[發(fā)明專利]G.729A壓縮語(yǔ)音流信息隱藏檢測(cè)裝置及檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201110435163.9
• 申請(qǐng)日: 2011-12-22
• 公開（公告）號(hào): CN102568469A
• 公開（公告）日: 2012-07-11
• 發(fā)明（設(shè)計(jì)）人: 李松斌;黃永峰
• 申請(qǐng)（專利權(quán)）人: 清華大學(xué)
• 主分類號(hào): G10L11/00
• 分類號(hào): G10L11/00
• 代理公司: 北京中偉智信專利商標(biāo)代理事務(wù)所 11325
• 代理人: 張岱

1.一種G.729A壓縮語(yǔ)音流信息隱藏檢測(cè)裝置，其特征在于，至少包括壓縮語(yǔ)音流映射音素序列模塊、音素序列特征提取模塊組、分類器裝置以及結(jié)果集成模塊，其中；

壓縮語(yǔ)音流映射音素序列模塊，接收外部輸送來(lái)的壓縮語(yǔ)音流，映射成音素序列并輸出；

音素序列特征提取模塊組，分別提取音素序列的音素向量空間特征向量和音素狀態(tài)轉(zhuǎn)移一階馬爾科夫特征向量并輸出；

分類器裝置，基于訓(xùn)練集對(duì)不同特征向量分別訓(xùn)練分類器，然后對(duì)于未知類別的樣本使用訓(xùn)練獲得分類器進(jìn)行分類并輸出分類結(jié)果；

結(jié)果集成模塊，對(duì)多個(gè)分類器的輸出結(jié)果進(jìn)行集成并輸出作為最終的隱寫檢測(cè)結(jié)果。

2.根據(jù)權(quán)利要求1所述的G.729A壓縮語(yǔ)音流信息隱藏檢測(cè)裝置，其特征在于，所述音素序列特征提取模塊組包括PVSF特征提取模塊和FOMF特征提取模塊，其中；

PVSF特征提取模塊，提取音素序列的音素向量空間特征向量并輸出；

FOMF特征提取模塊，提取音素狀態(tài)轉(zhuǎn)移一階馬爾科夫特征向量并輸出。

3.根據(jù)權(quán)利要求2所述的G.729A壓縮語(yǔ)音流信息隱藏檢測(cè)裝置，其特征在于，所述分類訓(xùn)練裝置包括第一分類器、第二分類器及第三分類器，其中，

第一分類器，基于音素向量空間特征向量進(jìn)行訓(xùn)練得到分類器后利用該分類器對(duì)未知類別樣本進(jìn)行預(yù)測(cè)并輸出結(jié)果給集成模塊；

第二分類器，基于音素向量空間特征向量和音素狀態(tài)轉(zhuǎn)移一階馬爾科夫特征向量的融合特征向量進(jìn)行訓(xùn)練得到分類器后利用該分類器對(duì)未知類別樣本進(jìn)行預(yù)測(cè)并輸出結(jié)果給集成模塊；

第三分類器，基于音素狀態(tài)轉(zhuǎn)移一階馬爾科夫特征向量進(jìn)行訓(xùn)練得到分類器后利用該分類器對(duì)未知類別樣本進(jìn)行預(yù)測(cè)并輸出結(jié)果給集成模塊。

4.一種G.729A壓縮語(yǔ)音流信息隱藏檢測(cè)方法，其特征在于，包括以下步驟：

將壓縮語(yǔ)音流映射成音素序列；

分別提取音素序列的音素向量空間特征向量和音素狀態(tài)轉(zhuǎn)移一階馬爾科夫特征向量；

對(duì)多種特征向量分別訓(xùn)練分類器，并將多個(gè)分類器的分類結(jié)果基于多數(shù)投票機(jī)制進(jìn)行集成作為最終的分類結(jié)果。

5.根據(jù)權(quán)利要求4所述的G.729A壓縮語(yǔ)音流信息隱藏檢測(cè)方法，其特征在于，所述將壓縮語(yǔ)音流映射成音素序列的方法為：設(shè)定語(yǔ)音所包含的音素為有限個(gè)，將待映射語(yǔ)音分割為各個(gè)音素對(duì)應(yīng)的語(yǔ)音小片，取小片的時(shí)長(zhǎng)為G.729A的幀長(zhǎng)。

6.根據(jù)權(quán)利要求5所述的G.729A壓縮語(yǔ)音流隱寫檢測(cè)方法，其特征在于，所述音素序列特征提取方法為：

使用音素發(fā)音時(shí)的聲道參數(shù)作為音素的量化描述，使用G.729A中的LPC濾波器表征聲道參數(shù)，LPC濾波器由量化索引確定，將每個(gè)音素對(duì)應(yīng)到LPC濾波器量化索引的第一個(gè)域，使用該域形成序列的統(tǒng)計(jì)特征作為音素序列的統(tǒng)計(jì)特征；

使用音素向量空間特征向量量化提取G.729A語(yǔ)音所包含音素的分布不均衡性；

使用音素狀態(tài)轉(zhuǎn)移一階馬爾科夫鏈對(duì)音素序列進(jìn)行建模，計(jì)算狀態(tài)轉(zhuǎn)移矩陣度量各音素分布的相關(guān)性，采用選維法對(duì)狀態(tài)轉(zhuǎn)移矩陣進(jìn)行降維--取矩陣對(duì)角線元素作為表征音素相關(guān)性的向量。

7.根據(jù)權(quán)利要求5所述的G.729A壓縮語(yǔ)音流信息隱藏檢測(cè)方法，其特征在于，采用集成分類方法：抽取訓(xùn)練集中的G.729壓縮語(yǔ)音流的音素向量空間特征向量以及降維后的一階馬爾科夫特征向量，分別以音素向量空間特征向量、一階馬爾科夫特征向量、以及兩者的融合特征向量作為特征分別訓(xùn)練分類器。