[發明專利]一種對錄音鑒定來源設備的方法

有效

• 申請號: 201910139288.3
• 申請日: 2019-02-22
• 公開（公告）號: CN109935234B
• 公開（公告）日: 2020-02-07
• 發明（設計）人: 羅達;張劍;袁華強
• 申請（專利權）人: 東莞理工學院
• 主分類號: G10L17/04
• 分類號: G10L17/04;G10L17/02
• 代理公司: 44102 廣州粵高專利商標代理有限公司
• 代理人: 林麗明

本發明公開了一種對錄音鑒定來源設備的方法，包括以下步驟：S1：將待鑒定的設備分為兩類，一類定義為目標設備，另一類是非目標設備；S2：將上述的兩類設備分別進行聲音的采集，然后進行預處理，使其滿足堆疊自編碼器的要求；S3：兩類設備的音頻樣本通過預處理之后得到的輸出結果，用于訓練堆疊自編碼器，得到堆疊自編碼器的相關參數；S4：目標設備的音頻樣本的預處理的輸出結果用作堆疊自編碼器的輸入，將堆疊自編碼器的內源性優化特征用于訓練LPDD單分類模塊；所述的堆疊自編碼網絡的輸出定義為內源性優化特征；S5：通過訓練后的堆疊自編碼器及訓練后的LPDD單分類模塊，對待鑒定設備的錄音樣本進行判別。

技術領域

本發明涉及多媒體信號處理領域，更具體地，涉及一種對錄音鑒定來源設備的方法。

背景技術

錄音材料作為證據若要被法庭采信，需要證實其來源、完整性及真實性。其中，證明錄音來源于某一個聲稱的設備，是一項重要的取證任務。近年來，智能手機的快速發展，使得用戶可以很方便地用手機獲取錄音。因此對手機的錄音來源進行鑒定，也成了一項重要的取證任務。

手機錄音來源的設備鑒定任務，具體是指給定某一段待測錄音以及一個手機設備，要求鑒定此段錄音是否真的由該手機錄制得到。這是在沒有任何先驗知識的情況下，要對“待測錄音”進行分析判斷和鑒定。

錄音設備來源的辨識技術發展得較慢，最近十年才開始有學者開展相關的研究工作。國外學者Kraetzer和Dittmann在麥克風鑒定工作方面最開始進行研究，他們在“Digital audio forensics:a first practical evaluation on microphone andenvironment classification(Proceedings of the 9th workshop on Multimedia andSecurity，2007:63-74)”第一次提出了估計麥克風的型號以及環境的位置(提取了隱寫分析技術中常用的7個音頻時域統計量及基于梅爾倒譜的56維系數特征)。其次，他們在“Acontext model for microphone forensics and its application in evaluations(IS&T/SPIE Electronic Imaging.International Society for Optics and Photonics，2011，78800P-78800P-15)”詳細地分析了大量分類器及分類特征在麥克風分類問題上的性能。Espy-Wilson等在“Automatic acquisition device identification from speechrecordings(In Proceedings of International Conference on Acoustics Speech andSignal Processing,，2010:1806-1809)”早期也提出了一種基于不同的內在統計特性的方法用于分類8個電話語音及8個麥克風的語音，準確率達到90％以上。Hanilci等在“Sourcecell-phone recognition from recorded speech using non-speech segments(DigitalSignal Processing.2014(35):75–85)”2014年提出了在非語音段使用GMM的手機設備表征方法。Cuccovillo等在“Open-set microphone classification via blind channelanalysis(Proceedings of IEEE International Conference Acoustic Speech SignalProcessing,2016,2074–2078)”2016年提出基于信道盲分析的分類方法。最近幾年來的研究工作主要包括Jiang等“Mobile phone identification from speech recordingsusing Weighted Support Vector Machine(Proceedings of Conference of IEEEIndustrial Electronics Society.2016.963-968)”提出的基于加權調整支持向量的方法來對手機設備進行分類，及Zou等在“Source cell phone verification from speechrecordings using sparse representation(Digital Signal Processing,2017(62):125-136)”MFCC系數的基礎上建立了高斯超向量(GSV)的稀疏表示來分類手機錄音設備。