1.一种改进的录音设备识别算法,其特征在于,包括以下步骤:步骤S1、对待检测的音频信号进行分帧和预处理;
步骤S2、构建模型一,模型一包括顺序设置的双向门循环神经网络层、单向门循环神经网络层和注意力层,提取步骤S1中信号的多维帧级特征作为模型一的输入;
步骤S3、构建模型二,模型二包括顺序设置的第一卷积层、第二卷积层、第三卷积层、第四卷积层和全局平均池化层,模型二前三层均为卷积层,加上跳跃连接,将第一层卷积层的输出结果与第三层卷积层的输出结果进行叠加,构成了第三层最终的特征,提取步骤S1中信号的梅尔频谱特征作为模型二的输入;
步骤S4、将模型一和模型二的输出特征进行拼接融合,分类并得出识别结果。
2.根据权利要求1所述的一种改进的录音设备识别算法,其特征在于:所述步骤S2中提取72维帧级特征,通过模型一处理后,输出1000维的特征向量。
3.根据权利要求1所述的一种改进的录音设备识别算法,其特征在于:所述步骤S3中,第一卷积层的输出结果与第三卷积层的输出结果进行叠加,作为第三卷积层的最终输出。
4.根据权利要求1所述的一种改进的录音设备识别算法,其特征在于:所述步骤S1中,对音频信号进行分帧,帧长为1024,帧移25%,并对信号进行加Hanning窗处理,提取出多维帧级特征。
5.根据权利要求1所述的一种改进的录音设备识别算法,其特征在于:所述步骤S1中,对音频信号进行分帧,帧长为1024,帧移25%;对每帧数据计算FFT,FFT点数为2048;再通过具有80个子带滤波器的梅尔滤波器组计算得到对数梅尔频谱图。
6.根据权利要求1所述的一种改进的录音设备识别算法,其特征在于:所述步骤S2中,多维帧级特征包括短时过零率、均方根能量、基频、谱质心、频谱扩散、频谱熵、频谱通量、共振峰频率、一阶差分梅尔倒谱系数、二阶差分梅尔倒谱系数、线性预测系数、Bark频率倒谱系数。
7.根据权利要求1所述的一种改进的录音设备识别算法,其特征在于:所述步骤S2中,注意力层的输出s表述为类别概率分布的P(v|x,q)期望:其中,输入序列为 相应的请求为q;
P表示概率分布函数,即当v=i时代表根据q选择xi的概率;
q和xi存在关系: 即根据标准的注意力机制原理使用一个函数f(xi,q)计算一个q和x i之间的对齐得分a i。