[发明专利]一种基于双向长短期记忆网络的说话人确认欺骗检测方法

说明书

本发明提供一种基于双向长短期记忆网络的说话人确认欺骗检测方法，包括：获取真实语音数据及欺骗语音数据，计算线性频率倒谱系数特征；采用高斯混合模型对线性频率倒谱系数特征进行建模并进行训练，得到真实语音高斯混合模型和欺骗语音高斯混合模型；将语音线性频率倒谱系数特征在真实语音及欺骗语音高斯混合模型的基础上，计算相应的高斯概率特征；构建孪双向长短期记忆网络，将真实语音高斯混合模型及欺骗语音混合模型上得到的高斯概率特征分别作为输入进行训练；获取新的说话人语音，对语音进行欺骗检测。本发明采用高斯概率特征，使用孪生双向长短期记忆网络模型来捕捉语音帧前后依赖，从而提高语音欺骗检测系统性能。

技术领域

本发明属于说话人确认语音欺骗检测技术领域，具体涉及一种基于孪生双向长短期记忆网络的说话人确认欺骗检测方法。

背景技术

随着基于自动说话人确认(Automatic Speaker Verification，ASV)的用户验证身份的场景实例范围和频率都在不断增加，针对自动说话人确认系统的欺骗攻击也变得更加频繁。自动说话人确认系统本身的安全性对于金融交易、公共服务、刑事司法等至关重要，语音重放、语音合成和语音转换等欺骗攻击已经对自动说话人确认系统造成了威胁，设计有效的反欺骗对策来确保自动说话人确认系统安全可靠，意义重大。

高斯混合模型是人们常用的语音欺骗检测方法，它独立地累计语音特征序列所有帧在模型上的得分，不考虑每个高斯分量对最终分数的贡献，此外相邻帧之间的关系也被忽略，这与实际并不相符。本发明采用长短期记忆网络对高斯混合模型分量的得分进行建模，以提高语音欺骗检测性能。

发明内容

本发明的目的在于提供一种基于双向长短期记忆网络的说话人确认欺骗检测方法。该方法采用高斯概率特征，并使用孪生双向长短期记忆网络模型来捕捉语音帧的前后依赖，从而提高欺骗语音检测系统性能。

为实现上述目的，本发明提供了如下方案：本发明提供一种基于双向长短期记忆网络的说话人确认欺骗检测方法，包括以下步骤：

S1、获取说话人真实语音数据及欺骗语音数据，计算所述真实语音数据和所述欺骗语音数据的线性频率倒谱系数特征；

S2、采用高斯混合模型对所述真实语音数据及所述欺骗语音数据的线性频率倒谱系数特征分别进行建模，并分别在所述真实语音数据及所述欺骗语音数据上进行训练，得到真实语音高斯混合模型和欺骗语音高斯混合模型；

S3、将所述真实语音数据和所述欺骗语音数据的线性频率倒谱系数特征作为所述真实语音高斯混合模型的输入，计算得到基于真实语音高斯混合模型的概率特征，同时将所述真实语音数据和所述欺骗语音数据的线性频率倒谱系数特征作为所述欺骗语音高斯混合模型的输入，计算得到基于欺骗语音高斯混合模型的概率特征；

S4、构建孪生双向长短期记忆网络，将所述基于真实语音高斯混合模型的概率特征及所述基于欺骗语音高斯混合模型的概率特征分别作为输入，对所述孪生双向长短期记忆网络进行训练；

S5、获取新的说话人语音数据，采用所述真实语音高斯混合模型、所述欺骗语音高斯混合模型及训练好的孪生双向长短期记忆网络对新的说话人语音进行欺骗检测。

优选地，所述步骤S1的具体过程为：

S1.1、对采集到的所述真实语音数据及所述欺骗语音数据进行语音信号预加重；

S1.2、将预加重后的语音数据分成若干短时语音帧；

S1.3采用汉明窗函数对每帧语音信号进行加窗处理，得到短时加窗的语音信号；

S1.4、将短时加窗的语音信号进行傅里叶变换得到频域信号，并计算频域信号的能量谱；

S1.5、采用三角滤波器对能量谱进行滤波，并对滤波后的输出进行离散余弦变换，得到初步线性频率倒谱系数特征；