[发明专利]语音重放检测方法和装置

权利要求书

1.一种语音重放检测方法，其特征在于，包括：

依据目标用户的预留训练语音建立用户信道模型；

计算待识别语音在所述用户信道模型上的信任度打分，获得待识别语音 的信任度打分；

若所述信任度打分小于设定阈值，则认定待识别语音存在重放，返回认 证失败；反之，通过重放检测。

2.根据权利要求1所述的方法，依据目标用户的预留训练语音建立用 户信道模型的步骤包括：

提取目标用户的预留训练语音的低能量语音段；

若低能量语音段的时间长度小于设定阈值，则根据信道通用背景模型自 适应获取用户信道模型；反之，则采用最大期望算法直接获取用户信道模型。

3.根据权利要求2所述的方法，其特征在于，所述提取目标用户的预 留训练语音的低能量语音段的步骤之前还包括：

计算当前预留训练语音段的采样值的平方和得到当前预留训练语音段 的能量，若所述能量低于设定阈值，则认定为低能量语音段。

4.根据权利要求2所述的方法，其特征在于，依据信道通用背景模型 自适应获取用户信道模型的步骤包括：

提取目标用户的预留训练语音的低能量语音段的多复合声学特征；

依据最大后验概率估计算法，利用所述低能量训练语音数据的多复合特 征对所述信道通用背景模型进行模型自适应更新，得到用户信道模型。

5.根据权利要求4所述的方法，其特征在于，所述提取所述低能量语 音段的多复合声学特征的步骤包括：

提取低能量语音段的多类语音声学特征，并拼接成高维度声学特征；

使用主成分分析PCA对高维度声学特征进行处理，获得正交化的声学 特征；

使用线性判别分析LDA对正交化后的声学特征进行处理，获得低维度 声学特征，将所述低维度声学特征作为多复合声学特征。

6.根据权利要求2所述的方法，其特征在于，训练所述信道通用背景 模型的步骤包括：

获取系统开发集语音数据的多复合声学特征；

计算多复合声学特征中每一帧声学特征在信道通用背景模型上的后验 概率；

通过最大期望算法计算模型参数的极值，使其在多复合声学特征上的总 体概率最大；

通过最大期望算法反复迭代使模型参数不断更新，直到得到收敛的模型 参数值，将所述收敛的模型参数值对应的模型作为信道通用背景模型。

7.根据权利要求1所述的方法，其特征在于，计算待识别语音在目标 用户信道模型上的信任度打分的步骤包括：

提取待识别语音的低能量段的多复合声学特征；

计算每一帧多复合声学特征在目标用户信道模型上的概率似然分；

计算全部概率似然分的平均值作为待识别语音信任度打分。

8.一种语音重放检测装置，其特征在于，包括：

用户信道模块，用于依据目标用户的预留训练语音建立用户信道模型；

计算模块，用于计算待识别语音在目标用户信道模型上的信任度打分， 获得待识别语音的信任度打分；

第一判断模块，用于若所述信任度打分小于设定阈值，则认定待识别语 音存在重放，返回认证失败；反之，通过重放检测。

9.根据权利要求8所述的装置，用户信道模块包括：

第一提取模块，用于提取目标用户的预留训练语音的低能量语音段；

多复合声学特征模块，用于提取所述低能量语音段的多复合声学特征；

第二判断模块，用于若低能量语音段的时间长度小于设定阈值，则根据 信道通用背景模型自适应获取用户信道模型；反之，则采用最大期望算法直 接获取用户信道模型。

10.根据权利要求9所述的方法，其特征在于，第一提取模块之前还包 括：

第三判断模块，用于计算当前预留训练语音段的采样值的平方和得到当 前预留训练语音段的能量，若所述能量低于设定阈值，则认定为低能量语音 段。