[发明专利]基于多种特征融合的语音篡改检测方法

权利要求书

1.一种基于多种特征融合的语音篡改检测方法，检测语音文件是否为拼接而成，其特征在于，包括以下步骤：

步骤S1、将待检测的语音数据进行分帧，划分为多组语音数据帧；

步骤S2、对每组语音数据帧提取多维特征，每帧语音提取67维语音特征，67维语音特征包括如下：

语音特征编号1-11：从语音信号功率频谱图计算的色度图；

语音特征编号12-47：梅尔倒谱系数，一阶梅尔倒谱系数，二阶梅尔倒谱系数；

语音特征编号48-49：过零率，均方根；

语音特征编号50-59：谱图质心，P阶频谱图带宽，频谱图对比度，滚降频率；

语音特征编号60-62：用多项式拟合频谱图得到的多项式系数；

语音特征编号63-64：混沌关联维数，混沌熵；

语音特征编号65-67为：谐波能量特征、基频扰动特征、语音幅度扰动；

步骤S3、构建基于Attention-RNN的模型作为分类器；

步骤S4、将步骤S2中提取到的多维特征输入步骤S3中训练好的分类器中，从而判断当前帧语音是否被篡改。

2.根据权利要求1所述的基于多种特征融合的语音篡改检测方法，其特征在于：所述步骤S3中， Attention-RNN的模型采用两层RNN层，其中第一层是双向RNN层，然后接入一个注意力层，随后是一个全连接Dense层和一个用于减轻过拟合的dropout,最后将输入送到一个dense层，并送入softmax分类器，每个输入先传入bi-RNN，根据各自的状态产生中间状态，通过加权得到输出。

3.根据权利要求1所述的基于多种特征融合的语音篡改检测方法，其特征在于：所述步骤S1中，每组语音数据帧的帧长为512，帧移为256。