CN105205102B - 一种鉴别数字音频aac格式多次压缩的方法 - Google Patents
一种鉴别数字音频aac格式多次压缩的方法 Download PDFInfo
- Publication number
- CN105205102B CN105205102B CN201510526302.7A CN201510526302A CN105205102B CN 105205102 B CN105205102 B CN 105205102B CN 201510526302 A CN201510526302 A CN 201510526302A CN 105205102 B CN105205102 B CN 105205102B
- Authority
- CN
- China
- Prior art keywords
- audio
- aac
- huffman
- compression
- group
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/17—Details of further file system functions
- G06F16/174—Redundancy elimination performed by the file system
- G06F16/1744—Redundancy elimination performed by the file system using compression, e.g. sparse files
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明公开一种鉴别数字音频AAC格式多次压缩的方法,是根据音频压缩的特点而提出的统计判别方法,属于多媒体信号处理领域。本发明方法依据数字音频在压缩时MDCT系数会发生变化,进而导致Huffman编码的不同。随着压缩次数的增多,这种差异将越来越小。本发明方法正是将不同的压缩次数之间Huffman编码小值的差异组成特征值,再利用SVM分类器分类,对鉴别AAC格式的数字音频是否被多次压缩有很好的效果。本发明可以作为鉴别AAC格式的文件是否被多次压缩的一种有效手段,可以广泛应用在数字音频的鉴别和过滤假音质音乐方面。
Description
技术领域
本发明涉及多媒体信号处理领域,具体涉及一种鉴别数字音频AAC格式是否被多次压缩的分析方法。
背景技术
科技的不断进步给人们的生活带来极大的方便,形形色色的多媒体成为人们日常生活中不可缺少的一部分。随着多媒体技术的日渐成熟,人们越来越追求高音质的多媒体。AAC标准产生的目的是取代目前流行的MP3格式,其较高的音频质量和较小的存储空间成为人们的青睐。目前,市场上占据主流地位的移动存储设备和便携式播放器等都开始支持AAC格式的数字音频。然而,随着网络上各种功能强大的音频编辑软件的出现,如ffmpeg、audition等,人们可以十分容易地对数字音频进行篡改或编辑,并且不会留下明显的修改痕迹,这对人们如何鉴别假音质的AAC文件提出了挑战。
数字签名和水印技术,是人们常用的数字音频认证技术,然而这两种主动认证技术必须要提供额外的加密认证信息才能对数字音频进行有效鉴别。而现实生活中待鉴别的数字音频往往无法提供这些额外的加密认证信息,从而导致这种认证方法不可行。鉴别数字音频是否被多次压缩,是基于近年兴起的被动数字音频认证技术。这种鉴别方法不需要额外的加密认证信息,通过分析数字音频内在的特征进行鉴别。
对AAC 格式音频文件是否被多次压缩进行分析,目前暂时还没发现有文献进行此类工作。“Rongshan Yu, Xiao Lin, Susanto Rahardja, “A Statistics Study of theMDCT Coefficient Distribution for Audio”,IEEE International Conference onMultimedia and Expo,2004.”指出,数字音频在经过MDCT变换后,系数绝大多数集中在小值部分,基本符合拉普拉斯分布。因此,本文提出利用数字音频MDCT变换后Huffman编码的小值作为特征,对数字音频是否被多次压缩进行鉴别。“罗达,“一种鉴定WAV数字音频信号是否经过压缩以及分析其此前被压缩的码率的方法”, 2013.”对假音质的WAV数字音频进行鉴别,而且利用的方法也完全不同。“Rui Yang, Yunqing Shi, Jiwu Huang,“Defeating Fake-Quality MP3,”in Proceedings of ACM Workshop on Multimedia andSecurity, Princeton, New Jersey, USA, 2009.”对假音质的MP3进行鉴别,这里的假音质指的是由低码率的MP3 压缩成高码率的MP3,通过分析不同码率MP3文件的MDCT系数特征进行鉴别。
发明内容
为了克服上述现有技术的不足,本发明提出一种鉴别数字音频AAC格式多次压缩的方法,用于分析判断鉴别数字音频AAC格式是否被多次压缩;本发明是依据数字音频在压缩时MDCT系数会发生变化,进而导致Huffman编码的不同。随着压缩次数的增多,这种差异会越来越小。本发明方法将不同的压缩次数之间Huffman编码小值的差异组成特征值,再利用SVM分类器分类,对鉴别AAC格式的数字音频是否被多次压缩有很好的效果。本发明方法在不同的压缩码率、立体声模式、低采样率等条件下依然具有较好的鉴别能力。
为了实现上述目的,本发明的技术方案为:
一种鉴别数字音频AAC格式多次压缩的方法,步骤如下:
1)数字音频集的构造:
11)压缩一次音频集的构造:首先从CD中选取无损的WAV格式文件,裁剪成若干10秒钟长度的音频片段,然后以若干种不同(32kbps、48kbps、64kbps、96kbps、128kbps)的码率压缩成AAC格式的音频,得到压缩一次的AAC音频集。
12)压缩两次音频集的构造:对11)中生成的压缩一次的AAC文件分别进行解码成WAV格式文件,然后,再将它们分别以其对应的码率再次压缩成AAC文件,得到压缩两次的音频集。
13)压缩三次音频集的构造:对12)中生成的压缩两次的AAC文件按照同样的方法进行解码,然后,再分别以其对应码率再压缩,得到压缩三次的AAC格式的音频集。
2)音频集特征提取:
对上述得到的三种音频集,按以下方法提取特征:
21)根据AAC标准,每帧提取1024个Huffman编码值。
22)统计每个音频片段中所有帧的Huffman编码值分别为0的个数,±1的个数和以及±2的个数和,然后除以帧数,得到平均每帧中的0,±1,±2的个数,将平均每帧中0,±1,±2的个数称作“Huffman小值”。
23)依据22)中的方法,用压缩一次音频片段的Huffman小值减去压缩两次音频片段的Huffman小值,得到第一组特征值。采取相同的方法,用压缩两次的音频片段的Huffman小值减去压缩三次的音频片段的Huffman小值,得到第二组特征值。
3)分类器的构造:
将步骤2)中得到的两组特征值利用SVM 分类器进行训练,得到一个能鉴别数字音频AAC是否被多次压缩的分类器模型Model。
4)鉴别待测音频:
首先,将待测音频解码,得到Huffman小值。然后,将解码的文件再次压缩成AAC文件,再解码,得到另一组Huffman小值。将这两组Huffman小值相减,组成待测音频特征值。最后,利用3)中训练出来的Model进行鉴别。如果待测音频特征值属于第一组特征值的类别则该待测音频是压缩一次的数字音频,否则是压缩两次或两次以上的数字音频。
现有手机中有一段数字音频原本就是AAC格式,当对其编辑后再一次保存成AAC格式时,就会发生对原始音频的二次压缩。本发明方法对数字音频AAC是否被多次压缩有很好的鉴别能力,可以作为鉴定数字音频是否被多次编辑的一种辅助手段。对一个AAC数字音频信号,本发明通过分析其内在的本质特征以及不同的压缩次数之间的差别,鉴定它是否曾经被多次压缩。
附图说明
图1是本发明方法鉴别数字音频AAC是否被多次压缩流程图。
图2是AAC标准中解码流程图。
图3是压缩一次和压缩两次Huffman小值分布图。
图4是不同压缩次数Huffman小值差的分布图。
具体实施方式
下面结合附图对本发明方法作进一步说明。
本发明提出的一种鉴别数字音频AAC格式多次压缩的方法,该方法鉴别待测音频是否被多次压缩的过程十分简单,如图1所示。对于输入AAC格式的待测音频,首先,将其解码获得第一组Huffman小值。然后,将解码得到的文件再次压缩,再解码获得第二组Huffman小值。最后,将两次获得的Huffman小值做差组成待测音频的特征值,利用SVM分类器进行分类鉴别。具体步骤如下:
1)数字音频集的构造:
11)压缩一次音频集的构造:首先选取无损WAV格式文件,包括中文歌曲、外文歌曲、戏曲、钢琴曲、摇滚、爵士、古典等等各种各样的音频文件,包含的范围尽可能广。将上述这些数字音频利用ffmpeg等音频编辑软件裁剪成若干10秒钟长度的音频片段,然后分别以32kbps、48kbps、64kbps、96kbps、128kbps的码率利用fdk_aac等AAC编码器压缩成AAC格式的音频。
12)压缩两次音频集的构造:对11)中生成的AAC文件进行解码成WAV格式文件,再将它们分别以第一次压缩时对应的码率再次压缩成AAC文件,得到压缩两次的音频集。
13)压缩三次音频集的构造:对12)中生成的压缩两次的AAC文件按照同样的方法再一次进行解码,然后再分别以对应码率压缩成AAC文件,得到压缩三次的音频集。
2)音频集特征提取:
对上述音频集中的每个音频片段,按以下方法提取特征:
21)首先按AAC标准解码方法,如图2所示,对每一帧提取1024个Huffman编码值。具体做法如下:
目前AAC格式的编解码器有很多,在本实施例中利用比较流行的开源的fdk_aac(http://sourceforge.net/p/opencore-amr/fdk-aac/.)编解码器,通过在解码端增加少量代码即可输出Huffman编码值。而后利用功能强大的开源ffmpeg(https://ffmpeg.org/)对fdk_aac进行编译,即可在音频解码时输出Huffman编码值。
22)统计每个音频片段中所有帧的Huffman编码值分别为0的个数,±1的个数和以及±2的个数和,然后分别除以帧数,得到平均每帧中的0,±1,±2的个数。将平均每帧中0,±1,±2的个数称作“Huffman小值”。将20552个音频片段以48kbps码率分别压缩一次和压缩两次,其Huffman小值分布如图3所示。由图中可以看出,对于同一个音频片段压缩一次和压缩两次的Huffman小值分布十分相似,仅通过比较压缩一次和压缩两次的Huffman小值分布很难达到鉴别效果。
23)依据22)中的方法,用压缩一次音频片段的Huffman小值减去压缩两次音频片段的Huffman小值,得到第一组特征值。采取相同的方法,用压缩两次音频片段的Huffman小值减去压缩三次音频片段的Huffman小值,得到第二组特征值。如图4所示,压缩一次与压缩两次音频片段Huffman小值的差和压缩两次与压缩三次音频片段Huffman小值的差统计分布。从图中可以明显的看出,由于压缩次数的不同导致不同的差异程度。压缩一次和压缩两次之间的差异明显比压缩两次和压缩三次之间的差异剧烈得多,尤其是±1和±2个数的变化。通过将不同的压缩次数之间Huffman小值的变化作为特征值进行鉴别数字音频AAC是否被多次压缩有较好的鉴别效果。
3)分类器的构造:
将2)中得到的两组特征值利用SVM 分类器进行训练,得到一个能鉴别AAC格式的数字音频是否被多次压缩的分类器模型Model。
4)鉴别待测音频:
首先,将输入AAC格式的待测音频解码,根据AAC解码标准每帧得到1024个Huffman编码值。然后,将解码得到的文件再压缩,再解码得到另一组Huffman小值。将这两组Huffman小值相减,组成待测音频特征值。最后,利用3)中训练出来的Model进行鉴别,如果待测音频特征值属于第一组特征值的类别则该待测音频是压缩一次的数字音频,否则是压缩两次或两次以上的数字音频。
本发明方法的原理如下:
数字音频在压缩过程中谱线系数会发生变化,而随着压缩次数的增多这种变化将越来越不明显。压缩次数不同的AAC格式的数字音频仅通过比较两者的MDCT系数很难对其是否被多次压缩进行鉴别,而通过比较不同的压缩次数之间差异的大小对数字音频是否被多次压缩进行鉴别却是十分有效的。
下面给出本发明方法的一些实验结果。
从CD中取得无损的各种音乐文件,然后利用ffmpeg软件剪裁成20552个10秒钟的音频片段,采样率44100Hz,16bit。然后利用ffmpeg和fdk_aac将这些文件分别以32kbps,48kbps,64kbps,96kbps,128kbps压缩成AAC格式文件,从而得到压缩一次的数字音频。
然后利用相同的工具,按照前文介绍的方法分别获得压缩两次和压缩三次的音频集。通过将压缩一次与压缩两次Huffman小值的差和压缩两次与压缩三次Huffman小值的差组成两组特征值进行SVM训练。在鉴别待测音频时,比较待测音频的特征值是属于上述训练模型中的哪一组特征值的类型即可判断待测音频是压缩一次还是压缩两次或两次以上。
在本实施例中一共做了八组实验:
第一组:不同码率
这组实验主要是判断以不同的码率将数字音频压缩成AAC文件时,能否有效的鉴别其是否被多次压缩。
本组实验采用上述20552个无损音频片段,利用ffmpeg音频编辑处理软件和fdk_aac编解码器分别以32kbps, 48kbps, 64kbps, 96kbps 和 128kbps的码率压缩,每种码率都取得压缩一次、压缩两次、压缩三次的音频集。然后分别对每种压缩码率的音频集按前面提到的方法将压缩一次与压缩两次音频集Huffman小值的差作为第一组特征值,压缩两次与压缩三次Huffman小值的差作为第二组特征值。将这两组特征值的5/6作为训练集,1/6作为测试集,利用SVM进行分类。实验结果如下表所示:
表格一:不同压缩码率
码率(kbps) | 32 | 48 | 64 | 96 | 128 |
正确率(%) | 98.08 | 97.75 | 97.67 | 97.68 | 94.91 |
实验结果表明,对于不同的压缩码率,本发明方法均能较好的鉴别出数字音频AAC是否被多次压缩。
第二组:不同长度
这组实验的目的是测试音频片段的长度对鉴别结果的影响。上一组实验是在音频片段长度为10秒钟来测试的,那么这组实验另选一组音频库,取13155个30秒的音频片段进行实验,结果如下表所示:
表格二:30秒长度音频
码率(kbps) | 32 | 48 | 64 | 96 | 128 |
正确率(%) | 97.70 | 98.71 | 97.07 | 97.33 | 94.52 |
同时,本实验还对随机选取的956个不同长度的音频以48kbps码率进行了测试,这组音频包含有完整的音乐,从几秒钟到几分钟的长度都有,实验结果如下:
表格三:不同长度
码率(kbps) | 48 |
正确率(%) | 98.70 |
上述实验结果表明,在时间足够长的音频片段中,平均每帧中的Huffman小值个数已经稳定,所以音频的长度只要够长即可。事实上,10秒钟的音频片段已经至少有几百帧,每帧中的Huffman小值个数已经基本稳定,实验结果已经可靠。
第三组:不同采样率
前面的实验都是在采样率为44.1khz的情况下进行鉴别的,本组实验测试在22.05khz采样率情况下能否取得良好效果。
将第一组实验中以64kbps码率压缩的实验按照相同的方法,将采样率设置成22.05khz再次进行实验,实验结果如下:
表格四:22.05khz采样率
码率(kbps) | 64 |
正确率(%) | 94.35 |
第四组:立体声模式
前面的实验都是在单声道模式下进行的测试,本组实验的目的是验证立体声模式下,该鉴别数字音频是否被多次压缩的方法是否依然有效。
同样以64kbps为例,将音频集以立体声模式压缩成AAC文件,然后采用和第一组实验一样的方法进行训练分类,实验结果如下:
表格五:立体声模式
码率(kbps) | 64 |
正确率(%) | 97.81 |
第五组:不同格式
本组实验的目的是验证从MP3格式压缩成AAC文件,而不是前面测试的无损WAV格式文件,该方法是否依然有效。
首先,将WAV格式的音频集压缩成MP3格式,取得MP3格式的音频集。然后,将MP3格式的音频集解码后再以64kbps压缩成AAC文件,分别取得压缩一次和压缩两次的音频集。根据前面提到的方法分别对这两组待测音频利用第一组实验中以64kbps训练出来的model进行鉴别,实验结果如下:
表格六:不同格式
压缩次数 | 压缩一次 | 压缩两次 |
正确率(%) | 98.35 | 99.55 |
实验结果表明,从不同格式压缩成的AAC文件,无论是压缩一次还是压缩多次,本方法均能有效的鉴别。
第六组:不同编码器
前面所有的实验都是利用fdk_aac对数字音频进行压缩成AAC文件,本组实验测试不同编码器的影响。
本组实验利用ffmpeg进行编译faac,然后利用faac以64kbps码率对音频集压缩一次,而后利用第一组实验中64kbps的训练模型进行鉴别,实验结果如下:
表格七:faac编码器
鉴别结果 | 仅压缩一次 |
正确率(%) | 100 |
实际鉴别过程中,如果确定生成AAC格式音频的编码器是上述fdk_aac,则可以直接利用前面实验中的方法进行鉴别。如果产生待测音频的编码器未知,鉴别结果是压缩两次或两次以上的音频时,则可以确定该音频是多次压缩的。如果鉴别结果是压缩一次的音频时,因为不同编码器之间的Huffman小值差异比较大,还要进一步验证该编码器是否为fdk_aac。鉴别产生待测音频的编码器是否为fdk_aac的方法十分简单,只需判断该组特征值是否和用fdk_aac压缩一次音频集的特征值是同一类,利用SVM分类器很容易实现。进一步,通过比较不同编码器之间的特征值可以延伸成判断生成AAC文件的编码器是哪一种的有效方法。下面以faac和fdk_aac为例,将同一组音频集以64kbps压缩成AAC文件,实验结果如下。
表格八:不同编码器
faac | fdk_aac | |
faac | 99.96 | 0.04 |
fdk_aac | 0.30 | 99.70 |
上述实验结果表明,本文提出的构造特征值的方法对于鉴定产生数字音频AAC的编码器也十分有效。
第七组:假音质AAC
这里提出的假音质AAC与“Rui Yang, Yunqing Shi, Jiwu Huang, “DefeatingFake-Quality MP3,”in Proceedings of ACM Workshop on Multimedia and Security,Princeton, New Jersey, USA, 2009.”提出的假音质MP3类似,指的是将低码率的AAC文件压缩成高码率的AAC文件或将高码率的AAC压缩成低码率的AAC文件。该仅判断MP3是否为假音质,而本发明提出的方法不仅判断AAC是否为假音质还可以有效鉴别AAC文件是否被多次压缩。鉴别待测音频时,如果鉴别结果是待测音频被压缩两次或两次以上,则可以确定待测音频被多次压缩;如果鉴别结果为待测音频仅压缩一次,由于假音质AAC在压缩时会造成MDCT系数发生较大变化,则还要将该组特征值与model中第一组特征值比较。如果两者是同一类,则待测音频不是假音质AAC而且仅压缩过一次。否则,待测音频是被多次压缩的假音质AAC文件。本组实验将48kbps压缩的AAC文件解码后以96kbps再次压缩成AAC文件,生成假音质AAC文件。然后,利用第一组实验中以96kbps训练出来的model进行鉴别。实验结果如下:
表格九:假音质AAC
鉴别结果 | 仅压缩一次 |
正确率(%) | 70.41 |
表格表明70.41%的假音质AAC文件被认为是仅压缩一次的,再通过SVM分类器将该组特征值与第一组实验中96kbps的第一组特征值比较,99.10%认为这两组特征值是可以区分的,即这两组特征值不是同一类。由此判断该组待测音频是被多次压缩的假音质AAC文件。同样,也将96kbps压缩的AAC文件解码后再以48kbps压缩成AAC文件,获得由高码率到低码率的假音质AAC文件,实验结果如下:
表格十:假音质AAC
鉴别结果 | 仅压缩一次 |
正确率(%) | 98.01 |
表格表明有98.01%的假音质AAC文件被认为是仅压缩一次的,同样将这组特征值与第一组实验中48kbps的第一组特征值进行训练分类,79.50%认为这两组特征值是可以区分的,即这两组特征值不是同一类,表明该组待测音频为压缩多次的假音质AAC文件。
第八组:语音片段
前面实验中音频集大部分都是音乐,本组实验对语音进行测试。本组实验利用6300个语音片段作为音频集,均为8000采样率,单声道,这些音频片段都是从一秒钟到五秒钟比较短的语音片段,如果音频片段稍长,鉴别效果会更好。实验结果如下表所示:
表格十一:语音片段
码率(kbps) | 12 | 18 | 24 | 32 | 48 | 64 |
正确率(%) | 97.62 | 90.18 | 86.54 | 75.93 | 73.66 | 73.50 |
上述八组实验结果表明,本发明方法在鉴别数字音频AAC是否被多次压缩方面有很好的效果。
Claims (2)
1.一种鉴别数字音频AAC格式多次压缩的方法,其特征在于,包括以下步骤:
1)数字音频集的构造:
11)压缩一次音频集的构造:首先选取无损的WAV格式文件,裁剪成若干t秒钟长度的音频片段,然后以若干种不同的码率压缩成AAC格式的音频;
12)压缩两次音频集的构造:对步骤11)中生成的AAC文件进行解码得到WAV格式文件,再将它们分别以其对应的码率再次压缩成AAC文件,得到压缩两次的音频集;
13)压缩三次音频集的构造:对步骤12)中生成的AAC文件按照同样的方法进行解码,然后,再分别以其对应码率再压缩,得到压缩三次的AAC格式的音频集;
2)音频集特征提取:
对上述得到的三种音频集,按以下方法提取特征:
21)根据AAC标准,每帧提取1024个Huffman编码值;
22)统计每个音频片段中所有帧的Huffman编码值为0的个数,±1的个数和以及±2的个数和,然后除以帧数,得到平均每帧中0,±1,±2的个数,将平均每帧中0,±1,±2的个数称作Huffman小值;
23)依据步骤22)中的方法,用压缩一次音频片段的Huffman小值减去压缩两次音频片段的Huffman小值,得到第一组特征值;采取相同的方法,用压缩两次音频片段的Huffman小值减去压缩三次音频片段的Huffman小值,得到第二组特征值;
3)分类器的构造:
将步骤2)中得到的两组特征值利用SVM 分类器进行训练,得到一个能鉴别AAC格式音频信号是否被多次压缩的分类器模型Model;用于判断待测音频特征值属于第一组特征值还是第二组特征值,如果待测音频特征值属于第一组特征值的类别则该待测音频是压缩一次的数字音频,否则是压缩两次或两次以上的数字音频;
4)鉴别待测音频:
首先,将待测音频解码,得到Huffman小值;然后,将解码的文件再次压缩成AAC文件,再解码,得到另一组Huffman小值;将这两组Huffman小值相减,组成待测音频特征值;最后,利用步骤3)中训练出来的Model进行鉴别;如果待测音频特征值属于第一组特征值的类别则该待测音频是压缩一次的数字音频,否则是压缩两次或两次以上的数字音频。
2.根据权利要求1所述的方法,其特征在于,所述步骤3)中利用LibSVM 分类器进行训练。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510526302.7A CN105205102B (zh) | 2015-08-25 | 2015-08-25 | 一种鉴别数字音频aac格式多次压缩的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510526302.7A CN105205102B (zh) | 2015-08-25 | 2015-08-25 | 一种鉴别数字音频aac格式多次压缩的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105205102A CN105205102A (zh) | 2015-12-30 |
CN105205102B true CN105205102B (zh) | 2018-08-14 |
Family
ID=54952786
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510526302.7A Active CN105205102B (zh) | 2015-08-25 | 2015-08-25 | 一种鉴别数字音频aac格式多次压缩的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105205102B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101383171A (zh) * | 2008-10-16 | 2009-03-11 | 中山大学 | 一种mp3音频的篡改盲检测方法 |
CN101394402A (zh) * | 2008-10-13 | 2009-03-25 | 邓学锋 | 一种对音频信息大范围快速变码破坏病毒的方法 |
CN103854654A (zh) * | 2012-12-07 | 2014-06-11 | 大连联达科技有限公司 | 一种应用于互动教学系统的声音压缩方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013078056A1 (en) * | 2011-11-22 | 2013-05-30 | Dolby Laboratories Licensing Corporation | Method and system for generating an audio metadata quality score |
-
2015
- 2015-08-25 CN CN201510526302.7A patent/CN105205102B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101394402A (zh) * | 2008-10-13 | 2009-03-25 | 邓学锋 | 一种对音频信息大范围快速变码破坏病毒的方法 |
CN101383171A (zh) * | 2008-10-16 | 2009-03-11 | 中山大学 | 一种mp3音频的篡改盲检测方法 |
CN103854654A (zh) * | 2012-12-07 | 2014-06-11 | 大连联达科技有限公司 | 一种应用于互动教学系统的声音压缩方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105205102A (zh) | 2015-12-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chou et al. | Robust singing detection in speech/music discriminator design | |
CN102007534B (zh) | 用于处理音频信号的方法和装置 | |
US7081581B2 (en) | Method and device for characterizing a signal and method and device for producing an indexed signal | |
Herre et al. | Robust matching of audio signals using spectral flatness features | |
Luo et al. | Detection of double compressed AMR audio using stacked autoencoder | |
CN102754147B (zh) | 复杂度可缩放的感知节拍估计 | |
Gupta et al. | Current developments and future trends in audio authentication | |
CN105632516B (zh) | 一种基于边信息统计特性的mp3录音文件来源识别方法 | |
JP2004530153A6 (ja) | 信号を特徴付ける方法および装置、および、索引信号を生成する方法および装置 | |
JP2011059504A (ja) | コンテンツ同定方法、コンテンツ同定システム、コンテンツ検索装置及びコンテンツ利用装置 | |
CN105719660B (zh) | 一种基于量化特性的语音篡改定位检测方法 | |
Luo et al. | Compression history identification for digital audio signal | |
CN102394065B (zh) | 一种鉴定wav数字音频信号是否经过压缩以及分析其此前被压缩的码率的方法 | |
CN108735230B (zh) | 基于混合音频的背景音乐识别方法、装置及设备 | |
CN105205102B (zh) | 一种鉴别数字音频aac格式多次压缩的方法 | |
CN102610234B (zh) | 信号复杂度和编码速率选择的映射实现方法 | |
CN112908302A (zh) | 一种音频处理方法、装置、设备及可读存储介质 | |
Kim et al. | Lossy audio compression identification | |
CN105448299B (zh) | 一种鉴别数字音频aac格式编解码器的方法 | |
CN109785848B (zh) | 基于比例因子系数差值的aac双压缩音频检测方法 | |
CN101667423A (zh) | 基于概率密度比的压缩域高鲁棒语音/音乐分割方法 | |
Ma et al. | Detecting double-compressed MP3 with the Same Bit-rate. | |
CN110097887A (zh) | 一种基于lsf系数统计分布特征的silk安全隐写方法 | |
CN108877816A (zh) | 基于qmdct系数的aac音频重压缩检测方法 | |
Organiściak et al. | Single-ended quality measurement of a music content via convolutional recurrent neural networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20190614 Address after: 518054 Shenzhen City, Guangdong Province, Nanshan District Shekou Street Excellence Weigang Ming Yuan (North District) 4-7 skirt building 144 Patentee after: Shenzhen Guoxinan Information Technology Co., Ltd. Address before: 510275 Sun Yat-sen University, 135 Xingang West Road, Guangzhou, Guangdong Province Co-patentee before: Shenzhen University Patentee before: Sun Yat-sen University |
|
TR01 | Transfer of patent right |