欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2019108454683
申请人: 南京工程学院
专利类型:发明专利
专利状态:未下证
专利领域: 乐器;声学
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于改进神经网络的音频篡改识别算法,其特征在于:包括以下步骤,步骤A:对每条待检测的音频提取语音梅尔谱图和帧级特征;

步骤B:通过在标准CNNs结构中加入改进池化层构造出模型一,模型一用于将任意大小的谱图池化成固定长度;

步骤C,利用一层双向LSTM、一层单向LSTM和一层Attention层构造模型二,模型二用于获得音频的高层特征的权重比例;

步骤D,所述步骤A中提取的语音梅尔谱图作为模型一的输入,步骤A中提取的帧级特征作为模型二的输入,采用数据融合理论进行决策融合,判断音频是否篡改并确定篡改位置。

2.根据权利要求1所述的基于改进神经网络的音频篡改识别算法,其特征在于:所述步骤B中,模型一的构造方法包括顺序执行以下步骤:步骤B1、通过两层卷积层,卷积核大小为3*3,卷积核个数为64,得到W*H*64的特征映射图,其中,W代表帧数,H代表梅尔频率;

步骤B2、通过两层卷积层,卷积核大小为5*5,卷积核个数为64,得到W*H*128的特征映射图;

步骤B3、连接采用步骤B2方法构造的两个两层卷积层,得到W*H*256的特征映射图,构造出三层池化层;

步骤B4、连接采用步骤B2方法构造的三层池化层,第一部分是对每个特征映射图进行最大池化操作得到一个输出结果,因此可以得到256维的输出,第二部分将每个特征映射图分为4块,每个特征映射图得到四个输出,因此可得4*256维的输出,第三部分将每个特征映射图分为16块,每个特征映射图得到16个输出,因此可得16*256维的输出;

步骤B5、将所有输出展开拼接成21*256维的一维数据,最后连接softmax层进行分类预测。

3.根据权利要求1所述的基于改进神经网络的音频篡改识别算法,其特征在于:所述步骤A中提取的帧级特征,包括:语音特征编号1-11:从语音信号功率频谱图计算的色度图;

语音特征编号12-47:梅尔倒谱系数,一阶梅尔倒谱系数,二阶梅尔倒谱系数;

语音特征编号48-49:过零率,均方根;

语音特征编号50-59:谱图质心,P阶频谱图带宽,频谱图对比度,滚降频率;

语音特征编号60-62:用多项式拟合频谱图得到的多项式系数;

语音特征编号63-64:混沌关联维数,混沌熵;

语音特征编号65-67为:谐波能量特征、基频扰动特征、语音幅度扰动。

4.根据权利要求1所述的基于改进神经网络的音频篡改识别算法,其特征在于:步骤C中模型二最后输出softmax分类概率。

5.根据权利要求1所述的基于改进神经网络的音频篡改识别算法,其特征在于:步骤D,采用数据融合理论进行决策融合,对于模型一和模型二,融合后的音频篡改概率为:其中,m1表示模型1的输出概率,m2表示模型2的输出概率,C表示篡改, 为非篡改;

其中,K表示特征之间的冲突。