[发明专利]一种用于合成语音检测的GRU-SVM深度学习模型的构造方法

说明书

本发明公开了一种用于合成语音检测的GRU‑SVM深度学习模型的构造方法，包括步骤：提取训练语音每一帧的特征参数；构造训练语音的特征矩阵；构造GRU‑SVM深度学习模型；对GRU‑SVM深度学习模型进行softmax的回归。门控循环单元(GRU)神经网络用于克服循环神经网络(RNN)学习信息长期依赖时产生的梯度消失和爆炸问题。结合支持向量机(SVM)在softmax层进行分类之前起回归作用，本发明提出的GRU‑SVM深度学习模型能进一步提高合成语音的检测率。

技术领域

本发明涉及语音取证技术领域，特别是一种用于合成语音检测的GRU-SVM深度学习模型的构造方法。

背景技术

随着人工智能时代的到来，人与人的交流方式逐渐多样化。数字音频作为最常用的交流媒介应用于日常工作和学习中。通过各种移动设备，人们可以完成对音频的传输和接收来完成信息交换。与此同时，语音合成技术的不断发展。语音合成技术，即将任意文本转换成语音的技术。该技术如果结合深度学习方法的合成技术能够很容易地合成出与某个目标说话人相同说话特征的语音。目前许多识别技术都不能识别出这类合成语音与真实说话人说出的自然语音，并容易将合成的语音认作自然语音，从而发生验证错误。若犯罪分子将该技术应用到实际场景中，将造成人员伤害与经济损失。为了解决这一问题人们提出了自动说话人验证系统，通过计算机利用人体所固有的生理特征或行为特征来进行个人身份鉴定，是一种对收到的说话人语音信号进行分析和提取，自动地确定说话人是否在所建立的说话人集合里面，并确定说话人是谁的过程。

文献“Speaker verification using Gaussian mixture model”(Jagtap,S.S.,Bhalke,D.G，International Conference on Pervasive Computing,pp.1–5,2015)提出了一种主流的机器学习分类器，该分类器使用高斯混合模型(GMM)进行特征分类。文献“Artificial neural networks as speech recognisers for dysarthric speech”(Shahamiri,S.R.,Salim,S.S.B.,Advanced Engineering Informatics 28(1),102-110,2014)，Shahamiri等人已经成功地将基于人工神经网络(ANN)的分类算法应用于语音识别。以GMM为代表的机器学习分类器的平均识别错误率始终保持在1％左右。基于神经网络模型的分类检测算法在检测已知攻击时表现较好，但在检测为止攻击时表现稍差。

发明内容

本发明的目的是提供一种用于合成语音检测的GRU-SVM深度学习模型的构造方法，以进一步提高合成语音检测的准确性。

实现本发明目的的技术方案为：

一种用于合成语音检测的GRU-SVM深度学习模型的构造方法，包括：

步骤一：提取训练语音每一帧的特征参数，包括

1.1将训练语音解码后进行预处理，所述预处理包括预加重、分帧和加窗；

1.2通过快速傅里叶变换，将时域信号转换为频域信号，再取模后平方得到谱线能量；

1.3放入m维的Mel滤波器组，计算出通过Mel滤波器的能量；

1.4取对数倒谱后DCT变换，得到MFCC特征；

1.5提取MFCC特征的一阶差分系数ΔMFCC，与MFCC特征组成2m维特征参数CC，

CC＝{(C₁,C₂,...C_m),(ΔC₁,ΔC₂,...ΔC_m)}，