-
题名实际噪声下基于时序卷积网络的手机来源识别
被引量:1
- 1
-
-
作者
吴张倩
苏兆品
武钦芳
张国富
-
机构
合肥工业大学计算机与信息学院
智能互联系统安徽省实验室(合肥工业大学)
工业安全与应急技术安徽省重点实验室(合肥工业大学)
安全关键工业测控技术教育部工程研究中心
-
出处
《计算机工程与科学》
CSCD
北大核心
2021年第8期1461-1469,共9页
-
基金
国家自然科学基金(61573125)
安徽省重点研究与开发计划(202004d07020011,202104d07020001)
+2 种基金
中国工程院咨询研究重点项目(2020-XZ-3)
教育部人文社会科学研究青年基金(19YJC870021,18YJC870025)
中央高校基本科研业务费专项资金(PA2020GDKC0015,PA2019GDQT0008,PA2019GDPK0072)。
-
文摘
针对实际环境噪声下的手机来源识别问题,提出一种基于线性判别分析和时序卷积网络的手机来源识别方法。首先,通过分析不同手机语音特征在实际环境噪声下的分类性能,基于带能量描述符、常数Q变换域和线性判别分析得到一种新的手机语音混合特征。然后,以此混合特征为输入,基于时序卷积网络进行训练和分类。最后,在10个品牌、47种手机型号、32900条语音样本的实际环境噪声语音库上的测试结果显示,所提方法的平均识别准确率达到99.82%。此外,与经典的基于带能量描述符和支持向量机的方法,以及基于常数Q变换域和卷积神经网络的方法相比,平均识别准确率分别提高了0.44和0.54个百分点,平均召回率分别提高了0.45和0.55个百分点,平均精确率分别提高了0.41和0.57个百分点,平均F1分数分别提高了0.49和0.55个百分点。实验结果表明,所提方法具有更优的综合识别性能。
-
关键词
手机来源识别
实际环境噪声
混合特征
线性判别分析
时序卷积网络
-
Keywords
source cell-phone identification
practical environmental noise
mixed feature
linear discriminant analysis
temporal convolutional network
-
分类号
TP309
[自动化与计算机技术—计算机系统结构]
-