买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉湖北工业大学申请的专利基于电网频率深浅层特征融合的数字音频篡改被动检测方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115270906B 。

龙图腾网通过国家知识产权局官网在2026-01-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210449187.8，技术领域涉及：G06F18/25；该发明授权基于电网频率深浅层特征融合的数字音频篡改被动检测方法及装置是由曾春艳;杨尧;王志锋;万相奎;冯世雄;孔帅;余琰;夏诗言;赵宇豪设计研发完成，并于2022-04-26向国家知识产权局提交的专利申请。

本基于电网频率深浅层特征融合的数字音频篡改被动检测方法及装置在说明书摘要公布了：本发明涉及一种基于电网频率深浅层特征融合的数字音频篡改被动检测方法及装置，首先对待检测音频数据进行处理得到电网频率ENF成分的ENF相位和提取电网频率ENF成分的瞬时频率；提取ENF相位和频fhilhil的变化的平均值特征作为浅层特征；通过待检测最长时长音频确定帧数与帧长并对ENF相位和fhilhil进行分帧处理获取相位特征矩阵和频率特征矩阵；进行曲线拟合获取拟合系数；利用神经网络从特征矩阵中获取ENF的局部细节信息，从拟合系数中获取电网频率全局信息补偿从而构成深层特征，对深浅层特征进行融合后拟合分类。本发明能够有效提升系统的识别性能提高了模型泛化能力，优化了系统结构，提高了相应设备源识别产品的竞争力。

本发明授权基于电网频率深浅层特征融合的数字音频篡改被动检测方法及装置在权利要求书中公布了：1.一种基于电网频率深浅层特征融合的数字音频篡改被动检测方法，其特征在于，包括 对待检测音频数据进行处理得到电网频率ENF成分，并基于变换对ENF成分处理得到ENF相位和，并基于Hilbert变换提取电网频率ENF成分的瞬时频率； 提取ENF相位、和频率的变化的平均值特征作为浅层特征；通过待检测最长时长音频确定帧数与帧长并对ENF相位和进行分帧处理获取相位特征矩阵和频率特征矩阵；进行曲线拟合获取拟合系数； 利用神经网络从特征矩阵中获取ENF的局部细节信息，从拟合系数中获取电网频率全局信息补偿，局部信息和全局信息补偿共同构成深层特征，对深浅层特征进行融合后拟合分类，网络模型部分包括： 通过相位特征矩阵获取相位深层特征细节信息；用两个卷积块对相位特征矩阵进行特征提取，每个卷积块由两个相同的卷积层与一层池化层组成，两个卷积块的卷积核个数为32,64，卷积核大小为3×3，步长为1，Maxpooling层poolsize为3；最后一个池化层输出相位细节信息，并进行Flatten操作； 通过相位拟合系数获取相位深层特征全局信息；用两层全连接层拟合相位拟合系数，每层神经元个数为32，激活函数为Relu； 将相位全局信息和局部信息Concat，获取相位深层特征； 通过频率特征矩阵获取频率深层特征细节信息；用三个卷积块对相位特征矩阵进行特征提取，每个卷积块由两个相同的卷积层与一层池化层组成，三个卷积块的卷积核个数为32,64,128，卷积核大小为3×3，步长为1，Maxpooling层poolsize为3；最后一个池化层输出相位细节信息，并进行Flatten操作； 通过频率拟合系数获取频率深层特征全局信息；用两层全连接层拟合相位拟合系数，每层神经元个数为32，激活函数为Relu； 将频率全局信息和局部信息Concat，获取频率深层特征； 使用注意力机制对相位深层特征、频率深层特征和浅层特征进行融合；将深层相位特征、深层频率特征和浅层特征进行拼接得到长度为的特征量； 将长度为的特征量输入两层全连接层，其激活函数分别为Relu和Sigmoid，Relu激活函数增强网络的非线性，并通过Sigmoid激活函数来得到每个特征的权重；最后将得到的权重与拼接后的长度为的特征量特征进行相乘，实现特征选择； 将特征融合后的特征进行拟合并分类；采用两个全连接层对特征拟合，两个全连接层神经元数量分别为1024、256，激活函数为Relu；在两个全连接层之间添加Dropout层，Dropoutrate=0.2，以防止过拟合；最后，通过全连接层作为输出层，全连接层神经元数量为2，激活函数为Softmax； 最后输出层得到的概率可得出待测语音是否被篡改，计算所有测试语音正确识别是否被篡改的概率，即系统的识别率。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人湖北工业大学，其通讯地址为：430068 湖北省武汉市洪山区南李路28号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。