[发明专利]一种基于振幅和相位信息的录音攻击检测方法

摘要

本发明公开了一种融合多分辨率振幅和相位信息的录音欺诈检测方法，包括以下步骤：步骤一，选择声纹欺诈检测数据库，进行输入数据准备；步骤二，分别提取振幅和相位信息，采用多分辨率振幅及相位特征提取方法；步骤三，分类模型训练，利用步骤二特征进行区分度模型训练；步骤四，特征融合，充分利用振幅相位特征的互补性；最后，判别决策，输出录音回放分类结果。本发明的录音攻击检测方法和现有技术相比，考虑到了语音的相位信息，融合录音回放检测相位振幅相关特征，大大的提高了特征的丰富性，获得更好录音攻击检测效果。通过提取多分辨率的振幅与相位信息，有效利用了相位与振幅的互补性，以及相同特征在不同频段的互补性。

主权项

1.一种基于振幅和相位信息的录音攻击检测方法，其特征在于，包括以下步骤：步骤一，输入数据准备：对录音回放数据库中的语音信号进行数据准备，划分训练集、验证集、测试集；步骤二，特征提取：1)振幅信息提取：对语音信号分帧、加窗、短时傅里叶变换,针对不同频段采用不同分辨率，提出多种分辨率的振幅特征提取方法；2)相位信息提取：基于相对相位提取每一段语音对应的相位信息，针对不同频段分辨率提出多种分辨率的相位特征提取方法；步骤三，分类模型训练：将训练集中录音回放音频和原始声音特征提取后分别作为输入，训练两个Gaussian Mixture Model分类器，GMM_genuine和GMM_spoof；步骤四，特征融合：对于多分辨率的相位特征和振幅特征分别进行判别决策后，在打分层面进行特征融合，采用线性打分特征融合：L＝(1‑α)L₁+αL₂,      (1)其中L表示最终打分结果，L₁对应相位特征打分结果，L₂对应振幅特征打分结果，α表示权重系数，通过验证集打分结果进行确定；步骤五，判别决策：对于要检测是否为回放录音的测试音频，经过特征提取后，通过计算被测试音频与GMM_genuine和GMM_spoof似然相似度，最终进行决策评分：若与GMM_genuine更为相似则判定为原始音频；若与GMM_spoof具有更高相似度，则为回放音频。