移動(dòng)計(jì)算環(huán)境下語(yǔ)音感知哈希認(rèn)證關(guān)鍵技術(shù)研究.pdf

1、隨著現(xiàn)代語(yǔ)音通信技術(shù)的不斷進(jìn)步，移動(dòng)語(yǔ)音通信技術(shù)在人類(lèi)信息交流方式中發(fā)揮著舉足輕重的作用。語(yǔ)音信息在移動(dòng)環(huán)境下進(jìn)行傳輸，會(huì)受到噪聲、惡意篡改等攻擊，移動(dòng)計(jì)算環(huán)境下語(yǔ)音傳輸信道開(kāi)放、傳輸資源有限，移動(dòng)終端處理能力、續(xù)航能力不足等問(wèn)題與語(yǔ)音傳輸安全需求的矛盾越來(lái)越突出。因此，對(duì)移動(dòng)計(jì)算環(huán)境下的語(yǔ)音內(nèi)容安全認(rèn)證的研究是很有必要的。
　　論文結(jié)合帶寬資源受限、終端處理能力有限的移動(dòng)計(jì)算環(huán)境語(yǔ)音通信終端的語(yǔ)音通信問(wèn)題，從原始域和壓縮域語(yǔ)音入

2、手，采用語(yǔ)音感知哈希認(rèn)證技術(shù)，重點(diǎn)對(duì)語(yǔ)音的內(nèi)容完整性與真實(shí)性，算法的高效性與魯棒性，小范圍篡改定位檢測(cè)，以及語(yǔ)音編碼在語(yǔ)音感知哈希中的應(yīng)用等幾個(gè)關(guān)鍵問(wèn)題展開(kāi)研究。具體工作如下：
　　1.針對(duì)移動(dòng)計(jì)算環(huán)境下語(yǔ)音感知哈希算法沒(méi)有通用模型的問(wèn)題，對(duì)認(rèn)證模型進(jìn)行了研究，提出了一種移動(dòng)計(jì)算環(huán)境下語(yǔ)音感知哈希的認(rèn)證模型。該模型通過(guò)對(duì)多媒體感知哈希認(rèn)證一般模型的研究，以語(yǔ)音感知簽名為基礎(chǔ)，結(jié)合多媒體感知認(rèn)證算法，并基于移動(dòng)計(jì)算環(huán)境下這個(gè)應(yīng)用背景

3、，分析移動(dòng)計(jì)算環(huán)境下語(yǔ)音信號(hào)處理和傳輸特點(diǎn)，建立了完整的移動(dòng)計(jì)算環(huán)境下語(yǔ)音感知哈希算法認(rèn)證模型，為算法的設(shè)計(jì)提供了理論基礎(chǔ)。
　　2.針對(duì)現(xiàn)有的語(yǔ)音認(rèn)證算法認(rèn)證效率低，算法復(fù)雜，不能夠滿足移動(dòng)計(jì)算環(huán)境下語(yǔ)音通信實(shí)時(shí)認(rèn)證的現(xiàn)狀，從減小算法構(gòu)成復(fù)雜度、提高算法魯棒性、提高認(rèn)證效率的應(yīng)用角度，分別研究了原始域和壓縮域語(yǔ)音的感知哈希認(rèn)證算法。（1）提出了一種高效的基于線性預(yù)測(cè)分析的語(yǔ)音感知哈希認(rèn)證算法，該算法基于語(yǔ)音信號(hào)的線性預(yù)測(cè)分析的原

4、理對(duì) LPC系數(shù)進(jìn)行優(yōu)化，融合能量與 LPC系數(shù)，構(gòu)成新的特征系數(shù)，并對(duì)構(gòu)成的特征系數(shù)陣進(jìn)行分解和量化，形成感知哈希序列。（2）提出了一種基于線性預(yù)測(cè)倒譜系數(shù)的語(yǔ)音感知哈希認(rèn)證算法，算法通過(guò)對(duì)語(yǔ)音信號(hào) LPCC系數(shù)矩陣構(gòu)建，并對(duì)系數(shù)矩陣進(jìn)行參數(shù)規(guī)整處理，參數(shù)規(guī)整能夠有效地提高抵抗高斯白噪聲的魯棒性，再對(duì)參數(shù)矩陣進(jìn)行非負(fù)矩陣分解、量化，形成感知哈希序列。（3）提出了一種基于MDCT系數(shù)的壓縮域語(yǔ)音感知哈希認(rèn)證算法，算法通過(guò)對(duì) MP3格式的

5、語(yǔ)音進(jìn)行部分解壓，提取 MDCT系數(shù)，對(duì)每幀語(yǔ)音的MDCT系數(shù)進(jìn)行Mel濾波處理，形成MFCC系數(shù)向量，并對(duì)系數(shù)矩陣進(jìn)行分解，降低矩陣維度，經(jīng)過(guò)哈希構(gòu)造生成感知哈希值。（4）提出了一種基于張量重構(gòu)和張量分解的語(yǔ)音感知哈希算法。該算法是從三維角度來(lái)分析語(yǔ)音感知特征，通過(guò)小波包變換得到語(yǔ)音各分量，對(duì)每個(gè)語(yǔ)音分量提取MFCC和△MFCC特征，構(gòu)建語(yǔ)音特征張量，使用張量分解對(duì)特征張量進(jìn)行分解，降低特征張量的復(fù)雜度，經(jīng)過(guò)特征矩陣量化生成感知哈希值

6、來(lái)實(shí)現(xiàn)語(yǔ)音認(rèn)證。實(shí)驗(yàn)結(jié)果表明，所提出的四種算法對(duì)于內(nèi)容保持操作均具有良好的魯棒性，并且運(yùn)算效率高，時(shí)間開(kāi)銷(xiāo)小，能夠滿足移動(dòng)計(jì)算環(huán)境下的語(yǔ)音通信實(shí)時(shí)性的要求，實(shí)現(xiàn)語(yǔ)音快速認(rèn)證功能。
　　3.針對(duì)現(xiàn)有語(yǔ)音認(rèn)證算法對(duì)內(nèi)容保持操作具有較強(qiáng)的魯棒性，但對(duì)小范圍篡改攻擊不具有敏感性，認(rèn)證粒度無(wú)法滿足定位精度的問(wèn)題。具體做了兩個(gè)方面的研究。（1）從衡量感知相似度評(píng)價(jià)方法角度，提出了一種衡量感知相似度的評(píng)價(jià)方法。該方法運(yùn)用Pearson相關(guān)系數(shù)來(lái)

7、計(jì)算每幀語(yǔ)音感知特征的相似程度，并對(duì)系數(shù)進(jìn)行歸一化，再分別計(jì)算最大歸一化系數(shù)和最小歸一化系數(shù)的乘積，最后用乘積的比值作為語(yǔ)音感知相似性的測(cè)度。（2）從提高語(yǔ)音感知哈希算法的魯棒性和識(shí)別小范圍篡改定位的能力角度，利用人類(lèi)聽(tīng)覺(jué)模型提出了一種自適應(yīng)語(yǔ)音感知哈希算法。該算法首先基于人類(lèi)聽(tīng)覺(jué)特性，對(duì) MFCC算法每幀的濾波器數(shù)量進(jìn)行控制，得到每幀語(yǔ)音的自適應(yīng)Mel頻率倒譜參數(shù)，對(duì)AMFCC參數(shù)和LPCC系數(shù)進(jìn)行融合，并采用分塊方法對(duì)特征矩陣進(jìn)行處

8、理；然后對(duì)特征塊進(jìn)行2DNMF運(yùn)算，降低特征矩陣的復(fù)雜度；最后對(duì)分解后的系數(shù)矩陣進(jìn)行哈希構(gòu)造，得到語(yǔ)音感知哈希值。實(shí)現(xiàn)結(jié)果表明，該算法能夠?qū)?nèi)容保持操作具有魯棒性，能夠定位小范圍篡改的位置，定位精度可以達(dá)到40ms。
　　4.為了滿足帶寬資源受限的語(yǔ)音通信環(huán)境中語(yǔ)音認(rèn)證對(duì)低數(shù)據(jù)量、低復(fù)雜度的要求，提出一種與 G.729編碼標(biāo)準(zhǔn)相結(jié)合的魯棒語(yǔ)音感知哈希算法。該算法在G.729語(yǔ)音編碼過(guò)程中通過(guò)提取線性預(yù)測(cè)殘差作為語(yǔ)音感知特征，并通過(guò)