在互联网、信息通信等技术目益革新的时代,如何能够有效保护数字产品版权成为一个愈发迫切的问题。数字水印技术通过特定的方式将水印信息隐藏在数字产品中,当发生版权纠纷时可为版权所有者提供有效的证明。　　 本文从数字音频零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,并且针对数字水印音频零水印的特点及双水印技术做了以下几方面的探索和研究:　　 1.改进了基于RBF神经网络的小波域数字音频零水印算法,本文算法将奇异值稳定性强的特点引入求原始音频信号的特征值中,设计了基于奇异值分解的强鲁棒性数字音频零水印算法。先对原始音频信号做离散余弦变换,再对变换后的结果进行奇异值分解,将得到的奇异值矩阵作为RBF神经网络的输入,通过机器学习的方法,找出特征数据与有意义音频之间的权值关系,从而得到原始音频信号的版权信息。从仿真实验结果可知,该算法对常规攻击具有较强的鲁棒性和不可感知性,同时还具备计算简单、自适应性强的特点。　　 2.设计了基于支持向量机的强鲁棒性零水印算法。本算法利用音频零水印的概念,以原始音频信号的特征作为支持向量机训练集的自变量,将水印信号作为支持向量机训练集的目标变量,从而建立支持向量机模型。在提取和检测水印时,只需用密钥提取特征数据,通过已经建立的支持向量机模型实现水印盲检测。在仿真实验中该算法针对各种常规攻击都反映出该零水印算法具有良好的鲁棒性。本章算法还具有计算复杂度低、容易实现、实现盲检测等特点,这使其在数字音频版权保护方面有更加广泛的应用。　　 3.设计了基于RBF神经网络的数字音频双水印算法,通过RBF神经网络和奇异值分解构造的鲁棒水印实现版权保护,通过均值量化算法实现内容认证。本算法利用零水印的特性,使版权保护与内容认证能同时存在且互不干扰。从仿真实验结果表明,双水印算法中鲁棒水印抗攻击能力较强;将图像分块技术引入半脆弱水印,由于将图像分块后,篡改检测可以逐块进行,进而可以判断恶意攻击者的篡改目的。