随着网络技术的迅猛发展,音频盗版和恶意篡改日益猖獗,因此数字音频水印技术日益为人们重视。数字音频水印技术是一门涉及通信理论、密码学、混沌理论、数字音频技术等理论和技术的交叉学科,在计算机、通信、保密学等领域有着广泛的应用前景。近年来,有关数字音频水印技术的研究进展很快。本论文从音频水印技术所涉及的理论基础、算法构造、性能优化及水印检测等方面进行了系统的研究与讨论,针对零水印算法嵌入有意义水印、脆弱水印的攻击敏感性以及半脆弱零水印篡改精确定位等问题进行了重点研究。论文的主要创新成果包括以下内容：1.建立了基于神经网络的音频零水印算法模型。该模型用神经网络将有意义零水印嵌入原始音频载体中,不仅有效解决了不可感知性和鲁棒性之间的矛盾,而且嵌入了更为直观的有意义水印,解决了现有零水印算法只能嵌入二值水印的问题。提取和检测水印时,只需用密钥提取特征数据,通过机器学习的方法实现水印盲检测。将BP神经网络应用于该音频零水印模型,通过攻击测试证明这种零水印方案具有良好的隐蔽性,水印检测方法简单,并对各种攻击具有良好的鲁棒性。2.采用蚁群算法对用于音频零水印模型的BP神经网络初始权值进行了优化。基于蚁堆形成的蚁群算法存在收敛速度慢及概率搜索的缺点,为此论文对该蚁群算法进行了优化,提出了新的相似度函数、拾起概率函数和放下概率函数,加快了算法的收敛速度。将优化的蚁群算法用于BP神经网络权值优化,并将优化的BP神经网络用于音频零水印模型,实验结果进一步说明了优化算法的有效性,具体体现在：BP神经网络平均误差得到了降低,训练时间显著减少,零水印的抗攻击鲁棒性进一步提高。3.提出了一种基于双极性量化的音频双水印算法。鲁棒水印使用上述蚁群优化BP神经网络的零水印来构造,脆弱水印采用本文新提出的双极性量化方法。新提出的双极性量化方法优点在于：量化对象选取小波包分解的奇偶系数和之差,把常规量化取区间中值改为取边界值,使水印分散到小波包域奇系数上,提高了脆弱水印的敏感性,同时能确定篡改的类型,对恶意篡改还能进行精确定位。进行水印检测时,先进行音频信号的版权认证,再进行内容认证,充分发挥了鲁棒水印和脆弱水印各自的优势。4.提出了一种半脆弱音频零水印算法。算法提取原始音频信号的中低频分量作为特征,与多级置乱的水印图像进行关联运算构造出半脆弱零水印。仿真实验结果表明,该半脆弱音频零水印算法运算量小,易于实现,能够区分常规攻击和恶意篡改,对保持内容操作的常规信号处理具有抗攻击鲁棒性。进行恶意篡改分析时,先对恶意篡改进行区域定位,而后进行精准定位,进而可以推断出原始音频内容破坏区域,确认恶意篡改者的攻击目的。