CN114238849B 基于复数谱子带融合的虚假音频检测方法及其系统 （安徽大学）_第1页
CN114238849B 基于复数谱子带融合的虚假音频检测方法及其系统 （安徽大学）_第2页
CN114238849B 基于复数谱子带融合的虚假音频检测方法及其系统 （安徽大学）_第3页
CN114238849B 基于复数谱子带融合的虚假音频检测方法及其系统 （安徽大学）_第4页
CN114238849B 基于复数谱子带融合的虚假音频检测方法及其系统 （安徽大学）_第5页
已阅读5页，还剩11页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于复数谱子带融合的虚假音频检测方法本发明公开了一种基于复数谱子带融合的结果和一级融合结果通过二级融合算法进行融2S2：将复数谱特征分为低频和高频两个子带频段，融合结果；定义复数谱特征的低频子带频段为xawa,复数谱特征的高频子带频段为xwas一级融合公式如下：ex(5)其中，分布代表xmwe和xww经过深度神经网络分类器训练评估得到的结S5：将对数功率谱的低频段特征得到的预测结果x+(1-B)*sts(6)i其中，x[k]表示时域中的原始语音波形，k是语音信号的时间索引，和3语音特征输入模块，用于提取原始语音波形的复数谱特征和对数复数谱特征处理模块，用于将复数谱特征分为低频和对数功率谱处理模块，用于对对数功率谱的低频段特征进行建一级融合模块，用于将复数谱特征处理模块得到的预测结果通频段为xw,一级融合公式如下：x(5)其中，分布代表和经过深度神经网络分类器训练评估得到的结二级融合模块，用于将对数功率谱处理模块得到的预测4[0002]自动说话人验证(Automaticspeakerverification，ASV)系统是一个典型的生[0005]本发明所要解决的技术问题是提供一种基于复数谱子带融合的虚假音频检测方5[0025]其中，abs和log分别代表取绝对值和取对数操作，LPS即为需要的对数功率谱特[0027]在本发明一个较佳实施例中，在步骤S4中，定义复数谱特征的低频子带频段为Xw:复数谱特征的高频子带频段为xw:一级融合公式如下：x(5)[0029]其中，smpex分布代表和经过深度神经网络分类器训练评估得到[0032]其中，stos是对数功率谱的低频段特征经过深度神经网络分类器得到的预测结6[0059]其中，abs和log分别代表取绝对值和取对数操作，LPS即为需要的对数功率谱特7[0064]需要说明的是，在步骤S3中首先通过对原始语音波形进行对数功率谱的特征提作为深度神经网络分类器的输入，再对深度神经网络分类器设置一定的训练轮数进行训x(5)[0070]由于LPS低频段特征对音频伪造检测任务非常有效，因此本示例中二级融合算法8检测代价函数(min-tDCF)被用作评估指标。EER是错误拒绝率(FRR)和错误接受率(FAR)相统相比，将复数谱的低、高频两个子带融合可以提高虚假音频检测系统的性能。其中[0083]这

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论