[发明专利]一种基于卷积神经网络的翻录语音检测方法

权利要求书

1.一种基于卷积神经网络的翻录语音检测方法，其特征在于包括以下步骤：

①构建原始语音库和翻录语音库：在安静环境下，使用采集设备对录音人员进行原始语音采集，共采集得到N₁个不同内容的原始语音，将N₁个不同内容的原始语音构成原始语音库；按照实际过程模拟偷录过程，在使用采集设备对录音人员进行原始语音采集的同时，使用至少两种偷录设备对录音人员进行语音偷录，然后使用至少一种回放设备对偷录的语音进行语音回放，再使用同一种采集设备对回放的语音进行语音采集，共采集得到N₂个翻录语音，将N₂个翻录语音构成翻录语音库；其中，N₁≥1000，N₂≥2N₁；

②提取原始语音库中的每个原始语音的语谱图，并提取翻录语音库中的每个翻录语音的语谱图；然后将每个原始语音的语谱图作为一个正样本，将每个翻录语音的语谱图作为一个负样本；再将从N₁个正样本中随机选取50～70％的正样本和从N₂个负样本中随机选取50～70％的负样本构成训练集，将剩余的正样本和剩余的负样本构成测试集；

③构建卷积神经网络框架训练模型：

第一步，搭建第一层卷积层：首先，设置第一层卷积层中的滤波器的总个数；其次，设置第一层卷积层中的卷积核的大小；再次，确定第一层卷积层的输出与Relu激活函数的关系，描述为：其中，1≤p≤P，P表示训练集中包含的样本的总个数，1≤j≤M₁，M₁表示第一层卷积层中的滤波器的总个数，f()为Relu激活函数的表示形式，x_p表示训练集中的第p个样本，符号“*”为卷积运算符号，k⁽¹⁾表示第一层卷积层中的卷积核的大小，表示的偏置，表示x_p经第一层卷积层后第一层卷积层输出的第j幅特征图，x_p经第一层卷积层后对应得到M₁幅特征图；

第二步，搭建第二层卷积层：首先，设置第二层卷积层中的滤波器的总个数；其次，设置第二层卷积层中的卷积核的大小；再次，确定第二层卷积层的输出与Relu激活函数的关系，描述为：其中，1≤i≤M₂，M₂表示第二层卷积层中的滤波器的总个数，k⁽²⁾表示第二层卷积层中的卷积核的大小，表示的偏置，表示经第二层卷积层后第二层卷积层输出的第i幅特征图，经第二层卷积层后对应得到M₂幅特征图；

第三步，搭建池化层：首先，设置池化层中的卷积核的大小；其次，确定所采用的池化算法；再次，将第二层卷积层的输出作为池化层的输入，得到池化层的输出；

第四步，搭建全连接层：首先，设置全连接层中的隐层节点数；其次，确定所采用的损失函数；再次，将池化层的输出作为全连接层的输入，得到全连接层的输出，至此得到卷积神经网络框架训练模型；

④将测试集中的每个样本作为输入，输入到卷积神经网络框架训练模型中，得到原始语音与翻录语音的分类结果。

2.根据权利要求1所述的一种基于卷积神经网络的翻录语音检测方法，其特征在于所述的步骤③中，第一层卷积层中的滤波器的总个数为32，第一层卷积层中的卷积核的大小为1×11；第二层卷积层中的滤波器的总个数为64，第二层卷积层中的卷积核的大小为2×6；池化层中的卷积核的大小为1×4，所采用的池化算法为最大池化算法；全连接层中的隐层节点数为256，所采用的损失函数为SoftMax回归函数。