18、基于SVD的自适应鲁棒音频信号水印算法

基于SVD的自适应鲁棒音频信号水印算法

1 引言

在音频水印嵌入过程中，同步码仅嵌入到选定的高能量区域，这在很大程度上降低了搜索此类代码的计算负荷。与现有方法相比，该方法能以更高的精度和更低的计算成本维持同步。

基于奇异值分解（SVD）的水印方法已被用于图像水印，但基于SVD的音频水印研究还不够充分。本文提出了一种基于自适应SVD的音频水印方法，该方法根据音频信号的内容进行局部化处理。

2 奇异值分解

奇异值分解（SVD）用于对矩阵进行对角化，它将大部分信号能量集中到几个奇异值中。SVD属于正交变换的一种，它将输入矩阵分解为多个矩阵，其中一个矩阵仅在主对角线上有非零值。

对于一个大小为M×N的任意矩阵A，其SVD表示为：
[A = USV^T]
其中，U和V分别是M×M和N×N的矩阵，U和V的列是相互正交的单位向量。M×N矩阵S是一个伪对角矩阵，其对角元素按降序排列，均为非负值，称为奇异值（SVs），且第一个值远大于其他值。虽然U和V不是唯一的，但奇异值完全由A决定。

将SVD应用于音频信号时，每个音频帧（时域或其他域（如DWT、DCT、FFT域等）中的系数）被转换为二维矩阵。完成SVD操作后，具有降序对角元素的矩阵S可以根据要嵌入的水印位进行修改或量化。

假设原始音频帧为A，要嵌入的水印位为W，则有：
[A = USV^T]
[S_W = \text{Modified / Quantized value of } S]
[A_W = US_WV^T]
其中，(S_W)是修改后的奇异值，(A_W)是嵌入水印后的音频帧，其奇异值已被修改。