[发明专利]利用残差网络的伪装语音检测方法

权利要求书

1.利用残差网络的伪装语音检测方法，其特征在于，包括以下步骤，

S1:利用特征提取模块对语音信号x(n)进行处理后得到基于调制频谱的语音特征-常Q调制包络；

S2:将提取出来的常Q调制包络特征以Q调制包络特征图的形式输出，经预处理后输入到改进后的ResNet分类网络中；

S3:Q调制包络特征以图片的形式输入到分类网络中后，首先通过1个7×7卷积层和一个3×3池化层，然后通过16个残差单元实现深度特征提取；

S4:经过16个残差单元后，通过平均池化层，最终通过全连接层和Softmax层输出语音分类。

2.根据权利要求1所述的利用残差网络的伪装语音检测方法，其特征在于，步骤S1中，特征提取模块对语音信号x(n)进行处理包括以下步骤，

S11:将输入的语音x(n)通过一个分频滤波器组，将语音分成K个不同频段的信号x_k(n)，其中k＝1,2,…,K；

S12:对分频求得的信号x_k(n)提取包络；

S13:对语音包络进行非线性处理；

S14:将经过非线性处理的包络lg(m_k(n))通过常数Q变换变换到频域；m_k(n)为x_k(n)的谱包络；

S15:计算每个频率段的均方值，得到基于调制频谱的语音特征——常Q调制包络。

3.根据权利要求1所述的利用残差网络的伪装语音检测方法，其特征在于：步骤S2中，Q调制包络特征图为以频率——幅值为横纵坐标绘制的图像。

4.根据权利要求1所述的利用残差网络的伪装语音检测方法，其特征在于，步骤S2中，输入到ResNet分类网络的调制包络特征图经过预处理将大小调整为224×224×3。

5.根据权利要求1所述的利用残差网络的伪装语音检测方法，其特征在于，步骤S2中，ResNet分类网络为50层的残差网络。

6.根据权利要求5所述的利用残差网络的伪装语音检测方法，其特征在于，残差网络包含5个卷积块；第1个卷积块为64个7×7的卷积核构成的卷积层，第2个卷积块由1个3×3的最大池化层和3个残差单元构成。

7.根据权利要求6所述的利用残差网络的伪装语音检测方法，其特征在于，每一残差单元由3层卷积构成，第1层卷积核大小为1×1，通过MMN激活函数结合Dropout技术与第2层3×3卷积相连，第2层卷积通过ReLU激活函数与第3层1×1卷积相连，输出与shortcut连接的输出相加，再次经过ReLU激活函数非线性处理后传递到下一残差单元。

8.根据权利要求7所述的利用残差网络的伪装语音检测方法，其特征在于，结合Dropout技术的MMN激活函数，第3层卷积块由4个残差单元构成，第4层卷积块由6个残差单元构成，第5层卷积块由3个残差单元构成，各层卷积块中残差单元的通道数不断递进。

9.根据权利要求9所述的利用残差网络的伪装语音检测方法，其特征在于，经过5层卷积块，对输出进行平均池化。