[發明專利]一種魯棒性的回放語音檢測方法

在審

• 申請號: 201910070412.5
• 申請日: 2019-01-24
• 公開（公告）號: CN109599118A
• 公開（公告）日: 2019-04-09
• 發明（設計）人: 王讓定;林朗;嚴迪群
• 申請（專利權）人: 寧波大學
• 主分類號: G10L17/20
• 分類號: G10L17/20;G10L25/24;G10L25/27;G10L25/51
• 代理公司: 寧波誠源專利事務所有限公司 33102
• 代理人: 袁忠衛;李娜

本發明涉及一種魯棒性的回放語音檢測方法，所述方法包括步驟一、分析真實語音和回放語音的頻率子帶之間的差異；步驟二、根據分析結果選擇阻帶濾波器，將待測語音信號經阻帶濾波器濾除后提取差異性子帶的倒譜特征，得到阻帶頻率倒譜特征；步驟三、采用減均值去除所述阻帶頻率倒譜特征中的信道影響，并進行歸一化處理；步驟四、采用高斯混合模型訓練經步驟三得到的倒譜特征，計算似然比，比較似然比與閾值大小，判斷待測語音信號為回放語音或真實語音。本發明具有檢測準確性高，魯棒性好的優點。

技術領域

本發明涉及智能控制領域，尤其涉及一種魯棒性的回放語音檢測方法。

背景技術

自動說話人認證系統(Automatic Speaker Verification，ASV)因安全性較高、獲取方便且可以遠程訪問的優點被廣泛用于生活和金融領域。在該技術不斷發展的同時，各種欺騙語音對ASV系統的威脅也日趨嚴重。其中，欺騙性最大且操作最方便的是回放語音。其生成過程如圖1(b)所示，圖1(a)所示為真實語音生成過程。可知，真實語音是由目標說話人認證ASV系統時得到的語音，回放語音則是攻擊者偷錄目標說話人的聲音，在ASV系統前回放產生的語音。

隨著高保真錄音和回放設備的普及化及便捷化，攻擊者能夠輕易的錄制到目標說話人的聲音，由于不需要攻擊者掌握特殊的技能便可實現回放攻擊，且回放語音來自于目標說話人的真實語音，因而具有很大迷惑性。研究者嘗試提出新的算法以試圖解決該問題。如有的通過使用傅里葉變換提出多種倒譜特征，如逆梅爾頻率倒譜系數、高頻倒譜系數等對回放語音進行檢測。

但目前的檢測方法只能單獨表達低頻或者高頻信息，不能同時兼顧二者，導致系統魯棒性欠佳。更重要的是，這些算法不能充分考慮到特征可變性的影響，目前的檢測方法大多集中在改進后端建模或開發新特征上而忽略特征的可變性，尤其是回放信道可變性的影響。在實際場景中，攻擊者使用的錄制設備、回放設備等性能參數多種多樣，這導致回放信道隨設備的變換而不斷改變，而對重放攻擊檢測最有影響的是信道可變性，倘若無法去除多變的信道特征，則嚴重影響檢測的準確性。

發明內容

鑒于上述問題，本發明的目的在于提供一種能同時捕獲頻譜的高、低頻信息，能去除信道特征影響，提升語音檢測準確性的魯棒性的回放語音檢測方法。

為了實現上述目的，本發明保護的技術方案為，一種魯棒性的回放語音檢測方法，其特征在于：所述方法包括，

步驟一、分析真實語音和回放語音的頻率子帶之間的差異；

步驟二、根據分析結果選擇阻帶濾波器的類型及其截止頻率，將待測語音信號經阻帶濾波器濾除后提取差異性子帶的倒譜特征，得到阻帶頻率倒譜特征；

步驟三、采用減均值去除所述阻帶頻率倒譜特征中的信道影響，并進行歸一化處理；

步驟四、采用高斯混合模型訓練經步驟三得到的倒譜特征，計算似然比，比較似然比與閾值大小，判斷待測語音信號為回放語音或真實語音。

優選的，所述步驟三中利用減均值去除信道影響，具體過程如下：

(a)簡化回放攻擊模型，得到時域線性卷積

其中，r為回放語音，s為真實語音，h為回放信道響應；

(b)將時域線性卷積變換成頻域數字信號，得到

其中，F(·)表示傅里葉變換函數，F(r)、F(s)分別為回放語音r和真實語音s的頻譜系數，F(h)為頻域中信道響應。

(c)通過取對數并進行離散余弦變換，將頻域中的乘性關系轉化為倒譜域中的加性關系，即

其中，R表示回放語音r的倒譜系數，S表示真實語音s的倒譜系數，H表示倒譜域中回放信道響應h的脈沖響應。