基于特征压缩和残差网络的语音重放检测

目前的语音重放攻击检测系统中,绝大部分性能良好的系统采用的特征和网络模型的数据量都很大,训练速度慢、对设备要求高。因此本文提出了一种基于CQT(Constant Q Transform)变换的时间帧压缩方法,以减小特征尺寸和网络模型参数量,从而加快训练速度、降低设备要求。首先,将语音信号的CQT谱在时间帧维度上压缩,得到一维特征,成百倍地减少特征数据量;其次,对应设计一维小型残差网络模型,以辅助进一步减少数据量;最后,在ASVspoof2019挑战赛的PA数据集上训练并测试网络模型性能。实验结果表明,本文的特征提取算法和网络模型,相比挑战赛的基线系统以及其他特征-模型的性能有明显提升,t-DCF为0.1051,EER为3.74%,并且训练速度快、设备要求低。

一种结合端点检测可检错的DTW乐谱跟随算法

针对乐谱跟随中动态时间规整算法(DTW)时间精确度不高并且无法检测偏差音符的不足,提出一种基于端点检测与DTW算法的乐谱跟随系统。其前端结合端点检测算法,提取基于恒Q变换(CQT)的色度特征值,再将两个音频信号进行比较,最终利用DTW算法实现演奏音频与乐谱对齐功能,确定演奏音频每一时刻具体演奏内容。实验结果表明,提出的算法在时间精确度上较传统方法提高7.64%,并且不受节拍变化的影响,能够检测出演奏音频中是否有偏差音符。

基于常Q变换与深度神经网络的VDR语音端点检测

基于采集的真实船舶航行数据记录仪音频数据,提出一种基于常Q变换(Constant-Q Transform, CQT)幅度谱与深度神经网络(DNN)的语音端点检测方法。为获得适合不同频段的变频率分辨率,采用CQT对VDR音频信号进行谱分析,并利用DNN自动学习基于CQT幅度谱的复杂特征表示,实现端到端的VDR音频数据语音端点检测,真实VDR音频数据验证了本文方法的有效性。实验结果表明,该方法具有较高的正确率和鲁棒性。

基于人工神经网络的音乐和弦感知

和弦的感知是音乐自动标注的基础,对于音乐结构分析及旋律分析等任务有重要的作用,因此成为音乐信息检索(M IR)领域的热点之一。本文根据音乐认知心理学原理,提出一种基于人工神经网络(ANN)的和弦实时感知方法:首先利用常数Q变换(CQT)对音乐信号进行时频变换,并在所得到的谱上实施音符起始点检测、音高校准及基频分析等技术以增强系统的鲁棒性,之后定义了一种全新的音级分布矩阵(PCDM)特征,最后利用ANN模拟人脑认知过程并通过半监督学习方法对和弦进行感知。在多种风格音乐上进行的初步实验表明,所提出的方法以可以接受的计算时间消耗取得接近60%的识别率,与本领域先进方法的效果不相上下。