[发明专利]语音信号处理方法、装置及设备

说明书

本发明提供语音信号处理方法、装置及设备，其中，方法包括：获取待处理语音信号对应的第一统计特征向量，所述第一统计特征向量用于表示所述待处理语音信号在M维特征空间中每维特征空间的统计值，所述M为大于1的整数；将所述第一统计特征向量输入第一模型进行处理，获得第二统计特征向量，所述第一模型用于根据所述M维特征空间中每维特征空间的重要程度对所述第一统计特征向量进行处理；根据所述第二统计特征向量，确定所述待处理语音信号的目标类别，所述目标类别包括原始语音信号或者录音重放语音信号。该技术方案可以提高录音重放信号检测的准确性。

技术领域

本发明涉及信号处理领域，尤其涉及语音信号处理方法、装置及设备。

背景技术

近几年，声纹识别技术在远程无监督身份认证领域中得到了广泛应用。然而在使用中也存在很多安全隐患，比如，录制说话人语音，然后进行录音重放的攻击手段是声纹识别系统面临的最常见的攻击手段，录音重放攻击是一种用高保真录音设备录制目标人物的语音，然后运用录制的语音信号去破解声纹认证系统的技术手段。语音重放攻击的语音是来自说话人本人，因此更具真实性，这种攻击对系统的安全性将造成更大的威胁。

目前为了避免录音重放攻击，用户在进行声纹验证时，系统会规定用户需要诵读的文本语句，在进行声纹验证时，辅以语音内容识别进行录音重放检测。然而在用户口音严重或者有自己特殊发音习惯时，语音内容识别准确率大幅下降，降低录音重放语音信号检测的准确性。

发明内容

本发明实施例提供语音信号处理方法、装置及设备，可以提高录音重放信号检测的准确性，并且不需要对语音信号内容进行检测，提高检测效率。

第一方面，提供语音信号处理方法，包括：

获取待处理语音信号对应的第一统计特征向量，所述第一统计特征向量用于表示所述待处理语音信号在M维特征空间中每维特征空间的统计值，所述M为大于1的整数；

将所述第一统计特征向量输入第一模型进行处理，获得第二统计特征向量，所述第一模型用于根据所述M维特征空间中每维特征空间的重要程度对所述第一统计特征向量进行处理；

根据所述第二统计特征向量，确定所述待处理语音信号的目标类别，所述目标类别包括原始语音信号或者录音重放语音信号。

结合第一方面，在一种可能的实现方式中，所述获取待处理语音信号对应的第一统计特征向量，包括：将所述待处理语音信号划分为N个语音帧，所述N为大于或者等于1的整数；获取所述N个语音帧中每个语音帧的第一特征向量，所述第一特征向量用于表示所述语音帧在M维特征空间中每维特征空间的特征值；针对所述M维特征空间中的每维特征空间，计算该维特征空间对应的统计值，所述统计值为所述N个语音帧在该维特征空间的统计值；根据所述M维特征空间中每维特征空间对应的统计值，构建所述待处理语音信号对应的第一统计特征向量。

结合第一方面，在一种可能的实现方式中，所述第一统计特征向量包括第一均值向量和/或第一标准差向量，所述第一均值向量用于表示所述待处理语音信号在M维特征空间中每维特征空间的均值，所述第一标准差向量用于表示所述待处理语音信号在M维特征空间中每维特征空间的标准差。

结合第一方面，在一种可能的实现方式中，若所述第一统计特征向量包括所述第一均值向量和所述第一标准差向量；所述第二统计特征向量包括第二均值向量和第二标准差向量，所述第二均值向量是根据所述第一均值向量和所述第一模型得到，所述第二标准差向量是根据所述第一标准向量和所述第一模型得到；所述根据所述第二统计特征向量，确定所述待处理语音信号的目标类别，包括：根据所述第二均值向量和所述第二标准差向量，构建第三统计特征向量；根据所述第三统计特征向量，确定所述待处理语音信号的目标类别。