基于联合训练的噪声鲁棒伪造语音检测系统及其方法

    公开(公告)号:CN115331686A

    公开(公告)日:2022-11-11

    申请号:CN202210509197.6

    申请日:2022-05-11

    Applicant: 安徽大学

    Abstract: 本发明公开了一种基于联合训练的噪声鲁棒伪造语音检测系统,包括:语音增强模块用于利用深度神经网络对原始输入带噪语音进行增强处理,以去除背景噪声;语音融合模块用于将增强后的语音与原始输入带噪语音进行线性加权融合,获得融合语音,实现语谱补偿,保存伪造痕迹;伪造检测模块用于对融合后的语音提取对数功率谱特征,基于低频段特征建模,获得对语音的真伪预测结果;联合训练模块用于联合训练和优化语音增强模块与伪造检测模块。还公开了一种基于联合训练的噪声鲁棒伪造语音检测方法。本发明在伪造语音检测领域引入语音增强技术,并采用语音融合模块和联合训练模块,提升语音增强的效果,使伪造语音检测系统在带噪环境下可以保持鲁棒性。

    基于复数谱子带融合的虚假音频检测方法及其系统

    公开(公告)号:CN114238849A

    公开(公告)日:2022-03-25

    申请号:CN202111481834.5

    申请日:2021-12-06

    Applicant: 安徽大学

    Abstract: 本发明公开了一种基于复数谱子带融合的虚假音频检测方法,包括以下步骤:S1:提取原始语音波形的复数谱特征和对数功率谱特征,作为输入特征;S2:将复数谱特征分为低频和高频两个子带频段,分别对复数谱的高、低频段进行建模,并获得相对应的预测结果;S3:对对数功率谱的低频段特征进行建模,并获得相对应的预测结果;S4:将复数谱的高、低两个子带频段的预测结果通过一级融合算法进行融合,得到一级融合结果;S5:将对数功率谱的低频段特征得到的预测结果和一级融合结果通过二级融合算法进行融合,得到最终结果。还公开了一种基于复数谱子带融合的虚假音频检测系统。本发明能够显著提高音频伪造检测技术的准确率。

Patent Agency Ranking