[發(fā)明專利]一種基于卷積神經(jīng)網(wǎng)絡(luò)對不同場景魯棒的重錄語音檢測算法

有效

• 申請?zhí)枺?/td>: 201910085725.8
• 申請日: 2019-01-29
• 公開（公告）號(hào): CN109872720B
• 公開（公告）日: 2022-11-22
• 發(fā)明（設(shè)計(jì)）人: 王泳;趙雅珺;張夢鴿
• 申請（專利權(quán)）人: 廣東技術(shù)師范大學(xué)
• 主分類號(hào): G10L17/00
• 分類號(hào): G10L17/00;G10L17/04;G10L17/06;G10L17/18
• 代理公司: 北京科億知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11350
• 代理人: 肖平安

1.一種基于卷積神經(jīng)網(wǎng)絡(luò)對不同場景魯棒的重錄語音檢測算法，其特在于，具體包括以下步驟：

a、使用錄音設(shè)備采集原始語音，并經(jīng)DA/AD變換，獲得重錄語音；

b、原始語音在變換過程中會(huì)產(chǎn)生失真，通過失真模型計(jì)算原始語音的失真數(shù)據(jù)，其中，失真模型表達(dá)式為：

y(t)是重錄語音，x(t)是原始語音，λ是幅值變換因子，α是時(shí)間軸線性伸縮因子，η是疊加噪聲；

對應(yīng)的頻域變化表達(dá)式：

Y(jω)＝λX(jαω)+N(jω)，

Y(jω)、X(jω)、N(jω)分別為y(t)、x(t)、η的頻域表示，對于固定的錄音設(shè)備，其特征是非常穩(wěn)定的，即λ、α是常數(shù)；

c、重錄語音由短時(shí)傅里葉變換生產(chǎn)語音時(shí)頻圖；

d、語音時(shí)頻圖輸入至算法模型內(nèi)，算法模型包含七層，每層包含一個(gè)卷積層與一個(gè)池化層，卷積層的輸出通過線性整流函數(shù)，并在層與層之間加入殘差連接，最后通過全局池化提取最終特征，并通過sigmoid預(yù)測檢測結(jié)果；

所述算法模型的卷積層采用只在頻率維度卷積而不考慮時(shí)間維度的相關(guān)性，池化層也只在時(shí)間維度進(jìn)行池化而不對頻率維度池化；具體設(shè)置為采用3x1卷積核，1x2池化，且可與時(shí)頻圖的特征分布特點(diǎn)相契合，語音時(shí)頻圖分布特點(diǎn)在相鄰語音幀之間具有獨(dú)立性并且在特定頻段又具有一致性。

2.根據(jù)權(quán)利要求1所述的一種基于卷積神經(jīng)網(wǎng)絡(luò)對不同場景魯棒的重錄語音檢測算法，其特征在于：重錄語音進(jìn)行變換時(shí)，短時(shí)傅里葉變換采用126長度漢明(hanning)窗，步長為50，時(shí)頻圖的尺寸為(64x62)。

3.根據(jù)權(quán)利要求1所述的一種基于卷積神經(jīng)網(wǎng)絡(luò)對不同場景魯棒的重錄語音檢測算法，其特征在于：算法模型采用深度學(xué)習(xí)作為數(shù)據(jù)驅(qū)動(dòng)的技術(shù)。

4.根據(jù)權(quán)利要求1所述的一種基于卷積神經(jīng)網(wǎng)絡(luò)對不同場景魯棒的重錄語音檢測算法，其特征在于：所述算法模型在 頻率維度進(jìn)行卷積時(shí)，不考慮時(shí)間維度的相關(guān)性，且在頻率維度進(jìn)行卷積時(shí)，同時(shí)進(jìn)行時(shí)間維度的池化。

5.根據(jù)權(quán)利要求1所述的一種基于卷積神經(jīng)網(wǎng)絡(luò)對不同場景魯棒的重錄語音檢測算法，其特征在于：卷積核可參數(shù)共享，時(shí)間維度具有的同分布的設(shè)備的特征信息重復(fù)訓(xùn)練卷積核參數(shù)，池化層采用時(shí)間維度的池化1x2，頻率維度不進(jìn)行池化。