面向移動通信網(wǎng)的藍牙加密語音同步研究

洪鵬程，黃一才，郁 濱 信息工程大學，鄭州 450001

1 引言

藍牙是一種短距離無線通信技術(shù)，現(xiàn)已成為智能手機的標準配置，可方便與手機連接。針對移動通信存在的竊聽等安全問題[1]，在藍牙終端中實現(xiàn)語音實時加解密，可以保證語音在手機、無線信道和基站中安全傳輸。

和數(shù)據(jù)信道相比，移動通信網(wǎng)的語音信道具有高優(yōu)先權(quán)、高覆蓋率、實時性強、可用性強和可靠性強等特點[2]。但是語音信道的聲碼器使用有損的、有記憶的壓縮編碼，不允許非語音特征數(shù)據(jù)通過。文獻[3]總結(jié)歸納了前人提出的在聲碼器上傳輸加密信號方法，核心思想均是將加密信息轉(zhuǎn)換成類語音進行傳輸，其中以波形碼本方案的傳輸性能最佳。但是大多數(shù)研究方案均在仿真環(huán)境實現(xiàn)，沒有考慮在實際應(yīng)用的同步方法[3-5]。

由于類語音信號從藍牙終端經(jīng)手機、移動通信網(wǎng)等信道的傳輸過程中經(jīng)歷了多次編解碼，因而存在延遲、失真、丟幀等特點，使得收發(fā)兩端的數(shù)據(jù)難以同步。只有對接收到的類語音數(shù)據(jù)準確同步才能解調(diào)和解密。

現(xiàn)有的語音同步方案中，多采用外同步方法，如添加時間戳或同步幀等同步頭[6-8]，這種方式可用于方便對語音幀頭控制的場景，但由于同步頭本身難以通過移動通信網(wǎng)語音信道傳輸，并不適合純語音流數(shù)據(jù)的同步。文獻[9]以線性調(diào)頻信號為同步結(jié)構(gòu)，設(shè)計了一種端到端語音加密通信的同步方案，能夠?qū)崿F(xiàn)語音端到端的同步，但該方案存在的問題不斷自相關(guān)檢驗需要消耗大量計算資源。文獻[10]指出在語音頻段300～3 400 Hz的正弦波對聲碼器的穿透性好，且優(yōu)于線性調(diào)頻信號，因此，正弦波可以用作移動通信網(wǎng)端到端的加密語音同步頭。

文獻[11]為了實現(xiàn)語音同步，對波形、頻域和倒譜檢測3 種數(shù)字語音處理方法進行了分析與對比，但是3 種方案均存在計算量偏大等問題。呂麗平等[12]指出以基于聲學特征的方法實現(xiàn)語音端點檢測的實時性強且簡單有效，這對同步信號檢測同樣具有啟發(fā)意義。使用的聲學特征包括時域特征，如短時過零率、平均能量以及自相關(guān)性等，和頻率特征，如倒譜距離法、頻帶方差法和譜熵法等[13]。但文獻[12]設(shè)計的端點檢測誤差范圍是3幀，而這使得加密語音信號不能恢復(fù)。文獻[14]指出使用滑動窗口逐個進行滑動匹配，雖然保證了準確性，但是帶來了較大的計算開銷。文獻[15-17]針對低信噪比情形設(shè)計了端點檢測方案，算法實時性較差。

因此，本文設(shè)計了面向語音加密傳輸?shù)膬杉壨綑C制。利用正弦信號的易檢測性，通過滑動窗口對過零次數(shù)、樣點值和的絕對值以及樣點值絕對值的和3個時域特征進行檢測，用以捕捉同步頭范圍；利用波形符號的可透傳性，通過模板匹配確定同步頭精確的起始點。

2 端到端加密與同步

本章先描述相關(guān)定義，再分析同步在端到端加密中的意義。

2.1 相關(guān)定義

定義1（滑動窗口）語音檢索基本單位，寬度為W，其中的語音數(shù)據(jù)記為w(k),1 ≤k≤W。

為了利用正弦信號的周期性，使W包含的采樣點數(shù)正好包含頻率為fsin的同步正弦信號一個周期采樣點的整數(shù)倍，即設(shè)置W為fs fsin整數(shù)倍，其中fs為語音采樣率，fsin為同步所使用的正弦信號的頻率。

定義2（短時過零次數(shù)）指滑動窗口內(nèi)過零次數(shù)，用表示。

定義3（樣點值和的絕對值）指滑動窗口所有語音樣點值和的絕對值，用表示。

定義4（樣點值絕對值的和）指滑動窗口所有語音樣點值絕對值的和，用表示。

定義5（保持態(tài)）指保持同步的狀態(tài)。

定義6（捕捉態(tài)）指正在尋找同步的狀態(tài)。

語音在保持態(tài)和捕捉態(tài)中轉(zhuǎn)換。語音通信開始時，接收方處于捕捉態(tài)，當接收方完成初始同步后進入到保持態(tài)。為了保證語音正常傳輸，需要能對當前狀態(tài)定期檢測，當檢測到失步時通過同步恢復(fù)調(diào)整，重新進入保持態(tài)，其狀態(tài)轉(zhuǎn)換如圖1所示。

圖1 同步狀態(tài)轉(zhuǎn)換圖

定義7（波形符號）指采樣點數(shù)固定為L的一組類語音片斷，用Si={si0.,si1,…,si(L-1)}表示，1 ≤i≤N。

定義8（調(diào)制碼本）與數(shù)據(jù)集{0,1,…,N-1} 一一對應(yīng)的一組波形符號，用表示，其中N=2n。

定義9（解調(diào)碼本）使用調(diào)制碼本傳輸隨機數(shù)據(jù)訓練得到的一組與調(diào)制碼本一一對應(yīng)的波形符號，用表示，用于提高解調(diào)成功率。

波形碼本包括調(diào)制碼本和解調(diào)碼本。

2.2 端到端加密流程

語音傳輸過程中，模數(shù)轉(zhuǎn)換、壓縮/解壓、加密/解密、類語音調(diào)制/解調(diào)和同步等操作均在藍牙終端中處理，而在手機和移動通信網(wǎng)中不進行任何改動，移動通信網(wǎng)端到端加密整體通信流程如圖2所示。

在發(fā)送方，發(fā)送語音在藍牙終端通過模數(shù)轉(zhuǎn)換后，首先通過數(shù)據(jù)壓縮去冗余，然后進行加密以保證數(shù)據(jù)安全，接著將加密數(shù)據(jù)進行類語音調(diào)制使其能在語音信道上傳輸，具體方法是將數(shù)據(jù)以n比特為一組轉(zhuǎn)換為十進制i，并映射為對應(yīng)波形符號Si，最后在得到的類語音波形符號插入同步頭通過手機以及移動通信網(wǎng)傳輸。

圖2 移動通信網(wǎng)端到端加密通信流程

在接收方實現(xiàn)一個對稱過程，首先要找到并去掉語音同步頭，然后進行類語音解調(diào)，具體方法是接收方將接收到的波形與解調(diào)碼本中的波形符號{SO0,SO1,…,SON-1}一一求余弦距離，將余弦距離最大的波形符號對應(yīng)的序號作為接收的數(shù)據(jù)，之后再進行解密及解壓和數(shù)模轉(zhuǎn)換操作。

由上述過程可知：（1）同步在整個傳輸過程中起到了一個對接作用，接收方只有準確地檢測到初始同步頭，才能正常進行接下來的類語音解調(diào)和解密等操作。（2）初始同步后的語音傳輸同樣需要檢測同步狀態(tài)，在檢測到失步時，能夠使語音自行同步。（3）在實現(xiàn)同步方案時，需要考慮同步方案的計算量，若計算量過大，則會造成數(shù)據(jù)處理出現(xiàn)延時和紊亂，同樣會影響后續(xù)操作進行。

3 同步設(shè)計

同步設(shè)計包括初始同步和周期同步兩部分，前者用于在連接建立之初使系統(tǒng)同步，后者用于定期地檢測系統(tǒng)是否同步，并在當檢測到失步情況下，重新進行同步。因此分別設(shè)計初始同步頭和周期同步頭，如圖3所示。

圖3 同步頭設(shè)計

兩者設(shè)計異同如下。

（1）相同之處

初始同步頭和周期同步頭都由前導(dǎo)和后導(dǎo)組成。其中，前導(dǎo)使用正弦信號，便于接收方通過時域特性確定后導(dǎo)范圍，后導(dǎo)使用類語音信號，用于進一步匹配確定精確的后導(dǎo)起始點。因為前導(dǎo)和后導(dǎo)只有具備語音特征才能穿透聲碼器，因此所選正弦信號的頻率在300～3 400 Hz之間，后導(dǎo)所選的類語音信號為調(diào)制碼本中的波形符號。

（2）不同之處

一是兩者前導(dǎo)長度不同，初始同步頭的正弦信號長度R1要比周期同步頭的正弦信號長度R2要長。因為在初始同步時，需要保證即使在R1部分信號由于傳呼建立等原因丟失的情況下，R1仍然能被接收方檢測出。而周期同步頭為了在正常語音中的占比小，在保證能被檢測到的情況下，R2的長度要盡可能短。

二是兩者后導(dǎo)所選擇的類語音不同。初始同步頭只在開始使用，只需要在調(diào)制碼本中選用一個波形符號即可，如S0。而周期同步頭則在后續(xù)語音傳輸中都會存在，當檢測到失步狀態(tài)時，還要用于重新同步，這就需要根據(jù)周期性同步頭能判斷同步到再次同步之間所丟的數(shù)據(jù)，以使接收方知道在失步期間的數(shù)據(jù)量，方便進行下一步操作?；诖?，周期同步頭的后導(dǎo)按序循環(huán)選用調(diào)制碼本中的波形符號。

3.1 語音初始同步建立

語音初始同步建立包括確定后導(dǎo)起始點范圍和確定后導(dǎo)起始點兩個階段，前者用于初步定位后導(dǎo)起始點范圍，后者用于在后導(dǎo)起始點范圍內(nèi)尋找到準確的后導(dǎo)起始點。

3.1.1確定后導(dǎo)起始點范圍

時域提取特征包括過零次數(shù)Z、樣點值和絕對值E以及樣點值絕對值和F，相比頻率特征計算量少。如果提取特征均在設(shè)置范圍區(qū)間則認定為檢測到正弦信號。

在接收方，以寬度為W、步長為W的滑動窗口對接收到的語音數(shù)據(jù)提取特征并進行檢測。當滑動窗口檢測到正弦信號時，即表示接收方已經(jīng)檢測到初始同步頭前導(dǎo)，由于發(fā)送的正弦信號長度R1較長，所以接下來幾個窗口仍可能是正弦信號，直到檢測到滑動窗口內(nèi)數(shù)據(jù)為非正弦信號時，則判定當前檢索窗口包含同步頭后導(dǎo)起始點，并稱之為待匹配窗口，檢測時可能出現(xiàn)的兩種情況如圖4所示：

（1）后導(dǎo)起始點位于滑動窗口內(nèi)部；

（2）后導(dǎo)起始點位于滑動窗口邊界及附近。

為了減小第二種情況對結(jié)果的干擾，使得初始同步頭后導(dǎo)起始點未出現(xiàn)在待匹配窗口內(nèi)，將待匹配窗口向前增加A個采樣點，因此待匹配窗口的采樣點數(shù)目為W+A個。

圖4 初始同步頭檢索示意圖

綜上所述，確定后導(dǎo)起始點范圍流程如圖5 所示，其中flag_sin0 和flag_sin1 分別表示前一個和當前滑動窗口的正弦信號檢測標志，初始值為0，當檢測到正弦信號時其值為1。在接收方，通過該流程，最終可以得到包含W+A個采樣點的待匹配窗口。

考慮到語音信道對正弦信號傳輸影響，為提高檢測準確性，通過在語音信道多次實際傳輸正弦信號后，統(tǒng)計得出時域特征Z、E、F的參考范圍[Zmin,Zmax] 、Emax 和 [Fmin,Fmax]。

圖5 初始同步頭檢索示意圖

3.1.2確定后導(dǎo)起始點范圍

當?shù)玫酱ヅ浯翱诤?，需要進一步確定后導(dǎo)在待匹配窗口中的起始點，記待匹配窗口內(nèi)采樣值為D={d0,d1,…,d(W+A-1)}。由于待匹配窗口標記的是同步語音可能存在的起始點，而后導(dǎo)長度為L，還需要使用待匹配窗口后的L-1 個語音數(shù)據(jù){d(W+A),d(W+A+1),…,d(W+A+L-1)}，并將其和待匹配窗口合稱為待檢語音窗{d0,d1,…,d(W+A+L-1)}。

若選擇調(diào)制碼本中的S0作為后導(dǎo)，則以S0對應(yīng)的SO0={so00.,so01,…,so0(L-1)}為匹配模板。因為SO0采樣點數(shù)為L，所以對待檢語音窗以窗口寬度為L，步長為1進行滑動窗口匹配，如圖6所示。

圖6 初始同步確定后導(dǎo)起始點示意圖

具體檢索過程如下。當前被檢語音窗口為Di={di.,di+1,…,di+L-1}，用于表示后導(dǎo)與Di待檢索語音之間的絕對距離，j表示后導(dǎo)起始點在待匹配窗口中的位置。

步驟1 初始化i=0；

步驟2 計算匹配模板和當前被檢語音Di之間的絕對距離

步驟3i=i+1，如果i≤W+A-1，跳入步驟2；

步驟4 計算j=arg minDIS1i，將j作為后導(dǎo)起始點，結(jié)束。

3.2 語音初始同步建立

語音同步檢測恢復(fù)包括兩個方面：一是通過周期同步頭能夠正常檢測語音是否處于同步狀態(tài)；二是當檢測到失步時，能自行調(diào)整恢復(fù)到同步狀態(tài)。

3.2.1同步檢測

為減少周期同步頭在正常語音中所占比重，同時又能在至少一個完整窗口檢測到前導(dǎo)，將前導(dǎo)長度設(shè)置為檢索窗口兩倍，即R2=2W。

在接收方，語音完成初始同步后進入同步保持態(tài)。在該狀態(tài)下只需要對周期同步頭中的后導(dǎo)進行檢測，就能確定當前傳輸?shù)恼Z音是否處于同步狀態(tài)。由于后導(dǎo)是循環(huán)選擇調(diào)制碼本中的波形符號Si(0 ≤i≤N-1)，若在第1次接收到周期同步頭后導(dǎo)時，與解調(diào)碼本中的波形符號SO0對比判決，則在第t次時，與SOtmodN比對判決。判決方法是求接收到的后導(dǎo)與波形符號的絕對距離，將第t次接收到的后導(dǎo)記為St'，將St'和SOtmodN的絕對距離記為

當DIS2t小于閾值TH（其值實驗統(tǒng)計得出）時，即判斷成功檢測到同步信號。為了保證系統(tǒng)的可靠性，只有當連續(xù)兩次求解的絕對距離大于TH時，才認定系統(tǒng)不再處于同步狀態(tài)，且接收方則由同步保持態(tài)轉(zhuǎn)成捕捉態(tài)。

3.2.2同步恢復(fù)

假設(shè)在第t次接收到后導(dǎo)時能夠正確驗證，而在t+1 和t+2 連續(xù)兩次匹配后導(dǎo)失敗后，接收方則認定系統(tǒng)不再同步，接收方將以寬度為W、步長為W的滑動窗口進行檢測。

（1）確定后導(dǎo)起始點范圍

與初始同步建立不同的是，由于周期同步頭的前導(dǎo)較短，檢測正弦信號時可能出現(xiàn)的兩種情況如圖7所示。

圖7 周期同步頭檢索示意圖

由圖7 可知，兩種情況的共同點是，當某一滑動窗口檢測到正弦信號時，下一滑動待匹配窗口包含了周期同步頭后導(dǎo)起始點，即待匹配窗口。為防止初始同步頭檢測點位于滑動窗口邊界附近使結(jié)果判斷不準確帶來的影響，將待匹配窗口向后增加A 個采樣點，具體檢測流程如圖8所示。

圖8 同步恢復(fù)確定后導(dǎo)起始點流程圖

（2）確定后導(dǎo)起始點

確定后導(dǎo)起始點在找出后導(dǎo)起始點同時，還需要判斷上一次成功同步到這一次同步之間發(fā)送數(shù)據(jù)的周期。因此和初始同步確定起始點相比，接收方用作匹配模板的對象不一樣，前者對象是固定的，而后者為調(diào)制碼本中的所有波形符號。在這里重點對如何選擇解調(diào)碼本中的波形符號與待檢語音窗對比進行描述。

首先將解調(diào)碼本中的波形符號SO(t+3)modN作為匹配模板與待檢語音窗匹配找到起始點，如果該起點對應(yīng)的絕對距離小于閾值TH，則判定匹配成功；否則，待檢語音窗按相同方法與下一個波形符號SO(t+4)modN匹配，直到判定成功為止。

假設(shè)經(jīng)過k次匹配，即待檢語音窗與SO(t+k+2)modN匹配成功，則認定上一次同步成功距離本次匹配成功之間共丟失了(k+2)T的數(shù)據(jù)（T為同期同步頭插入正常語音的周期）。同時，為了保證系統(tǒng)可靠性，若下一個同期同步頭的后導(dǎo)與SO(t+k+3)modN匹配成功才進入保持態(tài)，否則保持捕捉態(tài)，且重新確定待匹配窗口。

在該過程中，因為待檢語音窗與解調(diào)碼本中的波形符號按序循環(huán)匹配，如果回到第一次匹配的波形符號仍不成功，則同步失敗，即方案可接受的發(fā)送數(shù)據(jù)丟包時長要小于NT。但一般情況，T大于1 s，N一般大于16，所以方案實際可允許丟包時間是在可接受范圍內(nèi)的。

4 實驗與分析

仿真環(huán)境為MATLAB，其中移動通信網(wǎng)的聲碼器采用ETSI標準的AMR聲碼器（編碼速率為12.2 Kb/s），藍牙語音編解碼器采用SIG 規(guī)定的CVSD 編碼。通過仿真實驗?zāi)M語音信道對方案進行評估，檢測其能否實現(xiàn)語音初始自同步，以及在發(fā)生丟幀情況下，接收方是否能夠檢測到當前同步狀態(tài)，并自適應(yīng)恢復(fù)同步。

4.1 實驗設(shè)置

設(shè)置兩組實驗，研究波形符號采樣點數(shù)L和滑動窗口寬度W對本文方案的影響。

針對同步建立方案，事先生成發(fā)送數(shù)據(jù)并在數(shù)據(jù)前加入隨機長度語音信號，用于模擬通話接通前的等待時間。針對同步檢測恢復(fù)方案，在一段正常語音中間截斷隨機長度的語音，用于檢測方案同步檢測和同步恢復(fù)成功恢復(fù)率。

實驗中的共同參數(shù)設(shè)置如下：實驗次數(shù)1 000次，前導(dǎo)選擇的正弦波頻率fsin=1 000 Hz，R1=480，R2=2W，A=8（通過驗證當A>8 時，對實驗結(jié)果不再有影響），波形碼本的波形符號數(shù)量為32個。

（1）初始同步建立實驗

對波形符號采樣點數(shù)L=40，36，30，20 進行測試。其他參數(shù)設(shè)置，記，取x=7 ，即W=56 ，[Zmin,Zmax]=[13，14]，Emax=0.2，[Fmin,Fmax]=[13.2，14.5]，閾值TH分別為3、2.8、2.5、2.2。

（2）同步檢測恢復(fù)實驗

取x=7，6，5，4，即W分別為56，48，40，32 進行測試。[Zmin,Zmax]、Emax和[Fmin,Fmax]設(shè)置如表1；其他參數(shù)設(shè)置，波形符號采樣點數(shù)L=40，閾值TH=3。

表1 參數(shù)設(shè)置

4.2 實驗結(jié)果

（1）初始同步建立實驗

實驗結(jié)果如圖9所示，只有當確定后導(dǎo)起始點精確到采樣點時才算同步成功。

圖9 初始同步建立實驗結(jié)果

當波形符號采樣點數(shù)L減小時，兩類同步成功率均會降低。當波形符號采樣點數(shù)達到40 時，其初始同步和周期同步成功率均能達到99%以上。實驗發(fā)現(xiàn)，未初始同步成功的情況與實際結(jié)果偏差較小，仍可通過周期同步實現(xiàn)真同步。

（2）同步檢測恢復(fù)實驗

實驗結(jié)果如圖10 所示。當滑動窗口寬度W值減小時，兩類同步成功率均會降低。當W為56 時，兩類同步成功率均能達到99%以上。

圖10 同步檢測恢復(fù)實驗結(jié)果

4.3 方案對比

當參數(shù)設(shè)置為W=56，N=32，L=40，A=8，R1=600時，將本文方案和文獻[9]對比，結(jié)果如表2所示。

表2 結(jié)果對比

相比文獻[9]，本文方案的計算量具有較大優(yōu)勢，在確定后導(dǎo)起始點范圍時一般只需要計算檢索窗口的過零次數(shù)，需要計算55次加法，在確定后導(dǎo)起始點時計算量最大，但也僅為2 560次加法。此外，本文方案還能同步狀態(tài)檢測和恢復(fù)同步狀態(tài)，更適合用于移動通信網(wǎng)中無同步幀情形下的語音同步。

5 結(jié)束語

針對藍牙加密語音同步問題，利用正弦信號和波形符號，設(shè)計了初始同步頭和周期同步頭，提出了語音初始同步建立方案和語音同步檢測恢復(fù)方案，在實現(xiàn)同步的提前下，還具有較小計算量。本文工作也為下一步通過藍牙設(shè)備實現(xiàn)移動通信網(wǎng)語音加解密提供了技術(shù)支持。