[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

摘要

本发明公开了一种基于静音段的异源音频拼接篡改盲检测方法。该方法包括如下步骤：对待测音频进行分帧与加窗；对音频帧频谱能量和过零率进行阈值判断，检测静音段；计算静音段音频特征；利用滑动窗口求取静音段上相邻静音帧音频特征相关系数向量；检测篡改点；确定篡改位置。本发明无需借助数字水印作为嵌入信息，针对时域上的异源音频拼接和插入操作，能有效判断篡改是否存在并定位具体篡改位置。

主权项

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，帧长为m，帧移为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yi,j，其中，i＝1,2,…,N；i为音频帧序号，共有N个音频帧，j＝1,2,…,Nframe，为音频帧的第j个数据点，共有Nframe个数据点；步骤2、Spure代表说话人语音信号，hRIR代表环境脉冲响应，dB代表环境噪声，hMic代表设备脉冲响应，dMic代表设备本征噪声，则数字音频y为：y＝(Spure*hRIR+dB)*hMic+dMic   (1)其中，*代表卷积运算。当语音信号Spure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Nfft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，若其短时频谱能量E小于设定的阈值TE且过零率Z小于设定的阈值TZ，则判定为静音帧，得到待测音频的静音段为Sl，其中，l＝1,2,…,NS，l为静音段帧序号，NS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，hi为D维列向量，代表一个音频帧特征向量，共有NS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,…,Nρ，为相关系数序号，为相关系数向量长度；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Tρ，令幅度阈值为均值的倍数，Tρ＝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ρ′，令一阶差分阈值为均值的倍数，Tρ′＝q′u′，k′为大于1的正整数；利用相关系数向量中小于阈值Tρ′的元素位置及一阶差分向量中绝对值大于阈值Tρ′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。