龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：北京邮电大学
摘要：本发明提供一种基于多特征联合网络学习的语音欺骗检测算法，接收到语音信号后，对所述语音信号进行信号处理工作，提取三种特征，并将每个特征分别输入深度卷积神经网络的后端分类器，计算得到三种特征对应的检测分数，将检测分数进行融合分析，判断所述待测的语音信号是人声还是ai语音合成攻击的结果；具体算法包括：信号处理、特征提取、基于深度神经网络的后端分类器检测、输出分数以及做出判决，本发明建立TF‑TDNN时延神经网络作为后端分类器，对三种特征进行分类学习，得到三种检测分数，基于ECAPA‑TDNN的架构，有效建模全局通道的相关性并且得到多尺度特征信息，在此基础上加入AFM注意力融合机制，得到各卷积层的融合信息，帮助网络获得更多隐含特征，提高模型度量结果。
主权项：1.一种基于多特征联合网络学习的语音欺骗检测算法，其特征在于，接收到语音信号后，对所述语音信号进行信号处理工作，提取三种特征，并将每个特征分别输入深度卷积神经网络的后端分类器，计算得到三种特征对应的检测分数，将检测分数进行融合分析，判断所述待测的语音信号是人声还是ai语音合成攻击的结果；具体算法包括：步骤一、信号处理：对于输入的语音信号进行预加重、分帧以及加窗预处理操作，得到预处理信号，方便后续的特征提取；步骤二、特征提取：对所述预处理信号进行短时傅里叶变换，通过Mel滤波器与离散余弦变换，获得MFCC特征，作为网络输入的第一种特征；对所述预处理信号进行短时傅里叶变换，通过线性滤波器与离散余弦变换，获得线性频率倒谱系数，作为网络输入的第二种特征；对所述预处理信号进行短时傅里叶变换并取对数，获得声谱图特征，作为网络输入的第三种特征；步骤三、基于深度神经网络的后端分类器检测：将上述三种特征分别输入到所述深度卷积神经网络的分类器中，计算得到对应三种特征的检测分数；步骤四、输出分数：将三种特征的检测分数进行权重融合，得到最终的语音欺骗检测分数结果；步骤五、做出判决：将步骤四计算得到融合分数代表输入语音属于真实语音还是欺骗语音的概率，进而得到输入语音的分类结果；判断该语音信息是否为真实语音。
全文数据：
权利要求：
百度查询： 北京邮电大学 一种基于多特征联合网络学习的语音欺骗检测算法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号