一种伪装声音的识别方法及装置

摘要

本发明公开一种伪装声音的识别方法及装置，该识别方法是利用语音的基频特性估计语音转换的系数，并对Mel频率倒谱系数提取算法进行了改进，即利用线性插值伸缩将估计的系数整合到Mel频率倒谱系数提取算法中，使其能近似计算出转换语音在转换前的Mel频率倒谱系数。最后，将以上方法整合到GMM‑UBM（高斯混合模型‑一致背景模型）识别框架中，计算语音之间的相似度。同时，还能利用该估计的转换系数将转换后的语音还原为原语音。本发明在识别性能上相比常规识别取证方法有极大的提高，漏检和虚警皆比常规的方案要低。

主权项

一种伪装声音的识别方法，其特征在于，所述方法包括：在训练阶段，利用最大期望值EM算法从背景语音库中计算一致背景模型UBMλ_bkg；在训练阶段，提取说话人j的测试语音S_j的Mel倒谱系数MFCC及基频，利用最大后验概率MAP算法计算说话人j的高斯混合模型GMMλ_j，计算基频平均值f_j；建立说话人j的模型V_j＝(λ_j,f_j)，并存储在模型数据库中；在训练阶段获得阈值θ，阈值θ获取方法：计算客户分数及假冒者分数，利用这两类分数的分布选择阈值θ以达到符合应用要求的漏检率和虚警率，其中客户分数Client Scores，是说话人语音片段在说话人模型下的概率，假冒者分数Imposter Scores，是说话人语音片段在其它说话人模型下的概率；在测试阶段，语音Y为经过转换后的语音，提取语音Y的基频平均值f_Y；利用f_Y/f_j计算转换系数；利用改进型MFCC提取算法计算Y转换前的原始MFCC系数X；经基于GMM‑UBM的概率估计算法得出Y为模型V_j的概率Λ(X)；比较概率Λ(X)与阈值θ，若所得概率大于阈值θ则语音Y为j所说片段；否则语音Y不为j所说；其中所述改进型MFCC提取算法具体为：在MFCC提取算法中的加窗和FFT变换之后，对FFT系数的幅值|F(k)|进行线性插值伸缩得出|F(k′)|，FFT系数的幅值线性插值伸缩如下公式所示：|F(k′)|＝μ|F(k)|+(1‑μ)|F(k+1)| 0≤k<N/2 0≤k′<N/2μ＝k′/(1/α′)‑k其中1/α′为估计的转换系数的倒数，α′为估计的转换系数，α′＝f_Y/f_j。