CN104579521B - 基于谱质心的视频泄漏信号自动检测方法及系统 - Google Patents

Abstract

本发明提供了一种基于谱质心的视频泄漏信号自动检测方法，该方法包括：获得观测信号的功率谱，并将所述功率谱分为多个子带；获得每个子带的谱质心，并获取各子带的谱质心间隔；根据所述信号的谱质心间隔分布的均匀程度，判断所述信号是否为视频泄漏信号。本发明提供了一种基于谱质心的视频泄漏信号自动检测系统，该系统包括分段模块、计算模块及判断模块。本发明在存在噪声和干扰信号的情况下，能够自动地检测到视频泄漏信号的存在。

Description

基于谱质心的视频泄漏信号自动检测方法及系统

技术领域

本发明涉及通信技术领域，具体涉及基于谱质心的视频泄漏信号自动检测方法及系统。

背景技术

信息设备会在工作过程中产生不同程度的电磁泄漏，这种电磁泄漏信号中可能含有信息设备处理的敏感信息，通过特定的设备和信号处理手段可实现对电磁泄漏信号的截获并还原出其中的敏感信息，威胁信息安全。因此，作为该问题的关键技术，电磁泄漏信号检测已经成为各国研究的热点和重点，如何有效实现电磁泄漏信号的检测已经成为迫切需要研究的课题。

目前用来提取电磁泄漏信号的检测技术主要是相关检测技术。相关检测技术是应用信号的周期性和噪声的随机性的特点，通过相关运算达到去除噪声的一种技术。当随机函数包括周期性分量时，自相关函数也包含相同的周期分量，自相关检测就应用了这一点。

混有随机噪声的信号自相关函数为：

R(τ)＝R_ss(τ)+R_sn(τ)+R_ns(τ)+R_nn(τ)

式中R_ss(τ)和R_nn(τ)分别为信号和噪声的自相关函数，而R_sn(τ)与R_ns(τ)分别是信号和噪声的互相关函数。由于信号与噪声是互不相关的随机过程，如果设信号和噪声的平均值为0，那么R_sn(τ)与R_ns(τ)亦均为0，随着τ的增大，噪声的自相关函数R_nn(τ)将接近于0，而信号成分的自相关函数R_ss(τ)却始终保持着周期性的变化，随着τ的增大，其结果是使信号的相关函数R_ss(τ)显示出来。

但是依据相关检测的原理，利用相关检测的方法提取同步信息，有以下几个缺陷：要求延迟要足够长，否则R_nn(τ)的值大，造成误差；积分时间T应该足够长，才能保证R_sn(τ)＝R_ns(τ)＝0，当T有限时，造成检测误差；当信号中除随机噪声外，还叠加有周期性干扰时，R_sn(τ)、R_ns(τ)、R_nn(τ)的值均不为0，若周期性干扰混入信号，将无法检测到视频泄漏信号。

发明内容

针对现有技术的缺陷，本发明提供一种基于谱质心的视频泄漏信号自动检测方法及系统，在存在噪声和干扰信号的情况下，能够自动地检测到视频泄漏信号的存在。

第一方面，本发明提供一种基于谱质心的视频泄漏信号自动检测方法，所述方法包括：

获得观测信号的功率谱，并将所述功率谱分为多个子带；

获得每个子带的谱质心，并获取各子带的谱质心间隔；

根据所述信号的谱质心间隔分布的均匀程度，判断所述信号是否为视频泄漏信号。

优选地，所述将所述功率谱分为多个子带，包括：

选取计算机显示器的行同步频率或场同步频率作为子带宽度；

根据所述子带宽度，将所述功率谱分为多个子带。

优选地，所述获得每个子带的谱质心，包括：

根据下式计算得到每个子带的谱质心f_SC：

其中，n表示子带宽度N上的每个点，f(n)为每点的频率，E(n)为信号的功率谱，N为子带宽度，P(E(n))为各点功率谱在总功率谱上的概率。

优选地，所述获取各子带的谱质心间隔，包括：

根据下式计算得到各子带的谱质心间隔f_SCD(m)：

f_SCD(m)＝f_SC(m+1)-f_SC(m),m＝1,2,…,M

其中，m为各子带的编号，f_SC(m)为第m个子带的谱质心，f_SC(m+1)为第m+1个子带的谱质心，M表示子带的个数。

优选地，所述根据所述信号的谱质心间隔分布的均匀程度，判断所述信号是否为视频泄漏信号，包括：

根据下式求出所述信号谱质心间隔分布的均匀程度：

SCDT＝SD(f_SCD)/MEAN(f_SCD)

其中，SCDT表示谱质心间隔分布的均匀程度，SD(f_SCD)为谱质心间隔f_SCD的方差，MEAN(f_SCD)为谱质心间隔f_SCD的均值；

根据所述信号SCDT的值，求出视频泄漏信号是观测信号的概率f_r，及杂波信号是观测信号的概率f_c；

判断f_r是否大于f_c，若是，则判断所述信号为视频泄漏信号。

第二方面，本发明提供了一种基于谱质心的视频泄漏信号自动检测系统，所述系统包括：

分段模块，用于获得观测信号的功率谱，并将所述功率谱分为多个子带；

计算模块，用于获得每个子带的谱质心，并获取各子带的谱质心间隔；

判断模块，用于根据所述信号的谱质心间隔分布的均匀程度，判断所述信号是否为视频泄漏信号。

优选地，所述分段模块，具体用于：

选取计算机显示器的行同步频率或场同步频率作为子带宽度；

根据所述子带宽度，将所述功率谱分为多个子带。

优选地，所述计算模块，具体用于：

根据下式计算得到每个子带的谱质心f_SC：

其中，n表示子带宽度N上的每个点，f(n)为每点的频率，E(n)为信号的功率谱，N为子带宽度，P(E(n))为各点功率谱在总功率谱上的概率；

根据下式计算得到各子带的谱质心间隔f_SCD(m)：

f_SCD(m)＝f_SC(m+1)-f_SC(m),m＝1,2,…,M

其中，m为各子带的编号，f_SC(m)为第m个子带的谱质心，f_SC(m+1)为第m+1个子带的谱质心，M表示子带的个数。

优选地，所述判断模块，具体用于：

根据下式求出所述信号谱质心间隔分布的均匀程度：

SCDT＝SD(f_SCD)/MEAN(f_SCD)

其中，SCDT表示谱质心间隔分布的均匀程度，SD(f_SCD)为谱质心间隔f_SCD的方差，MEAN(f_SCD)为谱质心间隔f_SCD的均值；

根据所述信号SCDT的值，求出视频泄漏信号是观测信号的概率f_r，及杂波信号是观测信号的概率f_c；

判断f_r是否大于f_c，若是，则判断所述信号为视频泄漏信号。

由上述技术方案可知，本发明提供本发明提供一种基于谱质心的视频泄漏信号自动检测方法及系统，通过对信号的谱质心进行检测，在存在噪声和干扰信号的情况下，能够自动地检测到视频泄漏信号的存在。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些图获得其他的附图。

图1是本发明一实施例提供的基于谱质心的视频泄漏信号自动检测方法的流程示意图；

图2是本发明另一实施例提供的信号分段示意图；

图3是本发明另一实施例提供的电磁泄漏信号功率谱图；

图4是本发明另一实施例提供的视频信号和杂波信号的SCDT条件概率密度图；

图5是本发明另一实施例提供的基于谱质心的视频泄漏信号自动检测方法与相关算法运行时间的对比图；

图6是本发明另一实施例提供的基于谱质心的视频泄漏信号自动检测方法与相关算法抗干扰性的对比图；

图7是本发明一实施例提供的基于谱质心的视频泄漏信号自动检测系统的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，为本发明一实施例提供的基于谱质心的视频泄漏信号自动检测方法的流程示意图，该方法包括如下步骤：

101、获得观测信号的功率谱，并将所述功率谱分为多个子带。

102、获得每个子带的谱质心，并获取各子带的谱质心间隔。

103、根据所述信号的谱质心间隔分布的均匀程度，判断所述信号是否为视频泄漏信号。

本实施例中，步骤101中，根据下式获得视频泄漏信号的功率谱：

其中，P(ω)表示信号的功率谱，T表示时间，f(t)在时间段t∈[-T/2,T/2]上表示为f_T(t)，且f_T(t)的傅里叶变换为：F_T(ω)＝F[f_T(t)]，其中F[]表示傅里叶变换。

本实施例中，步骤101中将所述功率谱分为多个子带，具体包括：

A01、选取计算机显示器的行同步频率或场同步频率作为子带宽度。

A02、根据所述子带宽度，将所述功率谱分为多个子带。分段示意图如图2所示，其中N表示子带宽度，M表示子带的个数。

本实施例中，步骤102，具体包括如下步骤：

B01、根据下式计算得到每个子带的谱质心f_SC：

其中，n表示子带宽度N上的每个点，f(n)为每点的频率，E(n)为信号的功率谱，N为子带宽度，P(E(n))为各点功率谱在总功率谱上的概率。

B02、根据下式计算得到各子带的谱质心间隔f_SCD(m)：

f_SCD(m)＝f_SC(m+1)-f_SC(m),m＝1,2,…,M

其中，m为各子带的编号，f_SC(m)为第m个子带的谱质心，f_SC(m+1)为第m+1个子带的谱质心，M表示子带的个数。

由于信号功率谱呈现以行频频率为间隔的等间隔分布，则视频泄漏信号存在时，视频信号的谱质心间隔应大致相等，即：

f_SCD(m)≈f_SCD(m+1)

当视频泄漏信号不存在时，视频信号的谱质心间隔应呈现非均匀分布。因此可以将谱质心间隔的均匀程度作为视频泄漏信号检测的依据。

具体来说，本实施例中，步骤103包括如下步骤：

C01、定义谱质心分布特性(Spectral Centroid Distribution Trait，简称SCDT)来描述谱质心间隔分布的均匀程度，则根据下式求出观测信号谱质心间隔分布的均匀程度：

SCDT＝SD(f_SCD)/MEAN(f_SCD)

其中，SCDT表示谱质心间隔分布的均匀程度，SD(f_SCD)为谱质心间隔f_SCD的方差，MEAN(f_SCD)为谱质心间隔f_SCD的均值。

视频泄漏信号的频谱存在明显的等间隔分布特征，则视频泄漏信号存在的情况下的SCDT应该小于视频泄漏信号不存在情况下的SCDT。

如图3所示，为施加采集的电磁泄漏信号的功率谱图，图中三角形表示该信号的分段谱质心，由图3可知，利用谱质心基本可以自动找到波峰的准确位置，验证了利用谱质心检测视频信号的可行性。

C02、根据所述信号SCDT的值，求出视频泄漏信号是观测信号的概率f_r，及杂波信号是观测信号的概率f_c。

C03、判断f_r是否大于f_c，若是，则判断该观测信号为视频泄漏信号。否则，判断该观测信号为其他杂波信号。

具体来说，为了实现视频泄漏信号检测，S_r为视频泄漏信号，S_c为其他杂波信号。X＝X_O代表当前观测信号，谱质心检测法用来判断X＝X_O属于S_r还是S_c。

只有满足f(S_r|X＝X_O)>f(S_c|X＝X_O)时，信号才是视频泄漏信号。其中，f(S_r|X＝X_O)表示观测信号为视频泄漏信号的概率，f(S_c|X＝X_O)表示观测信号为其他杂波信号的概率。

而根据贝叶斯定理有：

其中，f(X＝X_O)≡K是观测数据发生的概率，对于两组信号来说是相等的。因此，f(S_i|X＝X_O)取决于f(X＝X_O|S_i)f(s_i)。又因为视频泄漏信号概率密度f(s_r)和杂波信号概率密度f(s_c)事先并不知道，我们假设他们相等，且f(s_r)＝f(s_c)＝0.5。

则：f(S_i|X＝X_O)＝0.5K^-1f(X＝X_O|S_i)

因此，判决准则只有在f(X＝X_O|S_r)>f(X＝X_O|S_c)的情况下，判断信号属于视频泄漏信号。其中，f(X＝X_O|S_r)表示视频泄漏信号为观测信号的概率，f(X＝X_O|S_c)表示杂波信号为观测信号的概率，用f_r代表f(X＝X_O|S_r)，用f_c代表f(X＝X_O|S_c)。

如图4所示，图4为实际视频信号和杂波信号的纹理特征概率密度曲线。由图4可知，根据SCDT可以有效的区分出视频泄漏信号和其他杂波信号。根据观测信号的SCDT，根据图4，可以判断f_r是否大于f_c，若是，则判断所述信号为视频泄漏信号，否则判断所述信号为其他杂波信号。

本实施例提供的基于谱质心的视频泄漏信号自动检测方法，通过对信号的谱质心进行检测，在存在噪声和干扰信号的情况下，能够自动地检测到视频泄漏信号的存在。

下面，通过一个更为具体的实施例说明了上述方法的效果。

1、运行时间

如图5所示，横轴是数据的长度，这里以视频信号的场周期来表示。纵轴是算法的运行时间，运行时间是通过MATLAB软件中的profiler工具获得的。由图5可知，本实施例提出的基于谱质心的视频泄漏信号自动检测方法在运行时间上明显小于现有的相关算法。

2、抗干扰性

本实施例提出的谱质心算法和相关算法在抗干扰性方便的性能比较如图6所示。图6中，横轴是电磁泄漏信号和干扰信号的比值，即信干比，纵轴是准确率accurary，计算公式如下：

accurary＝1-(|f_h-f_h(right)|/f_h)×(|f_v-f_v(right)|/f_v)

由图6可以看出，基于谱质心的视频泄漏信号自动检测方法在抗干扰的性能上较相关算法有明显的提升。

如图7所示，为本发明一实施例提供的基于谱质心的视频泄漏信号自动检测系统，该系统包括分段模块701、计算模块702及判断模块703。

其中，分段模块701，用于获得观测信号的功率谱，并将所述功率谱分为多个子带。

计算模块702，用于获得每个子带的谱质心，并获取各子带的谱质心间隔。

判断模块703，用于根据所述信号的谱质心间隔分布的均匀程度，判断所述信号是否为视频泄漏信号。

其中，分段模块701，具体用于：

选取计算机显示器的行同步频率或场同步频率作为子带宽度；根据所述子带宽度，将所述功率谱分为多个子带。

其中，计算模块702，具体用于：

(1)根据下式计算得到每个子带的谱质心f_SC：

其中，n表示子带宽度N上的每个点，f(n)为每点的频率，E(n)为信号的功率谱，N为子带宽度，P(E(n))为各点功率谱在总功率谱上的概率。

(2)根据下式计算得到各子带的谱质心间隔f_SCD(m)：

f_SCD(m)＝f_SC(m+1)-f_SC(m),m＝1,2,…,M

其中，m为各子带的编号，f_SC(m)为第m个子带的谱质心，f_SC(m+1)为第m+1个子带的谱质心，M表示子带的个数。

其中，判断模块703，具体用于：

(1)根据下式求出所述信号谱质心间隔分布的均匀程度：

SCDT＝SD(f_SCD)/MEAN(f_SCD)

其中，SCDT表示谱质心间隔分布的均匀程度，SD(f_SCD)为谱质心间隔f_SCD的方差，MEAN(f_SCD)为谱质心间隔f_SCD的均值。

(2)根据所述信号SCDT的值，求出视频泄漏信号为所述信号的概率f_r，及杂波信号为所述信号的概率f_c。

(3)判断f_r是否大于f_c，若是，则判断该观测信号为视频泄漏信号；否则，判断该观测信号为其他杂波信号。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种基于谱质心的视频泄漏信号自动检测方法，其特征在于，所述方法包括：

获得观测信号的功率谱，并将所述功率谱分为多个子带；

获得每个子带的谱质心，并获取各子带的谱质心间隔；

根据所述信号的谱质心间隔分布的均匀程度，判断所述信号是否为视频泄漏信号；

其中，所述根据所述信号的谱质心间隔分布的均匀程度，判断所述信号是否为视频泄漏信号，包括：

根据下式求出所述信号谱质心间隔分布的均匀程度：

SCDT＝SD(f_SCD)/MEAN(f_SCD)

其中，SCDT表示谱质心间隔分布的均匀程度，SD(f_SCD)为谱质心间隔f_SCD的方差，MEAN(f_SCD)为谱质心间隔f_SCD的均值；

根据所述信号SCDT的值，求出视频泄漏信号是观测信号的概率f_r，及杂波信号是观测信号的概率f_c；

判断f_r是否大于f_c，若是，则判断所述信号为视频泄漏信号。

2.根据权利要求1所述的方法，其特征在于，所述将所述功率谱分为多个子带，包括：

选取计算机显示器的行同步频率或场同步频率作为子带宽度；

根据所述子带宽度，将所述功率谱分为多个子带。

3.根据权利要求1所述的方法，其特征在于，所述获得每个子带的谱质心，包括：

根据下式计算得到每个子带的谱质心f_SC：

$\begin{array}{c}{f}_{SC}={\mathrm{\Σ}}_{n=0}^{N-1}f\left(n\right)E\left(n\right)/{\mathrm{\Σ}}_{n=0}^{N-1}E\left(n\right)\\ =\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}f\left(n\right)E\left(n\right)/{\mathrm{\Σ}}_{n=0}^{N-1}E\left(n\right)\\ =\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}f\left(n\right)P\left(E\right(n))\end{array}$

其中，n表示子带宽度N上的每个点，f(n)为每点的频率，E(n)为信号的功率谱，N为子带宽度，P(E(n))为各点功率谱在总功率谱上的概率。

4.根据权利要求3所述的方法，其特征在于，所述获取各子带的谱质心间隔，包括：

根据下式计算得到各子带的谱质心间隔f_SCD(m)：

f_SCD(m)＝f_SC(m+1)-f_SC(m),m＝1,2,…,M

其中，m为各子带的编号，f_SC(m)为第m个子带的谱质心，f_SC(m+1)为第m+1个子带的谱质心，M表示子带的个数。

5.一种基于谱质心的视频泄漏信号自动检测系统，其特征在于，所述系统包括：

分段模块，用于获得观测信号的功率谱，并将所述功率谱分为多个子带；

计算模块，用于获得每个子带的谱质心，并获取各子带的谱质心间隔；

判断模块，用于根据所述信号的谱质心间隔分布的均匀程度，判断所述信号是否为视频泄漏信号；

其中，所述判断模块，具体用于：

根据下式求出所述信号谱质心间隔分布的均匀程度：

SCDT＝SD(f_SCD)/MEAN(f_SCD)

其中，SCDT表示谱质心间隔分布的均匀程度，SD(f_SCD)为谱质心间隔f_SCD的方差，MEAN(f_SCD)为谱质心间隔f_SCD的均值；

根据所述信号SCDT的值，求出视频泄漏信号是观测信号的概率f_r，及杂波信号是观测信号的概率f_c；

判断f_r是否大于f_c，若是，则判断所述信号为视频泄漏信号。

6.根据权利要求5所述的系统，其特征在于，所述分段模块，具体用于：

选取计算机显示器的行同步频率或场同步频率作为子带宽度；

根据所述子带宽度，将所述功率谱分为多个子带。

7.根据权利要求5所述的系统，其特征在于，所述计算模块，具体用于：

根据下式计算得到每个子带的谱质心f_SC：

$\begin{array}{c}{f}_{SC}={\mathrm{\Σ}}_{n=0}^{N-1}f\left(n\right)E\left(n\right)/{\mathrm{\Σ}}_{n=0}^{N-1}E\left(n\right)\\ =\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}f\left(n\right)E\left(n\right)/{\mathrm{\Σ}}_{n=0}^{N-1}E\left(n\right)\\ =\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}f\left(n\right)P\left(E\right(n))\end{array}$

其中，n表示子带宽度N上的每个点，f(n)为每点的频率，E(n)为信号的功率谱，N为子带宽度，P(E(n))为各点功率谱在总功率谱上的概率。

8.根据权利要求5所述的系统，其特征在于，所述计算模块，还用于：

根据下式计算得到各子带的谱质心间隔f_SCD(m)：

f_SCD(m)＝f_SC(m+1)-f_SC(m),m＝1,2,…,M

其中，m为各子带的编号，f_SC(m)为第m个子带的谱质心，f_SC(m+1)为第m+1个子带的谱质心，M表示子带的个数。