检索结果

Select

1. 基于修正倒谱特征的回放语音检测算法

林朗, 王让定, 严迪群, 李璨

计算机应用 2018, 38 (6): 1648-1652. DOI: 10.11772/j.issn.1001-9081.2017112822

摘要（518）

PDF （932KB）（297）

随着语音技术的发展，以回放语音为代表的各种仿冒语音给声纹认证系统及音频取证技术带来了极大挑战。针对回放语音对声纹认证系统的攻击问题，提出一种基于修正倒谱特征的检测算法。首先，采用变异系数来分析原始语音和回放语音在频域上的差异；然后，有针对性地将提取梅尔倒谱系数（MFCC）过程中的Mel滤波器组换成由linear滤波器和逆Mel滤波器组合的新滤波器组，进而得到基于新滤波器组的修正倒谱特征；最后，使用高斯混合模型（GMM）作为分类器进行分类判别。实验结果表明，修正的倒谱特征能够有效地检测回放语音，其等错误率约为3.45%。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于卷积神经网络的翻录语音检测算法

李璨, 王让定, 严迪群

计算机应用 2018, 38 (1): 79-83. DOI: 10.11772/j.issn.1001-9081.2017071896

摘要（531）

PDF （838KB）（380）

针对翻录语音攻击说话人识别系统，危害合法用户的权益问题，提出了一种基于卷积神经网络（CNN）的翻录语音检测算法。首先，通过提取原始语音与翻录语音的语谱图，并将其输入到卷积神经网络中，对其进行特征提取及分类；然后，搭建了适应于检测翻录语音的网络框架，分析讨论了输入不同窗移的语谱图对检测率的影响；最后，对不同偷录及回放设备的翻录语音进行了交叉实验检测，并与现有的经典算法进行了对比。实验结果表明，所提方法能够准确地判断待测语音是否为翻录语音，其识别率达到了99.26%，与静音段梅尔频率倒谱系数（MFCC）算法、信道模式噪声算法和长时窗比例因子算法相比，识别率分别提高了约26个百分点、21个百分点和0.35个百分点。

参考文献 | 相关文章 | 多维度评价

Select

3. DPCS2017+15+一种基于CNN的翻录语音检测算法

李璨王让定严迪群

录用日期: 2017-08-20