[发明专利]基于复数谱子带融合的虚假音频检测方法及其系统

权利要求书

1.一种基于复数谱子带融合的虚假音频检测方法，其特征在于，包括以下步骤：

S1：提取原始语音波形的复数谱特征和对数功率谱特征，作为输入特征；

S2：将复数谱特征分为低频和高频两个子带频段，分别对复数谱的高、低频段进行建模，并获得相对应的预测结果；

S3：对对数功率谱的低频段特征进行建模，并获得相对应的预测结果；

S4：将复数谱的高、低两个子带频段的预测结果通过一级融合算法进行融合，得到一级融合结果；

S5：将对数功率谱的低频段特征得到的预测结果和一级融合结果通过二级融合算法进行融合，得到最终结果。

2.根据权利要求1所述的基于复数谱子带融合的虚假音频检测方法，其特征在于，在步骤S1中，提取原始语音波形的复数谱特征包括以下步骤：

S101：利用短时傅里叶变换STFT将时域语音转换为T-F域：

X_r[t，f]+i*X_i[t，f]＝STFT(X[k]) (1)

其中，x[k]表示时域中的原始语音波形，k是语音信号的时间索引，和是STFT的相应实部和虚部，t是时间帧数的索引，f是频率单元的索引；

S102：将STFT的实数部分和虚数部分拼接在一起，得到需要的复数谱特征，表示为：

X_complex＝stack(X_r，X_i)∈R^2×F×T (2)

其中，stack表示拼接操作，F和T分别为频率和时间帧数。

3.根据权利要求1所述的基于复数谱子带融合的虚假音频检测方法，其特征在于，在步骤S1中，提取原始语音波形的对数功率谱特征包括以下步骤：

S111：通过短时傅里叶变换STFT将原始语音波形转换为复数谱：

D＝STFT(X[k]) (3)

其中，x[k]表示时域中的原始语音波形，k是语音信号的时间索引，D表示转换后的复数谱。

S112：依次对复数谱进行取绝对值和取对数操作，得到对数功率谱特征：

LPS＝log(abs(D)) (4)

其中，abs和log分别代表取绝对值和取对数操作，LPS即为需要的对数功率谱特征。

4.根据权利要求1所述的基于复数谱子带融合的虚假音频检测方法，其特征在于，所述低频子带频段的频率范围为0-4KHz，高频子带频段的频率范围为4-8KHz。

5.根据权利要求1所述的基于复数谱子带融合的虚假音频检测方法，其特征在于，在步骤S4中，定义复数谱特征的低频子带频段为复数谱特征的高频子带频段为一级融合公式如下：

其中，分布代表和经过深度神经网络分类器训练评估得到的结果，S_complex为一级融合结果，a是一级融合算法的权重系数。

6.根据权利要求1所述的基于复数谱子带融合的虚假音频检测方法，其特征在于，在步骤S5中，二级融合算法的公式如下：

其中，是对数功率谱的低频段特征经过深度神经网络分类器得到的预测结果，β是二级融合算法的权重系数，S_complex为一级融合结果，S为最终结果。

7.一种复数谱子带融合的虚假音频检测系统，其特征在于，包括：

语音特征输入模块，用于提取原始语音波形的复数谱特征和对数功率谱特征，作为输入特征；

复数谱特征处理模块，用于将复数谱特征分为低频和高频两个子带频段，分别对复数谱的高、低频段进行建模，并获得相对应的预测结果；

对数功率谱处理模块，用于对对数功率谱的低频段特征进行建模，并获得相对应的预测结果；

一级融合模块，用于将复数谱特征处理模块得到的预测结果通过一级融合算法进行融合，得到一级融合结果；

二级融合模块，用于将对数功率谱处理模块得到的预测结果和一级融合模块得到的结果，通过二级融合算法进行融合得到最终结果。