[发明专利]基于基音延迟子帧组组内差值Markov转移概率特征的AMR基音延迟隐写分析方法

权利要求书

1.一种基于基音延迟子帧组组内差值Markov转移概率特征的AMR基音延迟隐写分析方法，其特征在于，包括：

步骤1、基于基音延迟子帧组组内差值Markov转移概率作为短时稳定性评价标准提取特征，具体包括：

步骤1.1、构建基音延迟子帧组组内差值，在AMR语音压缩编码中，20ms的语音为一帧，一帧语音按5ms为单位分为4个子帧，每个子帧具有一个基音延迟；在一帧语音帧中，第二子帧T₂和第四子帧T₄的基音延迟分别以第一子帧T₁和第三子帧T₃为基础，在一定区间内按照相关性获取；如图2所示，将语音帧中，第一子帧T₁和第二子帧T₂作为一个子帧组，第三子帧T₃和第四子帧T₄作为另一个子帧组；

为便于描述将AMR语音的基音延迟序列按子帧组的方式表示为P＝(p₁₁,p₁₂,...,p_t1,p_t2,...,p_N1,p_N2)，N是AMR语音中子帧组的总个数，i是子帧组按时间排列的索引值，p_t1和p_t2分别为子帧组t中的第一个子帧和第二个子帧；由于语音浊音段基音延迟具有短时稳定性，计算子帧组组内差值用于度量子帧组组内两个子帧之间的稳定性；子帧组组内差值D_intra计算公式如式1所示，t∈[1,N]：

D_intra(t)＝p_t1-p_t2式1

步骤1.2、构建基音延迟子帧组组内差值Markov转移概率特征：马尔可夫转移概率矩阵的作用是衡量变量在不同的状态之间进行转变的概率，因此可以利用其来表示连续基音延迟子帧组组内差值的改变情况；计算基音延迟子帧组组内差值Markov转移概率作为隐写分析特征，描述Cover语音和Stego语音基音延迟子帧组组内差值的差异情况，实现对两者的区分；

基音延迟子帧组组内差值Markov转移概率特征定义为M1_intra，按式2进行计算：M1_intra(i,j)的值为组内差值D_intra(t)为i时，D_intra(t+1)为j的马尔可夫转移概率，t为组内差值时序上的索引，S₀为计算得到的子帧组组内差值的总个数

根据AMR编码可知，一帧语音中，第二子帧T₂和第四子帧T₄的基音延迟分别以第一子帧T₁和第三子帧T₃为基础，在一定区间内按照相关性获取；因此，对于不同的码率，组内差值的区间是固定的，组内差值D_intra的范围，以及相应的M1_intra特征维度，通过提取AMR语音基音延迟子帧组组内差值Markov转移概率，作为对基音延迟修改的隐写分类特征；

步骤2、采用SVM分类器对AMR语音的Cover和Stego样本进行二分类并进行隐写分析检测。

2.根据权利要求1所述的一种基于基音延迟子帧组组内差值Markov转移概率特征的AMR基音延迟隐写分析方法，其特征在于，所述步骤2具体包括：

步骤2.1、分类器训练，具体包括：

步骤2.1.1，输入WAV样本，分别生成cover样本和对应的stego样本，并按照1中的方法提取基音延迟子帧组组内差值Markov转移概率分类特征；

步骤2.1.2，经过2.1.1过程后，得到训练集样本和数量相等的两种不同嵌入算法的载密样本，然后随机选择不同数量的stego样本和cover样本使用SVM分类器训练隐写分析模型；

步骤2.2、隐写分析检测，具体包括：

利用上述隐写分析模型进行隐写分析检测的流程包括以下步骤：

步骤2.2.1，提取待测样本的隐写分析特征集合；

步骤2.2.2，将特征输入构建好的隐写分析模型，得到样本的隐写判断结果。