语音变调常用于掩盖说话人身份，各种变声软件的出现使得说话人身份伪装变得更加容易。针对现有变调语音检测方法无法判断语音是经过了何种变调操作（升调或降调）的问题，通过分析语音变调在信号频谱，尤其是高频区域留下的痕迹，提出了基于翻转梅尔倒谱系数（IMFCC）统计矩特征的电子变调语音检测方法。首先，提取各语音帧IMFCC及其一阶差分；然后，计算其统计均值；最后，在该统计特征上利用支持向量机（SVM）多分类器的设计来区分原始语音、升调语音和降调语音。在TIMIT和NIST语音集上的实验结果表明，所提方法无论对于原始语音、升调语音还是降调语音都具有良好的检测性能。与MFCC作为特征构造的基线系统相比，所设计的特征的方法明显提高了变调操作的识别率。在较少的训练资源的情况下，所提方法也获得了比基于卷积神经网络（CNN）的框架更好的性能；此外，在不同数据集和不同变调方法上也都取得了较好的泛化性能。