[发明专利]一种基于语谱图的语音重采样检测方法

说明书

本发明涉及一种基于语谱图的语音重采样检测方法，该方法根据重采样前后语谱图特征变化的规律，利用局部二值模式特征提取算子，进一步将特征以直方图表示，利用LIBSVM进行特征的训练与分类，得到检测结果。与现有技术的频带带宽分析法相比，本发明可以有效地检测不同条件下的语音重采样，具有普适性与抗MP3压缩的鲁棒性等优点。

技术领域

本发明涉及语音取证技术领域，尤其是涉及一种基于语谱图的语音重采样检测方法。

背景技术

随着数字信息时代的到来，多媒体的发展速度加快，在人们的日常生活无处不在，常见的多媒体包括视频、图像、音频等。由于媒体编辑工具的普及和智能化，人们很容易进行媒体的编辑与处理，使得多媒体的原始性和真实性得不到保障，多媒体取证技术已成为信息安全领域一个研究热点。多媒体取证分为主动取证和被动取证。主动取证需要在媒体发布前将先验信息(例如水印)嵌入媒体，在接收端对提取的水印与原始水印进行比对，根据水印的变化鉴定媒体的原始性和真实性。相反，被动取证是对媒体信息的直接检测，被动取证的应用场景更广泛，但其技术要求也更高。尽管图像和视频在被动取证方面已经取得了一定的进展，但音频的被动取证研究仍处于起步阶段。

语音篡改方法包括语音复制粘贴、重压缩、翻录、拼接等。在现有的语音被动取证方法中，语音复制粘贴检测技术的发展比较成熟，可以用主成分分析、共轭不变矩匹配等算法进行检测。语音重压缩可以通过帧的不一致性来检测。根据频域的高阶相关，可以很好的对语音重翻录进行鉴别。在语音拼接篡改中，对于不同的语音源，其频率可能会不一致。为了使篡改后的语音更加自然，经常需要调整被篡改部分的长度或采样率，从而引入了重采样信息。因此，判断语音是否进行了重采样对检测语音篡改具有重要意义。现有的检测语音重采样的方法主要有期望最大化方法、子带平滑方法、二阶差分方法和频带带宽分析法等。期望最大化方法是通过分析插值引入的周期性，利用期望最大化迭代估计参数，对语音重采样进行鉴定，该方法受参数初值影响较大且对下采样检测率较低。子带平滑方法根据重采样信号经过低通滤波器滤波后会丢失部分高频信息来构造特征，对语音重采样进行检测，但是由于线性插值和最近邻插值在高频部分具有较大的子带平滑度，从而影响该方法的检测性能。二阶差分方法是对原始语音进行二阶差分处理，根据频谱上出现的离散尖峰来判断语音是否经历重采样，该方法需要设定阈值以搜索峰值，阈值受不同的插值方法影响较大。频带带宽分析法对语音带宽与采样率特性进行分析，利用接收者操作特性曲线寻找最佳阈值，根据对数能量比值判断语音是否经历重采样，然而该方法对下采样情况检测率不高。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于语谱图的语音重采样检测方法。

本发明的目的可以通过以下技术方案来实现：

一种基于语谱图的语音重采样检测方法，该方法利用语谱图，将一维的语音信号转化为二维语谱图，根据重采样前后语谱图特征变化的规律，利用局部二值模式(LocalBinary Pattern，LBP)特征提取算子，进一步将特征以直方图表示，利用LIBSVM进行特征的训练与分类，得到检测结果。

该方法具体包括以下步骤：

步骤1、将原始语音生成重采样语音、原始压缩语音与重采样压缩语音，将生成的各语音组成所需语料库。

步骤2、将语料库中的各语音进行分帧，对每一帧语音均进行傅里叶变换，获取振幅图；

步骤3、将生成的每一帧的振幅图按帧移时间排列形成线性语谱图，进一步将线性语谱图取对数生成对数语谱图。

对数语谱图相对于线性语谱图可以使那些振幅较低的成分相对高振幅成分得以拉高，以便观察掩盖在低振幅噪声中的信息。其中，语谱图横轴代表时间，纵轴代表频率，语谱图上每个元素的取值表示振幅的大小，可以从中提取基音周期、频带宽度、基频等信息。

语谱图特征的变化，反应的是采样信号频域随时域改变的变化规律。进一步地，语音时域与频域的关系如下所述：