[发明专利]基于相位偏移检测的数字音频篡改取证方法

说明书

本发明提供基于相位偏移检测的数字音频篡改取证方法，包括：将待鉴别信号与时间标签做乘积，得到待鉴别信号的调制信号；再对所述待鉴别信号和所述调制信号进行短时傅里叶变换，得到鉴别信号功率谱和调制信号功率谱；应用所述鉴别信号功率谱和调制信号功率谱计算群延迟特征；对所述群延迟特征做均值计算，再应用均值计算结果做平滑计算，得到当前帧信号的相位信息；应用所述当前帧信号的相位信息计算动态阈值，在应用所述动态阈值和所述当前帧信号的相位信息来判定所述待鉴别信号是否被篡改。

技术领域

本发明涉及音频鉴伪领域，具体涉及基于相位偏移检测的数字音频篡改取证方法。

背景技术

音频篡改的主要原理是音频文件在录制过程中会记录录音设备的固有特征（比如麦克风底噪），或者音频处理（压缩、去噪）等软件的固有信息。原始没有被篡改的文件这些信息不会随着时间改变，统计信息稳定。目前常用的方案，包括基于背景噪声的能量分布差异进行篡改取证，基于环境混响的录音环境识别进行篡改取证等。这些方法只对某种压缩格式的文件比较有效，无法推广到所有的音频格式。

由于音频篡改后还需要进行第二次压缩，而第二次压缩之后会导致采样点的偏移（帧偏移），即量化特性会发生改变。因此，相对通用的方案是采用MDCT系数作为特征来检测帧偏移，以实现篡改鉴别、定位的目的。

专利号CN107274915B提供了一种基于特征融合的数字音频篡改自动检测方法，首先对待测信号进行下采样；然后以电网频率(Electric Network Frequency，ENF)标准频率为中心进行带通滤波得到信号中的ENF成分；接着分别提取ENF成分基于DFT0的相位特征，DFT1的相位特征和基于Hilbert变换的瞬时频率特征；经过特征融合，得到特征集；最后使用优化的支持向量机分类器对特征集中的部分数据进行训练，得到训练模型；使用训练模型可以对待测语音信号进行预测。本发明使用ENF信号中具有代表性的相位和瞬时频率特征进行特征融合，并使用支持向量机进行分类，得到分类模型。该模型对于信号的插入和删除情况均可得到很好的检测效果，相较于传统的判别方法更加直观和简单。

申请公布号CN109389992A公开了一种基于振幅和相位信息的语音情感识别方法，包括以下步骤：步骤一，输入数据准备：选择情感识别数据库，并对数据进行分段处理；步骤二，提取振幅和相位信息；步骤三，构建卷积神经网络，从振幅和相位的融合信息中提取深度特征；步骤四，构建长短时记忆网络，完成情感分类；最后，输出情感分类结果。本发明的语音情感识方法和现有技术相比，考虑到了语音的相位信息，有效利用相位和振幅信息的互补性，选用CNN自动从振幅和相位信息中同时提取深度情感相关特征，大大的提高了特征的丰富性，获得更好语音情感识别效果。

目前现有技术存在以下问题：

(1) MDCT特征能直接对应信号的能量分布信息，比如在16KHz以上能量分布异常情况，无法直接反应相位信息。

(2) 常用MDCT特征对音频压缩编码方式非常敏感，缺乏统一的框架来处理所有压缩编码方式的音频信号。

发明内容

有鉴于此，本发明提供一种基于相位偏移检测的数字音频篡改取证方法，具体地，本发明是通过如下技术方案实现的：

S1：将待鉴别信号与时间标签做乘积，得到待鉴别信号的调制信号；

再对待鉴别信号和所述调制信号进行短时傅里叶变换，得到鉴别信号功率谱和调制信号功率谱；

S2：应用鉴别信号功率谱和调制信号功率谱计算群延迟特征；

S3：对群延迟特征做均值计算，再应用均值计算结果做平滑计算，得到当前帧信号的相位信息；

S4：应用当前帧信号的相位信息计算动态阈值，再应用动态阈值和当前帧信号的相位信息来判定待鉴别信号是否被篡改。