一、引言 1.传统的LSB方法 LSB方法是信息隐藏中应用最广泛，实现最简单的方法之一。这种方法是利用多媒体（图像、声音、视频等）在数字化后产生的量化噪声不被人类的感观系统所感知的特性和本身存在冗余空间的特性，将秘密信息嵌入量化误差的位置，从而达到隐藏信息的目的。任何形式的秘密信息都可以看作是一串二进制位流，而音频文件的每一个采样数据也是用二进制数来表示，这样可以将每个采样值的最不重要的二进制位(多数情况下为最低位)用代表秘密信息的二进制位代替，以达到在音频信号中嵌入秘密信息的目的。
在隐藏容量方面，如果把音频信号看作是秘密信息的传输通道，而秘密信息看作是在信道中传输的信号，理想情况下，这种信道的容量为Rbps，在此R为音频信号的采样率。例如，在无噪声的信道中，对8KHz采样率的信号，比特率是8Kbps。
音频信号里可编码的数据量大。对于16比特的音频信号，最高可负载10比特的信息量。在等概率的情况下，每个字节(8比特)可携带2.75个比特。
2.Nedeljko的增强健壮性的LSB方法
为了提高传统LSB方法的健壮性，Nedeljko等人提出了一种提高健壮性的方法。这种方法的核心思想就是将秘密信息嵌入载体信息LSB的高位(第4位以上），同时修改载体信息的低位，以减少因嵌入带来的嵌入误差。
Nedeljko的LSB方法比传统的LSB方法在健壮性方面有了较大的提高，但是这种提高是建立在降低感知透明性(不可感知性)的基础上的。
二、一种基于能量特征的LSB方法设计
传统的LSB方法和Nedeljko的LSB方法都是将秘密信息嵌入到时域中的每一个样本点上，其结果会使人的听觉系统产生感知。因为，如果音频信号是几乎没有背景噪声的音乐演奏，则最低比特位的编码噪声就会被听到。所以，本文提出了一种基于能量特征的LSB方法。即将一个样本点的改动分布到多个样本点的改动上。其核心思想就是选取前后相邻的两段样本，分别计算两段样本的能量，再计算它们的比值，如果比特1被嵌入，则修改比值使其大于1，如果比特0被嵌入则修改比值使其小于1。
1.嵌入算法
(1)算法描述
①将音频信号序列f(x)分段，每段长度为L。将任意相连的两段分别记为sec_1和sec_2。如图1所示。
每段的能量定义为:
令（3）
其中xi表示sec_1的起始样点。
②将秘密信息转换成比特序列。根据ratio的值来嵌入1比特的秘密信息。
一方面，当秘密信息的比特为1时，如果ratil≥1，则不对信号修改;否则增大Ei1或减小Ei2。
另一方面，当秘密信息的比特为0时，如果ratio＜1，则不对信号修改;否则减小Ei1或增大Ei2。
(2)具体算法
说明:sec_1的16位编码的原始音频序列的一个采样值用ai,xi≤i≤xi+L-1表示，其二进制序列用aij,j=0,1,…15表示。
sec_2的16位编码的原始音频序列的一个采样值用bi,xi+L≤i≤xi+2L-1表示，其二进制序列用bij,j=0,1…15表示。
①根据公式（3）计算ratio的值
②if秘密信息的比特是1
if ratio＜0
for(j=0;j≤15;j++)
for(i=xi+L;i≤xi+2L-1;i++)
bij=0
重新计算ratio的值
if ratio≥1 then break
if ratio≥1 then break
if ratio≥1 then return
for(j=0;j≤15;j++)
for(i=xi;i≤xi+L-1;i++)
aij=1
重新计算ratio的值
if ratio≥1 then break
if ratio≥1 then break
2.提取算法
提取算法:秘密信息的提取不需要原始载体信息的参与，是一种盲信息隐藏。同时假设嵌入的起始点得到同步。取相邻的每两段隐秘载体信息(每段长度为L)以提取秘密信息，令各段的能量分别为E`1和E`2，进行如下计算
如果ratio`≥1，则秘密信息比特为1，否则秘密信息的比特为0。重复上述过程，对每两段信号进行一个秘密信息比特的提取，直到所有的秘密信息的比特都得到提取。
3.实验结果分析
实验在windows xp操作系统上，用java语言在jdk5.0平台实现了本算法，利用Matlab对该算法进行了分析，并从主观和客观两方面对该算法进行了评价。在实验中，选取的载体音频信号为许多段16位，单声道，44.1KHz的语音信号，持续的时间为10秒～15秒。
(1)主观评价。主观评价采用MOS方法。选取10个人参加测试。将测式人员分成三组，一组是普通者，一组是音乐业余爱好者，一组是具有专业水平的音乐人。评分方法采用五级评分制，5代表极好，不可察觉;4代表较好，可察觉，但不影响听觉效果;3代表一般，轻微影响听觉效果;2代表较差，影响听觉效果;1代表极差，严重影响听觉效果。
①对原始音频信号和含有秘密信息的载体音频信号进行随机抽取，并对参加者保密。同时对参数L进行不同数值的选取。实验结果见表1。
实验结果表明，原始音频信号和嵌入秘密信息的音频信号没有差别。但是，不同参数L的选取可能会带来一些噪声，但是对参加测试人员的理解不会产生影响。此外，参数L如果选择过大，虽然对不可感知性带来极大好处，但是影响了信息的隐藏容量。
②对Nedeljko等人的LSB方法和本文提出的基于能量特征的LSB方法进行比较。如表2所示。
结果表明，本文提出的算法在不可感知性方面优于Nedeljko等人的方法，但是这是以牺牲信息的隐藏容量为代价的。
(2)客观评价。采用信噪比(SNR)的评价方法。SNR按式(5)方法计算。
其中x(n)为原始音频采样数据，x`(n)为嵌入秘密信息后的音频采样数据。
实验选取了10个不同的音频信号，对嵌入秘密信息后的载体音频信号进行SNR分析。Nedeljko等人的LSB方法和本文提出的LSB方法进行的比较如图2所示。从图中可以看出，两种方法的信噪比很接近几乎无差别，说明两种方法在健壮性方面都具有较好的优越性。外，对参数L的选择不应过大，否则会影响信噪比的提升。
三、结束语
本文提出的基于能量特征的LSB方法具有较好的不可感知性和健壮性。这种方法将因最不重要位替换而带来的噪声分布在各个采样数据上，避免了将这种噪声负担给一个采样数据的风险。这是以损失部分隐藏容量为代价的。这同时也说明，不可感知性、健壮性和隐藏容量三者是矛盾的。如何寻找三者的平衡点是本文下一步要深入研究的问题。
注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。