大。隨著編碼碼率和采樣頻率的降低，壓縮比增大，高頻能量失真幅度也顯著增大，而低頻能量失真很小且?guī)缀醴€(wěn)定。由此可見，經(jīng)MP3編解碼后，10k以上頻率能量變化幅度最大可達到33.24%，而3kHz以下頻率能量變化幅度最大只有4.19%。更多實驗顯示，若音頻信號本身能量較大且高頻成分豐富，例如～段節(jié)奏很快的搖滾樂，經(jīng)MP3編碼后，10kHz以上頻率能量變化幅度最大可以超過90%，而3kHz以下頻率能量變化幅度仍然不超過4%。故音頻的低頻能量對MP3編解碼具有很好的魯棒性。

3結(jié)束語

本文主要分析了MP3編解碼對于水印的影響，通過分析如果在原始音頻中嵌入水印再編碼，這種水印在采樣和量化環(huán)節(jié)的失真比較嚴重，故在低頻中嵌入水印有更好的魯棒性。

參考文獻

[1] Katzenbeisser S，F(xiàn)abien A Petit colas P編，吳秋新，鈕心忻，楊義先，羅守山，楊曉兵譯，信息隱藏技術(shù)—— 隱寫術(shù)與數(shù)字水印.北京：人民郵電出版社，2001：104—105.

[2] 劉偉，王朔中，張新鵬一種基于部分mp3編碼原理的音頻水印.中山大學學報（自然科學版），2004年，43增刊（2）：26—33.

[3] 項世軍，黃繼武，王永雄.一種抗AD/DA變換的音頻水印算法.計算機學報，2006年，29（2）：308—316