[发明专利]一种基于声场和场纹的语音欺骗攻击检测方法

权利要求书

1.一种基于声场和场纹的语音欺骗攻击检测方法，其特征在于：方法过程如下：

在训练阶段：

1)通过双麦克风采集语音，提取获得双声道的语音信号，对双声道的语音信号分别进行信号处理，提取出场纹；

2)重复步骤1)采集并处理获得同一个人的多个语音的场纹，获得这个人的场纹分布，利用高斯混合模型进行训练；

在语音认证阶段：

3)对未知发声体的待测语音重复上述步骤1)计算其场纹，利用训练后的高斯混合模型处理获得相似度概率，根据相似度概率判断检测是否为语音欺骗攻击。

2.根据权利要求1所述的一种基于声场和场纹的语音欺骗攻击检测方法，其特征在于：所述步骤1)具体如下：

1)通过双麦克风采集语音，然后进行以下信号处理：

1.1)信号预处理：对双麦克风采集到的原始语音信号进行语音活动检测，去除语音信号中的非人声部分；

1.1.1)对语音中的双声道计算均方根，选取平均能量更高的声道作为主声道，另一声道作为次声道；

1.1.2)对于主声道的语音信号，包含N个采样点，预先设定幅度阈值T_a＝α|A_max|，其中|A_max|为N个采样点中最高的幅度绝对值，α表示比例参数；提取幅度绝对值高于幅度阈值T_a的采样点序号，记为[s₁，...，s_n]，然后计算[s₁，...，s_n]每相邻两个采样点序号之间的采样点差值，获得采样点差值序列[s₂-s₁，...，s_n-s_n-1]；

1.1.3)寻找定位人声部分的开始点：对于采样点差值序列，判断相邻两个采样点差值是否满足开始条件，即每个采样点s_i是否满足s_i-s_i-1＞T_b，s_i+1-s_i＜T_b，T_b为间隙序数阈值，若满足，则该采样点s_i作为开始点，由此实施获得开始点序列[st₁，...，st_m]，st₁表示第一个开始点；

1.1.4)寻找定位人声部分的结束点：

对于采样点差值序列，判断相邻两个采样点差值是否满足结束条件，即每个采样点s_i是否满足s_i-s_i-1＜T_b，s_i+1-s_i＞T_b，T_b为间隙序数阈值，若满足，则该采样点s_i作为结束点，由此实施获得结束点序列[en₁，...，en_m]，en₁表示第一个结束点；

1.1.5)根据开始点和结束点提取作为语音中的一段人声部分，并计算每一段的长度，即[en₁-st₁，...，en_m-st_m]，并将长度小于声长阈值T_c的人声部分去除；

1.1.6)根据去除后剩余的开始点和结束点确定的人声部分在原始语音信号中进行截取，并拼接在一起获得预处理后的主声道的语音信号；

1.1.7)对于次声道的语音信号按照步骤1.1.6)所确定的主声道的人声部分进行相同截取和拼接获得预处理后的次声道的语音信号，保持两个声道的语音同步；

1.2)短时傅里叶变换：

将预处理后的每个声道的语音信号按照20ms的窗口截取，且相邻窗口之间有50％的重叠，接着对每一个窗口截取出的信号乘以相同长度的海明窗，然后再作快速傅里叶变换获得幅度谱，对幅度谱加对数获得每个窗口的频谱，最终每个声道截取获得K个窗口的频谱；

1.3)场纹提取：

1.3.1)场纹计算：将主次声道语音信号各自的频谱按窗口对应相减，获得K个窗口的双声道频谱差异，即[p₁-q₁，...，p_i-q_i，...，p_K-q_K]，p_i表示步骤1.2)获得的主声道语音信号的第i个窗口的频谱，q_i表示步骤1.2)获得的次声道语音信号的第i个窗口的频谱；

计算K个窗口的双声道频谱差异的平均值作为整个语音信号的场纹表示为：

1.3.2)场纹降维：

从两个层面依次进行降维：

选取4000Hz频率之下的场纹，作为较为稳定的场纹；对较为稳定的场纹加窗，并计算窗内的场纹平均值，所有平均值构成个人场纹结果。