一、基本思想
提取特征：
1.音素P(音标)进行LPC分析，得到LPC预测系数。
2.矢量量化，获得量化矢量索引Ｉ。“P—>Ｉ”：每个P有一个Ｉ对应，Ｉ为Ｐ的量化特征索引。
语音中的音素分布特性：一段语音中的各音素的出现是不均衡的，其次不同音素的出现存在相关性。
设某段语音对应的音素序列为Ｓ＝Ｐ1…Ｐn-1Ｐn ，根据P—>Ｉ，与之对应的量化特征索引序列：Ｓ*＝Ｉ1…Ｉn-1Ｉn。
[8]信息隐藏方法是在获得LPC系数的量化索引Ｉ 时进行QIM隐写的.进行QIM隐写势必使序列Ｓ*发生的某些量化索引值发生变化，例如对于音素 Ｐk，设其原量化索引为Ｉm，进行QIM隐写后可能变为Ｉm+1，Ｓ*中索引的改变将导致Ｓ中音素Ｐk相应的改变，如变为Ｐk+1,音素的改变将使Ｓ中的音素分布特性发生变化.因此，如能够有效量化Ｓ中音素的分布特性，则通过比较QIM隐写前后该特征的变化即可实现隐写检测．
二、音素分布特性的量化统计模型
语言Ｌ的任意一段语音都可由下文方法获得其对应的音素序列.
1.音素Ｐ用三元组(p,s,t)表示，其中p为音标,s为音标p的发音是具有一定时长的语音小片段，t为s的时长.音素Ｐ为语音的基本组成单位.
2.语言L，包含有限音素，Ｂ＝｛Ｐ1,Ｐ2,…,Ｐn-1,Ｐn｝。
3.语言Ｌ的一段语音片段Ｓ可以根据Ｂ中的音素分解为多个按时序排列的语音分片Ｓ=ｆ1ｆ2...ｆm-1ｆm。分片ｆk实质上是音素Ｐt的发音，即ｆk=ｓt。
4.语音片段Ｓ表示为音素序列：Ｓ＝ＰkＰl...ＰxＰy（k,l,x,y∈[1,n]）
若音素P为单词，语音片段S为文档。用文档量化表示模型：文档向量空间模型，使用PSVM音素向量空间模型作为音素序列的量化表示模型。
音素向量空间量化表示模型定义：
定义1： 虚拟语言Ｌ的音素集合Ｂ=｛Ｐ1,…,Ｐn｝,称Ｐi∈Ｂ为音素词汇，称Ｂ为语言Ｌ的音素词典，属于虚拟语言Ｌ 的语音片段所包含的音素都在Ｂ中．
定义2：虚拟语言Ｌ的一段语音Ｓ，通过查找音素词典，可切分为按时序排列的Ｎ个音素，称上述过程为基于音素的语音分帧。
定义3：设语音片段Ｓ分帧后所得的音素序列为Ｓ=Ｐk …Ｐx ；根据音素词典Ｂ＝｛Ｐ1 ,...,Ｐn｝可构造n 维向量Ｖ=｛Ｗ1,…,Ｗn｝对音素序列Ｓ进行量化表示，称Ｗi为音素词汇ＰiＰｌ Ｐｙ 的权重（它是与Ｐｉ在音素序列Ｓ中的分布相关的变量，其取值依据预先设定的 计算规则求取），称向量Ｖ对应的ｎ维空间为音素 向量空间，音素序列Ｓ可用该空间中的一个点表 示；称上述定义构成的语音片段量化表示方法为音 素向量空间量化表示模型.