基于逆梅尔对数频谱系数的回放语音检测算法

高保真录音设备和回放设备的普及化及便携化,给说话人识别系统的抗回放语音攻击带来了严峻挑战。通过语谱图分析原始语音和回放语音在高频区的差异,有针对性地将语音信号在求取Mel(梅尔)倒谱系数过程中的Mel滤波器组逆置,并将DCT前的Mel对数频谱系数作为算法的特征。最后,利用支持向量机作为分类器对待测语音进行判别。实验结果表明,此算法能够有效地检测回放语音。另外,将此算法加载到GMM-UBM说话人识别系统后,显著地提升了系统的抗回放语音攻击能力。

基于修正倒谱特征的回放语音检测算法

随着语音技术的发展,以回放语音为代表的各种仿冒语音给声纹认证系统及音频取证技术带来了极大挑战。针对回放语音对声纹认证系统的攻击问题,提出一种基于修正倒谱特征的检测算法。首先,采用变异系数来分析原始语音和回放语音在频域上的差异;然后,有针对性地将提取梅尔倒谱系数(MFCC)过程中的Mel滤波器组换成由linear滤波器和逆Mel滤波器组合的新滤波器组,进而得到基于新滤波器组的修正倒谱特征;最后,使用高斯混合模型(GMM)作为分类器进行分类判别。实验结果表明,修正的倒谱特征能够有效地检测回放语音,其等错误率约为3.45%。

基于低频区信息量分布的回放语音检测方法

随着高保真度、便携式录音设备的普及,攻击者利用回放语音进入说话人识别系统成为可能。这将对合法用户的权益造成损害,所以如何检测回放语音已成为识别系统安全领域的重要研究课题。本文通过研究原始语音和回放语音在固定频率范围上信息量的分布特点,提出了一种基于低频区信息量分布的回放语音检测方法。实验结果表明:针对不同种类的偷录设备,该方法能够有效区分原始语音和回放语音。在回放环境为安静的情况下,检测准确率能达到98%以上;在回放环境改变为噪声干扰的情况下,其检测率也能达到92%,证明本算法具有较好的鲁棒性。

基于小波包的回放语音检测算法

以便携式回放设备的语音为代表的假冒语音攻击,给说话人识别系统带来了严峻的挑战。针对这种回放语音攻击问题,论文提出一种基于小波包的多频带回放语音鉴别算法。首先,通过小波包分解及重构后的信号进行傅里叶变换,取每一帧频谱的最大值;然后,利用对数运算以及离散余弦变换(DCT)来得到鉴别特征;最后,使用高斯混合模型(GMM)作为分类器进行假冒语音判别。实验表明,该检测算法能有效地鉴别回放语音。

基于AdaBoost算法的回放语音检测研究

针对语音判别系统中单个分类器分类能力有限的问题,提出一种基于AdaBoost算法的回放语音检测方法。以常量Q倒谱系数和均值超矢量分别作为特征参数和AdaBoost算法的输入,将多个分类器的检测结果相结合并进行加权投票,从而降低系统的等错误率(EER)。研究关系因子、均值超矢量维数以及弱分类器数量对检测结果的影响,以设置系统的最优参数。实验结果表明,该检测方法在开发集和评估集上的EER值分别为4.17%和16.81%,相比GMM-ML方法分别降低了65%和44%。