[发明专利]一种伪冒语音的识别方法、设备及计算机可读存储介质

权利要求书

1.一种伪冒语音的识别方法，其特征在于，所述识别方法包括：

获取待识别语音；

对所述待识别语音进行STFT变换处理，将所述待识别语音转换为待识别语音信号特征图；

将所述待识别语音信号特征图输入目标DenseNet网络模型，输出所述待识别语音为真实语音或伪冒语音的二分类判别结果。

2.根据权利要求1所述的识别方法，其特征在于，所述将所述待识别语音信号特征图输入目标DenseNet网络模型之前，所述识别方法还包括：

获取真实语音数据集和伪冒语音数据集；

利用STFT变换将所述真实语音数据集中的语音转换为第一类别语音信号特征图，将所述伪冒语音数据集中的语音转换为第二类别语音信号特征图，以得到包括所述第一类别语音信号特征图和所述第二类别语音信号特征图的第一语音信号特征图数据集；

利用所述第一语音信号特征图数据集训练初始DenseNet网络，并基于损失函数对所述初始DenseNet网络各层的权重参数进行调整，直至所述损失函数小于预设值时，锁定所述初始DenseNet网络各层的权重参数以得到所述目标DenseNet网络模型。

3.根据权利要求2所述的识别方法，其特征在于，所述利用STFT变换将所述真实语音数据集中的语音转换为第一类别语音信号特征图，将所述伪冒语音数据集中的语音转换为第二类别语音信号特征图，以得到包括所述第一类别语音信号特征图和所述第二类别语音信号特征图的第一语音信号特征图数据集之后，所述识别方法还包括：

将所述第一语音信号特征图数据集中部分语音信号特征图的部分频率特征执行遮掩操作，以将所述第一语音信号特征图数据集转换为第二语音信号特征图数据集；

所述利用所述第一语音信号特征图数据集训练初始DenseNet网络，包括：

利用所述第二语音信号特征图数据集训练初始DenseNet网络。

4.根据权利要求1至3中任一项所述的识别方法，其特征在于，所述目标DenseNet网络模型依次包括第一卷积层、第一通道伸缩模块、第一过渡层、第二通道伸缩模块、第二过渡层、第三通道伸缩模块、第一全连接层和第二全连接层，所述第一卷积层、所述第一通道伸缩模块、所述第一过渡层、所述第二通道伸缩模块、所述第二过渡层和所述第三通道伸缩模块用于按照顺序依次提取所述待识别语音信号特征图的特征并输出第一特征图，所述第一全连接层和所述第二全连接层用于进一步提取所述第一特征图的特征，并根据提取的特征输出二分类的判别结果。

5.根据权利要求4所述的识别方法，其特征在于，所述第一通道伸缩模块、所述第二通道伸缩模块和所述第三通道伸缩模块均分别包括4个上层结构和4个下层结构，所述上层结构依次包括第二卷积层、4个并列的第三卷积层、第四卷积层和第一SE block，所述下层结构依次包括第五卷积层、4个并列的第六卷积层、第七卷积层和第二SE block。

6.根据权利要求5所述的识别方法，其特征在于，所述第二卷积层、所述第四卷积层、所述第五卷积层和所述第七卷积层均为核大小为1×1的卷积层，所述第二卷积层和所述第五卷积层用于减少输入的特征图的通道数，所述第四卷积层用于对4个所述第三卷积层输出的特征图进行拼接操作并输入所述第一SE block进行处理，所述第七卷积层用于对4个所述第六卷积层输出的特征图进行拼接操作并输入所述第二SE block进行处理，所述第一SEblock用于为所述第四卷积层输入的各个特征图按照通道分配对应的权重，所述第二SEblock用于为所述第七卷积层输入的各个特征图按照通道分配对应的权重。

7.根据权利要求1至3中任一项所述的识别方法，其特征在于，所述对所述待识别语音进行STFT变换处理，包括：

对所述待识别语音进行分帧和加窗操作之后，进行STFT变换处理。