基于CNN的录音设备判别研究

文章拟解决音频取证中录音设备判别的问题。不同设备采用的压缩算法不同,会导致录音设备录音时附加到音频中的某些参量不同。从压缩算法角度,文章介绍一种基于卷积神经网络(Convolution Neural Networks,CNN)的录音设备的判别研究。首先获得不同比特率的音频,结合改进的梅尔频率倒谱系数算法(Mel Frequency Cepstrum Coefficient,Mel),用以分析录音设备对音频文件的特征参数影响,接着构建卷积神经网络识别模型,并将得到的Mel倒谱参数输入至构建好的神经网络中训练测试,最后识别并统计识别结果。实验结果表明,本研究对手机比特率的识别率达到92%。