[发明专利]一种基于静音段的异源音频拼接篡改盲检测方法

权利要求书

1.一种基于静音段的异源音频拼接篡改盲检测方法，其特征在于包括以下步骤：

步骤1、选择待测的可疑音频，对待测音频进行分帧，帧时长为m，帧移时长为n，相邻音频帧互有重叠，使帧和帧之间能够平滑过渡；音频帧时长m为16-128毫秒，音频帧移时长n表示相邻音频帧之间重合的部分大小，取音频帧时长的1/2-2/3；对分帧后的各个音频帧采用汉明窗进行加窗，分帧加窗后的时域音频信号表示为y_i,j，其中，i＝1,2,…,N；i为音频帧序号，共有N个音频帧，j＝1,2,…,N_frame，为音频帧的第j个数据点，共有N_frame个数据点；

步骤2、S_pure代表说话人语音信号，h_RIR代表环境脉冲响应，d_B代表环境噪声，h_Mic代表设备脉冲响应，d_Mic代表设备本征噪声，则数字音频y为：

y＝(S_pure*h_RIR+d_B)*h_Mic+d_Mic (1)

其中，*代表卷积运算；当语音信号S_pure等于零时，得到的输出即为静音，静音段只含有录音设备和环境信息；计算音频中每一帧的N_stft点短时傅里叶频谱能量E，同时在各音频帧的时域计算其数据点的过零率Z；对音频帧进行判断，若其短时傅里叶频谱能量E小于设定的阈值T_E且过零率Z小于设定的阈值T_Z，则判定为静音帧，得到待测音频的静音段为S_l，其中，l＝1,2,…,N_S，l为静音段帧序号，N_S为静音段帧数量；静音段帧序号对应于待测音频帧序号的映射为Loc，在静音段得到篡改点位置后，根据Loc求得篡改点在待测音频中的位置；

步骤3、计算静音段S中各帧基于梅尔倒谱系数扩展的超向量特征，扩展过程采用广义线性区分性序列核函数，得到静音段音频特征为二维矩阵其中，h₁，h₂，……，h_Ns为D维列向量，代表一个音频帧特征向量，共有N_S个音频特征向量，用于表征音频的噪声信息，为设备本征噪声和环境噪声信息的总和，D取大于30的自然数；

步骤4、用大小为D×2w的窗口在音频特征H上从前向后沿水平方向滑动，每次滑动距离为w，窗口内前w个列向量构成大小为D×w的子矩阵，计算子矩阵每行的均值，得到一个D维均值向量；窗口内后w个列向量构成大小为D×w的子矩阵，计算子矩阵每行的均值，得到一个D维均值向量；计算每个窗口前后两个D维均值向量的相关系数，随着窗口的移动，得到相关系数向量ρ，ρ中各元素用ρ(p)表示，p＝1,2,…,N_ρ，为相关系数序号，为相关系数向量长度，代表向下取整数运算；

步骤5、计算相关系数向量ρ中各个元素的均值u，设定幅度阈值T_ρ，令幅度阈值为均值的倍数，T_ρ＝ku，k为小于1的正数；计算相关系数向量ρ的一阶差分，得到一阶差分向量ρ′，计算ρ′中各个元素绝对值的均值u′，设定一阶差分阈值T_ρ′，令一阶差分阈值为均值的倍数，T_ρ′＝k'u'，k′为大于1的正整数；利用相关系数向量中小于幅度阈值T_ρ的元素位置及一阶差分向量中绝对值大于一阶差分阈值T_ρ′的元素位置确定篡改点的位置，假设有U个篡改点，用位置集合Q表示，记为Q＝{q1,q2,q3,…,qU}；

步骤6、若Q不为空，则待测音频存在篡改，否则为原始音频；若待测音频被篡改过，共有U个篡改点，根据篡改点在相关系数向量中的位置，计算篡改点在静音段中对应的帧区间，再根据步骤2中静音段帧序号与待测音频帧序号的映射Loc，求得篡改点对应于待测音频中的帧区间，作为最终估计的定位篡改区域。

2.根据权利要求1所述的基于静音段的异源音频拼接篡改盲检测方法，其特征在于：步骤1中，待测音频的音频帧总数可由下面公式进行求取：

其中，代表向下取整数运算，N为音频帧总数，t为待测音频时长，t＞0，m为音频帧时长，t＞m＞0，n为帧移时长，m＞n＞0。