[发明专利]一种手机录音的设备来源辨识方法

说明书

本发明提供的手机录音的设备来源辨识方法通过频带能量差特征来进行设备来源辨识，由于频带能量差特征能够表征设备相邻频带响应的平均强弱程度，因此可以利用分类器技术来对手机录音的设备来源进行辨识。

技术领域

本发明涉及多媒体信号处理技术领域，更具体地，涉及一种手机录音的设备来源辨识方法。

背景技术

在司法取证过程中，一个很重要的取证环节是鉴定信息来源。通常每一件物证都需要做来源的鉴定。对于多媒体信息而言，其来源通常是获取信息的设备。譬如对于图像来说，其来源于摄像机或者数码相机，音频来源于录音机或录音笔等。近年来，智能手机的快速发展，使得用户可以很方便地用手机进行录影或者录音。因此对手机的录音来源进行认证，也成了一项重要的取证任务。

手机源辨识，主要包含两种典型任务，识别任务及鉴定任务：

(1)来源识别任务：识别任务是具有先验知识的辨识问题，已知某段录音的录制设备属于一组已知的手机中的某一个，任务是识别出哪一个手机是该段录音的录制设备。

(2)来源鉴定任务：鉴定任务是没有先验知识的辨识问题，给定某一段录音以及一个手机设备，要求鉴定此段录音是否真的来源于此手机。

音频设备辨识技术发展得较慢，最近几年才开始有学者开展相关的研究工作。国外学者Kraetzer和Dittmann在麦克风鉴定工作方面有着较为深入的研究，他们在文献^[1]中第一次提出了估计麦克风的型号以及环境的位置(提取了隐写分析技术中常用的7个音频时域统计量及基于梅尔倒谱的56维系数特征)，对于几款麦克风设备的识别任务准确率为75％左右；随后，他们又提出一种频谱系数统计方法^[2]，首先从音频的“近静音帧”中提取其频谱系数作为特征，然后使用SVM分类器进行分类，对七款麦克风的识别任务可达93.5％的准确率；在他们的另一个文献^[3]中，详细地分析了大量分类器及分类特征在麦克风分类问题上的性能。Espy-Wilson等^[4]也提出了一种基于不同的内在统计特性的方法用于分类8个电话语音及8个麦克风的语音，准确率达到90％以上。最近的工作是文献^[5]在MFCC系数的基础上建立了高斯超向量(GSV)，并利用它的稀疏特性来分类手机录音设备的指纹。

目前，由于对音频的理解还比较抽象，此类工作暂时未能指明所提取的特征的物理意义。因此也难以深入研究所提出的特征对于研究音频来源辨识问题的确切作用。另外，以上所提及的文献中，实验中使用的设备数量最多只有22个，更大规模的实验有待测试。

参考文献：

[1]Kraetzer C,Oermann A,Dittmann J,et al.Digital audio forensics:afirst practical evaluation on microphone and environment classification[C].Proceedings of the 9th workshop on Multimedia and Security,2007:63-74.

[2]Buchholz R,Kraetzer C,Dittmann J.Microphone classification usingfourier coefficients[C].In Proceedings of the 11th Workshop on InformationHiding,2009:235-246.

[3]Kraetzer C,Qian K,Schott M,Dittmann J.A context model formicrophone forensics and its application in evaluations[C].IST/SPIEElectronic Imaging.International Society for Optics and Photonics,2011,78800P-78800P-15.