[发明专利]一种基于多路径网络的说话人确认欺骗检测方法

权利要求书

1.一种基于多路径网络的说话人确认欺骗检测方法，其特征在于，包括以下步骤：

S1、获取说话人真实语音数据及欺骗语音数据作为原始语音数据，并对所述原始语音数据分别进行PCM-alaw编解码和PCM-mulaw编解码，得到PCM-alaw编解码语音数据和PCM-mulaw编解码语音数据；

S2、分别计算所述原始语音数据、所述PCM-alaw编解码语音数据和PCM-mulaw编解码语音数据的线性频率倒谱系数特征；

S3、将所述原始语音数据、所述PCM-alaw编解码语音数据和PCM-mulaw编解码语音数据视为来自不同域的语音数据，采用单独的高斯混合模型对所述原始语音数据、所述PCM-alaw编解码语音数据和PCM-mulaw编解码语音数据的线性频率倒谱系数特征分别进行建模，并分别在所述不同域的语音数据上进行训练，得到针对不同域的高斯混合模型，包括原始语音高斯混合模型、PCM-alaw语音高斯混合模型和PCM-mulaw语音高斯混合模型；

S4、将所述原始语音数据、所述PCM-alaw编解码语音数据和PCM-mulaw编解码语音数据的线性频率倒谱系数特征同时作为原始语音高斯混合模型、PCM-alaw语音高斯混合模型和PCM-mulaw语音高斯混合模型的输入，分别计算得到基于原始语音高斯混合模型、PCM-alaw语音高斯混合模型、PCM-mulaw语音高斯混合模型的概率特征；

S5、构建多路径GMM-MobileNet网络，将基于所述原始语音高斯混合模型、PCM-alaw语音高斯混合模型、PCM-mulaw语音高斯混合模型的概率特征分别作为各自MobileNet网络路径的输入，对所述多路径GMM-MobileNet网络进行训练，训练好的多路径GMM-MobileNet网络模型用于对新的语音数据进行欺骗检测。

2.根据权利要求1所述的一种基于多路径网络的说话人确认欺骗检测方法，其特征在于，所述S2包括：

S2.1、分别对所述原始语音数据、PCM-alaw编解码语音数据和PCM-mulaw编解码语音数据进行语音信号预加重；

S2.2、将所述预加重后的语音数据分成若干短时语音帧；

S2.3、采用汉明窗函数对每帧语音数据进行加窗处理，得到短时加窗的语音信号；

S2.4、将所述短时加窗的语音信号进行傅里叶变换得到频域信号，并计算频域信号的能量谱；

S2.5、采用三角滤波器对所述能量谱进行滤波，并对滤波后的输出进行离散余弦变换，得到初始线性频率倒谱系数特征；

S2.6、提取所述初始线性频率倒谱系数特征的动态差分参数，并与初始线性频率倒谱系数特征进行合并，得到最终的所述线性频率倒谱系数特征。

3.根据权利要求2所述的一种基于多路径网络的说话人确认欺骗检测方法，其特征在于，所述S2.2中，采用重叠取帧的方式进行语音分帧。

4.根据权利要求1所述的一种基于多路径网络的说话人确认欺骗检测方法，其特征在于，所述原始语音高斯混合模型、PCM-alaw语音高斯混合模型、PCM-mulaw语音高斯混合模型都采用期望最大方法进行训练。