[发明专利]一种采用联合特征与随机森林的伪装语音检测方法

说明书

本发明涉及一种采用联合特征与随机森林的伪装语音检测方法，包括以下步骤：S1、从训练语音库中随机选取真语音和伪语音，分别对随机选取的各语音进行LBP局部纹理特征和CQCC声学特征的提取，并将LBP局部纹理特征和CQCC声学特征联合组成联合特征向量，以得到训练数据集；S2、利用训练数据集对随机森林进行训练，以生成随机森林分类器；S3、将待测语音进行LBP局部纹理特征和CQCC声学特征的提取，并将LBP局部纹理特征和CQCC声学特征联合组成待测联合特征向量，将待测联合特征向量输入随机森林分类器以对待测语音进行真伪检测。本发明对待测语音进行真伪检测，有效提升ASV系统的安全性。

技术领域

本发明属于伪装语音检测技术领域，具体涉及一种采用联合特征与随机森林的伪装语音检测方法。

背景技术

自动说话人验证(ASV,Automatic Speaker Verification)系统，就是通过对说话人语音信号进行分析，并检测出待识别的说话人身份的技术。ASV系统是一种无需直接接触便可完成识别的身份认证方式，检测设备成本低且便于操作是它的主要优势。虽然目前的ASV系统识别目标语音的准确率较高，但以冒充目标说话人真实身份为目的的恶意欺骗攻击极大的降低了ASV系统的安全性。

欺骗攻击的类型主要有语音合成、语音转换、人为模仿与语音回放。为了应对这些不同种类的欺骗攻击，需要完善说话人识别系统应对欺骗攻击时的检测性能，使ASV系统具有反欺骗攻击的能力。在应用这种反欺骗攻击技术后，只有通过欺骗检测并被判定为真实语音的样本才能输入到ASV系统中进一步认证。

发明内容

基于现有技术中存在的上述不足，本发明的目的是提供一种采用联合特征与随机森林的伪装语音检测方法。

为了实现本发明的上述目的，采用如下技术方案：

一种采用联合特征与随机森林的伪装语音检测方法，包括以下步骤：

S1、从训练语音库中随机选取真语音和伪语音，分别对随机选取的各语音进行LBP局部纹理特征和CQCC声学特征的提取，并将LBP局部纹理特征和CQCC声学特征联合组成联合特征向量，以得到训练数据集；

S2、利用训练数据集对随机森林进行训练，以生成随机森林分类器；

S3、将待测语音进行LBP局部纹理特征和CQCC声学特征的提取，并将LBP局部纹理特征和CQCC声学特征联合组成待测联合特征向量，将待测联合特征向量输入随机森林分类器以对待测语音进行真伪检测。

作为优选方案，所述LBP局部纹理特征的提取，包括：

获取待提取语音的语谱图，利用LBP算法对待提取语音的语谱图进行分析，得到LBP局部纹理特征；

其中，待提取语音为随机选取的语音或待测语音。

作为优选方案，利用LBP算法对待提取语音的语谱图进行分析之前，先对语谱图进行分块，然后对每块语谱图分别利用LBP算法对待提取语音的语谱图进行分析，得到各块语谱图的LBP局部纹理特征组成的LBP局部纹理特征向量。

作为优选方案，所述CQCC声学特征的提取，包括：

先对待提取语音进行常量Q变换得到频谱X^CQ(k)，然后得到对数功率谱log|X^CQ(k)|²，之后将对数功率谱重采样转换为log|X^CQ(l)|²，最后对重采样后的对数能量谱作离散余弦变换，得到待提取语音的CQCC声学特征；

其中，k、l分别为重采样前、后的频带序号，待提取语音为随机选取的语音或待测语音。

作为优选方案，所述将LBP局部纹理特征和CQCC声学特征联合组成联合特征向量，包括：