[发明专利]一种基于卷积神经网络的言语置信度评测方法

说明书

本发明公开了一种基于卷积神经网络的言语置信度评测方法。该方法首先对采集的语音样本进行分帧，并提取每帧的梅尔倒谱系数，构成单通道梅尔倒谱系数图像；然后构建六层卷积神经网络，构建前三层为使用尺寸不同的卷积滤波器的卷积层，第四层为生成全局特征图的聚合层，第五层和第六层为由2048个线性修正单元的全连层；最后将梅尔倒谱系数图像输入构建的卷积神经网络进行言语置信度评测。实验结果显示，该置信度评测方法对谎言的识别率达到73％。

技术领域

本发明涉及一种音频信号处理的方法，特别是涉及一种基于卷积神经网络的言语置信度评测方法。

背景技术

言语置信度评测就是言语测谎的一种表示说法。说谎是人类社会普遍的心理现象，是指明知真相的情况下故意对事实进行隐瞒、歪曲或凭空编造虚假信息以误导他人的行为。“测谎”的基本原理是人在说谎时的心理变化必然引起一些生理参数(如皮肤电、心跳、血压、呼吸脑电波、声音)的变化，通常它只受植物神经制约而很难受大脑意识控制。因此传统测谎技术是将心理学和生理学等多种学科交叉融和，通过电生理参数测试系统对个体内心隐瞒意图和状态进行探测，但由于其自身的局限性而不能得到广泛应用。

说谎时往往伴随着心理的唤起，情绪的改变和生理上的改变，因此在很大程度上决定了发声和共振的性质。因此，依赖于说谎时特殊的生理状态可以发现说谎时语音特征的改变。利用语音的声学特征来进行说话人说话内容的置信度评估可以实现运程监控，并且不易引起说话人的心理防御，和传统的从心理生理学角度的研究相比，更具有现实意义和实际意义。

目前，有代表性的完全利用语音声学参数进行“测谎”的系统有美国的VSA和以色列的LVA系统。VSA主要利用语音波形测量技术，依据人说谎时由于压力会引起肌肉紧张和微颤，而形成声波中的微颤调制和次波的产生。LVA主要利用统计分析技术，依据人说谎时情绪参数的分布会和正常情况下的不一样，利用几百上千个参数进行统计分析来判断是否说谎。以上的系统只是把声学参数作为测谎仪中一个因素考虑，并没有完全脱离传统的“测谎”模式。

尽管语音测谎已日益引起国内外研究机构和科研人员的重视，但目前对语音测谎的研究深度和研究成果还相对较少，除国外有少许报道外，目前还没有发现国内有部门研究语音测谎处理技术的相关信息和资料。因此，可以说国内在这一方面的研究目前还是一个空白。同时研究表明，语音信息有一个重要的特点就是状况依存性，各国的语言和民族习惯不同，语言表达的方式不同。所以借鉴国外的研究成果，必须结合我国的实际生活情况，研究出符合我国特点的语音信息处理技术。因为国外的一些研究成果，可能并不适合汉语的特点，所以不可能全部照搬照套。

发明内容

本发明的目的在于克服现有技术中的不足，提供一种基于卷积神经网络的言语置信度评测方法，解决现有技术中言语置信度方法效率低下和可靠性低的技术问题。

为解决上述技术问题，本发明所采用的技术方案是：一种基于卷积神经网络的言语置信度评测方法，包括以下步骤：

1)计算语音样本特征：获得梅尔倒谱系数图像特征；

2)构建多层混合卷积神经网络；

3)言语置信度分析与评测：将梅尔倒谱系数图像特征输入构建的卷积神经网络，进行言语置信度评测。

所述计算语音样本特征方法包括以下步骤：

1)以22050Hz的采样频率对语音样本进行重采样；

2)以50％的重叠率进行分帧，将每个样本分为若干个由43帧(每帧23毫秒)组成的片段；

3)利用60个梅尔带宽的梅尔滤波器组提取每个语音片段的对数梅尔倒谱系数，构成尺寸为60×43的单通道梅尔倒谱系数图像特征。

所述多层混合卷积神经网络的构建采用如下特殊结构：