[发明专利]录音地点的识别方法

说明书

技术领域

本发明涉及一种录音地点的识别方法。

背景技术

如今，随着信息领域的数字技术向人类生活各个领域全面推进，音频数字化的存储方式几乎取代了传统的存储方式。同时计算机技术的飞速发展使得数字音频编辑越来越容易，篡改也越来越专业。

根据有关部门调查统计：基于数字音频的犯罪率正逐年递增。根据最高人民法院《关于民事诉讼证据的若干规定》第69条规定：存有疑点的视听资料不能单独作为认定案件事实的依据。当数字音频文件作为法庭证据时，其原始性和完整性往往是需要注意的地方。然而，在不能确定录音时间和录音地点的前提下，即使音频文件具有原始性和完整性，也很难确定其有效性。

音频资料作为技术含量成分比较高的证据类型，其原始性和完整性在目前的技术下能表现出来。然而在不同的时间不同的地点录制一段音频，它的原始性和完整性是满足的，但是音频的录制时间和地点是否和案件有关很难考证。

现有的数字音频取证技术很难做到录音地点的识别，因此司法机关就不易对音频证据的有效性做出判断。

发明内容

本发明的目的是提供一种录音地点的识别方法，采用BP神经网络作为主要识别方法，效率高，解决现有的数字音频取证技术很难做到录音地点的识别的问题。

为了解决以上问题，本发明通过以下技术方案实现：

一种录音地点的识别方法，

S1、构建BP神经网络；

S2、将各地的电网频率数据作KDA降维处理，以满足BP神经网络的输入要求；

S3、将处理后的电网频率数据作为训练样本训练BP神经网络，并采用模拟退火算法进行权值更新；

S4、提取录音中的电网频率数据，具体为：将需要识别的录音先进行300Hz低通滤波，然后加重信号，接着进行窄带滤波，最后经过测频算法；

S5、将录音中的电网频率数据作KDA降维处理；

S6、将S5中处理好的数据输入到已经完成训练的BP神经网络进行识别；

S7、用模拟退火算法搜索识别结果，并转换为具体地点。

进一步地，电网频率数据为x₁,x₂,x₃…x_n，通过一个映射F，将数据从n维空间映射到N(N>n)维空间中；

KDA降维算法公式如下：K(x_i,x_j)＝F(x_i)^TF(x_j)；

其中，径向基核函数为：K(x_i,x_j)＝exp(-||x_i-x_j||²/2σ²)。

进一步地，所述步骤S4中，录音中电网频率提取是先经过300Hz低通滤波，然后对信号作加重处理，接着经过49Hz～51Hz的窄带滤波，最后经过测频算法测频。

进一步地，所述低通滤波采用的是巴特沃兹滤波器，所述窄带滤波采用的是椭圆滤波器。

进一步地，所述步骤S7中，对n个地点，BP输出结果分别为S(n)，采用模拟退火算法，搜索其中的max(S(n))，以确定录音的地点。

进一步地，模拟退火算法搜索识别结果步骤如下：

S71、初始化：初始温度T，初始解状态X，每个T值的迭代次数L；

S72、对n＝1,……,L做S73至S76；

S73、产生新解X'；

S74、计算增量Δt'＝S(X')-S(X)，其中S(X)为评价函数；

S75、若Δt'＜0则接受X'作为新的当前解，否则以概率exp(-Δt'/T)接受X′作为新的当前解；

S76、如果满足终止条件则输出当前解作为最优解，结束程序，终止条件通常取为连续若干个新解都没有被接受时终止算法；

S77、T逐渐减少，且T-＞0，然后转S72。

本发明的有益效果是：

相比于现有技术，本发明的优点在于：

一、本发明基于BP神经网络，利用电网频率作为识别依据，解决了传统方法无法识别录音地点的难题；

二、采用BP神经网络作为主要识别方法，效率高；

三、采用KDA降维算法，使识别速度加快；

四、采用模拟退火算法，能够快速搜索出识别结果。

附图说明

图1是实施例的说明示意图。