[发明专利]一种用于语音变形检测的深度残差网络结构

权利要求书

1.一种用于语音变形检测的深度残差网络结构，其特征在于：所述网络结构共50层，并在该网络结构的卷积神经网络中加入短链接；所述短链接即为在下一层的输入额外的加入上一层的特征映射，该短链接的特征映射不增加额外的参数，以将每一层重新表示为学习上一层的残差函数而不用重复学习未被训练的特征；

所述网络结构的时频图输入尺寸为(128*127)，采用四个最大池化，其滤波器尺寸为(1*2)，步长为2；在网络结构的第一层卷积层之后，有四种针对不同尺寸特征图的结构块，每个结构块共有分别是1x1,3x1和1x1的3个卷积层，其中两个1x1的卷积层是先减少数据维度后再增加数据维度；

所述网络结构卷积过程中，在每个结构块后进行一次降采样，该降采样只在时频图的时间维度进行；而卷积神经网络在进行语音变形的频谱特征提取时，其卷积核只在频谱特征维度进行卷积；

所述网络结构的最后加有一个全局均值池化层和1000路的全连接层，之后再经过sigmoid非线性函数进行结果评价。

2.根据权利要求1所述的一种用于语音变形检测的深度残差网络结构，其特征在于：所述网络结构在输入时频图前，会对变形的语音数据进行预处理，假设x₀是原始语音的音高，a是伪装因子，可以得出变形语音x为

x＝2^α/12·x₀；

伪装因子的取值为[-11，11]中的任意整数，之后再对数据进行标准化处理，标准化公式为

其中E[x]是特征均值，Var[x]是特征方差。

3.根据权利要求1所述的一种用于语音变形检测的深度残差网络结构，其特征在于：所述输入网络结构的时频图是经过短时傅里叶变换生成的，以让变形语音的特征信息有相对密集的分布，从而更有利于神经网络特征提取。