音色變換音頻信號(hào)的篡改檢測(cè)技術(shù)研究

何朝霞，潘 平，羅 輝

（1.長(zhǎng)江大學(xué)工程技術(shù)學(xué)院，湖北 荊州 434023；2.貴州大學(xué)計(jì)算機(jī)科學(xué)與信息學(xué)院，貴州 貴陽(yáng) 550025；3.哈爾濱工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，黑龍江 哈爾濱 150001）

音色變換音頻信號(hào)的篡改檢測(cè)技術(shù)研究

何朝霞1，潘 平2，羅 輝3

（1.長(zhǎng)江大學(xué)工程技術(shù)學(xué)院，湖北 荊州 434023；2.貴州大學(xué)計(jì)算機(jī)科學(xué)與信息學(xué)院，貴州 貴陽(yáng) 550025；3.哈爾濱工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，黑龍江 哈爾濱 150001）

針對(duì)音色變換軟件帶來(lái)的社會(huì)安全問(wèn)題，提出一種音頻信號(hào)篡改檢測(cè)方法。首先根據(jù)語(yǔ)音信號(hào)的混沌特性和人耳的聽(tīng)覺(jué)特性，利用美爾頻率倒譜系數(shù)（Mel frequency cepstral coefficients，MFCC）特征提取原理，提取待測(cè)音頻的杜芬頻率倒譜系數(shù)（Duffing frequency cepstral coefficients，DFCC），然后將特征參數(shù)的幅度進(jìn)行提升，利用支持向量機(jī)（SVM）將特征參數(shù)與語(yǔ)料庫(kù)里的特征進(jìn)行分類。分類成功的情況下，根據(jù)幅度提升的大小判斷待測(cè)音頻信號(hào)是否經(jīng)過(guò)篡改；同時(shí)根據(jù)幅度提升的大小和待測(cè)音頻的性別判斷說(shuō)話人的真實(shí)性別。大量的實(shí)驗(yàn)結(jié)果表明，該方法在音頻信號(hào)的篡改檢測(cè)和音頻信號(hào)說(shuō)話人的真實(shí)性別判斷方面均具有較高的準(zhǔn)確率，并且性能穩(wěn)定。

篡改檢測(cè)；特征提取；杜芬頻率倒譜系數(shù)；支持向量機(jī)

0 引 言

音色變換是指改變一個(gè)說(shuō)話人的語(yǔ)音個(gè)性特征，使之具有另外一個(gè)說(shuō)話人的語(yǔ)音個(gè)性特征。音色變換在數(shù)字娛樂(lè)領(lǐng)域有著廣泛的應(yīng)用，例如AV VCS[1]軟件，可以對(duì)語(yǔ)音進(jìn)行某種變換使之產(chǎn)生性別和音色個(gè)性上的變化，包括在男聲、女聲、老年人聲和童聲之間互相轉(zhuǎn)換，從而達(dá)到偽裝的效果；在通信領(lǐng)域，手機(jī)客戶端也可以便捷地下載使用變聲軟件達(dá)到音色變換的效果。音色變換一方面娛樂(lè)了大眾，但也對(duì)社會(huì)安全產(chǎn)生了一定的威脅，例如，犯罪分子在綁架或詐騙中，語(yǔ)音聊天時(shí)通過(guò)變聲軟件改變自己的音色和音調(diào)，隱藏其真實(shí)身份，給偵查和取證帶來(lái)了極大的困難。因此針對(duì)說(shuō)話人音色變換的音頻信號(hào)篡改檢測(cè)技術(shù)的研究有著重要的意義。目前國(guó)內(nèi)外針對(duì)音色變換的音頻信號(hào)篡改檢測(cè)的研究相對(duì)較少，尤其是自動(dòng)檢測(cè)技術(shù)。

文獻(xiàn)[2-3]針對(duì)提高或者降低音調(diào)、手掩口、捏鼻子等偽裝方法，提出用美爾頻率倒譜系數(shù)（Mel frequency cepstral coefficients，MFCC）及其差分等特征鑒別音頻信號(hào)是否偽裝，其中文獻(xiàn)[3]以12階MFCC及其一階差分作為分類特征，用支持向量機(jī)（support vector machine，SVM）對(duì)特征進(jìn)行分類，取得了較好的檢測(cè)效果；文獻(xiàn)[4]針對(duì)利用算法進(jìn)行語(yǔ)音變換的音頻信號(hào)，通過(guò)比較相鄰的基音同步幀的相似度檢測(cè)音頻信號(hào)是否經(jīng)過(guò)了篡改。文獻(xiàn)[5]針對(duì)利用變聲軟件進(jìn)行語(yǔ)音變換的音頻信號(hào)，提取音頻信號(hào)的聲道參數(shù)及相關(guān)統(tǒng)計(jì)量等特征參數(shù)，然后使用SVM進(jìn)行特征分類，判斷音頻信號(hào)是否進(jìn)行了音色變換。文獻(xiàn)[6]提出一種基于線性預(yù)測(cè)系數(shù)（linear predictive coefficient,LPC）和SVM的語(yǔ)音改變篡改檢測(cè)方法。

本文試圖根據(jù)語(yǔ)音信號(hào)的混沌特性和人耳的聽(tīng)覺(jué)特性，利用MFCC特征參數(shù)提取原理，提取語(yǔ)音信號(hào)的DFCC（Duffing frequency cepstral coefficients）參數(shù)及其一階差分，利用SVM對(duì)變換語(yǔ)音的特征進(jìn)行分類，檢測(cè)語(yǔ)音信號(hào)是否經(jīng)過(guò)音色變換，如果是則判別變換語(yǔ)音說(shuō)話人的真實(shí)性別。同時(shí)與文獻(xiàn)[3]中的方法比較，驗(yàn)證本論文方法的有效性。

1 基于Duffing方程的篡改檢測(cè)原理

1.1 音色變換原理

人類的語(yǔ)音是由說(shuō)話人的發(fā)音器官各部分協(xié)同動(dòng)作所產(chǎn)生的，例如聲帶顫動(dòng)而產(chǎn)生的聲帶音是通過(guò)喉腔、咽腔、口腔、唇腔和鼻腔這5個(gè)共振腔才傳到人的耳朵里。空氣流經(jīng)過(guò)聲帶時(shí)，如果聲帶是繃緊的，則聲帶將產(chǎn)生張弛振動(dòng)，即聲帶將周期性地開(kāi)啟和閉合。聲帶開(kāi)啟時(shí)，空氣流從聲門(mén)噴射出來(lái)，形成一個(gè)脈沖，聲帶閉合時(shí)相應(yīng)于脈沖序列的間隙期。因此，在這種情況下，聲門(mén)處產(chǎn)生一個(gè)準(zhǔn)周期脈沖狀的空氣流。該空氣流經(jīng)過(guò)聲道后最終從嘴唇輻射出聲波，這個(gè)準(zhǔn)周期脈沖的周期即為基音周期[7]。基音頻率是由聲帶張開(kāi)閉合的周期所決定的。男性的基音頻率一般為50～250Hz，女性的基音頻率為100～500Hz。說(shuō)話人的個(gè)性化音色就是和基音頻率和共振峰頻率的分布有關(guān)。在進(jìn)行性別變聲時(shí)，主要考慮基頻和共振峰頻率的變化。當(dāng)基頻伸展，共振峰頻率也同時(shí)伸展時(shí)，可由男聲變成女聲，女聲變成童聲；反之，基頻收縮，共振峰頻率也同時(shí)收縮時(shí)，則由童聲變女聲，女聲變男聲[8]。目前市面上的語(yǔ)音變換軟件如AV VCS等幾乎都是基于基頻移動(dòng)的原理實(shí)現(xiàn)的。

由原理可知，如果設(shè)計(jì)一種方法能夠檢測(cè)出音色變換語(yǔ)音信號(hào)的基音頻率和移動(dòng)頻率，就可以判斷出語(yǔ)音信號(hào)是否經(jīng)過(guò)音色變換，根據(jù)基音頻率可以估計(jì)出說(shuō)話人的真實(shí)性別。

1.2 基于Duffing方程的語(yǔ)音特征提取

語(yǔ)音信號(hào)，特別是摩擦音與爆破音之類的送氣音，會(huì)在聲道邊界產(chǎn)生渦流，并最終形成湍流，而這種湍流則是一種混沌，因此可以考慮建立混沌模型來(lái)處理語(yǔ)音信號(hào)[9]。1918年，Duffing在經(jīng)典力學(xué)中引入了一個(gè)具有擺動(dòng)的非線性振動(dòng)方程，現(xiàn)稱為Duffing方程，該方程是混沌現(xiàn)象的一個(gè)典型例子。本文從Duffing方程著手，同時(shí)結(jié)合人耳的聽(tīng)覺(jué)特性，建立非線性系統(tǒng)的數(shù)學(xué)模型，實(shí)現(xiàn)對(duì)說(shuō)話人語(yǔ)音信號(hào)的特征提取。

Duffing方程[10]的一般形式為

式中：γ——阻尼系數(shù)；

κ、ζ——常數(shù)；

Fcos（Ω0+Ωi）t——系統(tǒng)的外力項(xiàng)；

Ω0+Ωi——外力項(xiàng)頻率，在這里，Ω0表示基音頻率，Ωi表示移動(dòng)的頻率。

考慮有外力驅(qū)動(dòng)的情況，當(dāng) 2πfi=Ω0+Ωi時(shí)，系統(tǒng)發(fā)生共振。在t（0+）時(shí)刻輸入一個(gè)脈沖響應(yīng)δ（t），Duffing共振系統(tǒng)的時(shí)域函數(shù)為h（t），由δ（t）·h（t）= x（t），可以得出H（s）=X（s），即h（t）=x（t）。

阻尼系數(shù)在一定程度上決定了脈沖響應(yīng)的衰減速度，與濾波器的帶寬有關(guān)。由此可以得到系統(tǒng)的時(shí)域表達(dá)式[11]為

式中：α——濾波器增益；

b（fi）——濾波器的帶寬，-2πb（fi）＜0，說(shuō)明該系統(tǒng)具有穩(wěn)定性。

語(yǔ)音信號(hào)通過(guò)該系統(tǒng)可以檢測(cè)出Ω0和Ωi。

同時(shí)考慮到人耳的聽(tīng)覺(jué)特性，由于人耳基底膜的橫纖維長(zhǎng)短不同，靠近蝸底較窄，靠近蝸?lái)斴^寬，猶如一部豎琴的琴弦[12]，其長(zhǎng)短呈非線性變化，所有的音按自然七聲音階排列。可以認(rèn)為人耳基底膜的振動(dòng)實(shí)質(zhì)上是由多個(gè)Duffing模型的線性疊加組合而成。每一個(gè)Duffing模型，構(gòu)成一個(gè)聽(tīng)覺(jué)共振點(diǎn)，其輸出就是該共振點(diǎn)的頻率，所以該系統(tǒng)是由一個(gè)濾波器組實(shí)現(xiàn)的。

同時(shí)，由于鋼琴的十二聲調(diào)式體系是由同主音6個(gè)自然七聲調(diào)式混合而成，考慮將聲樂(lè)的十二韻律[13]運(yùn)用到濾波器的頻率特性中。

十二韻律是通過(guò)連續(xù)的乘法每次上一頻率乘得出下一頻率的結(jié)果。同理，只要確定了第一通道濾波器的中心頻率f0，就可以確定各通道濾波器的中心頻率fi。

式中N為濾波器組的通道數(shù)。

每個(gè)濾波器帶寬可由式（4）確定。

只要確定了濾波器的中心頻率fi，濾波器的特性就可以確定。圖1所示是中心頻率為1 000 Hz Duffing濾波器的時(shí)域響應(yīng)波形。

圖1 中心頻率為1000Hz的Duffing濾波器時(shí)域沖激響應(yīng)

將其進(jìn)行傅里葉變換就可以得到頻率響應(yīng)特性。不同中心頻率的Duffing濾波器的幅頻響應(yīng)曲線如圖2所示。

圖2 不同中心頻率Duffing濾波器的幅頻響應(yīng)

由于說(shuō)話人語(yǔ)音信號(hào)頻率的覆蓋范圍一般為60～3500Hz，選定最低頻率f0=60Hz，按照式（4）可求得各通道濾波器的中心頻率，共需72通道（表1）才能夠覆蓋整個(gè)頻率范圍。圖3為72通道Duffing濾波器組（每4個(gè)通道取一條曲線）的幅頻響應(yīng)曲線。表1中，當(dāng)前通道數(shù)k=（n-1）×12+m，表格中的數(shù)據(jù)表示當(dāng)前通道濾波器的中心頻率。

圖3 72通道Duffing濾波器組的幅頻特性

表1 各通道濾波器的中心頻率 Hz

2 音頻信號(hào)特征提取

MFCC特征參數(shù)提取是將語(yǔ)音信號(hào)加窗分幀后用快速傅里葉變換（FFT）轉(zhuǎn)化為頻域信號(hào)，然后通過(guò)Mel頻率濾波器組得到Mel頻譜，最后進(jìn)行DCT變換獲得Mel倒譜系數(shù)。利用MFCC特征參數(shù)提取原理，音頻信號(hào)DFCC特征參數(shù)提取流程如圖4所示，具體步驟如下：

1）語(yǔ)音信號(hào)經(jīng)過(guò)抗混疊、預(yù)加重等預(yù)處理后，分幀加窗，128點(diǎn)作為一幀，幀移40個(gè)點(diǎn)，加漢明窗。

2）將加窗分幀后的短時(shí)信號(hào)，用快速傅里葉變換（FFT）轉(zhuǎn)化為頻域信號(hào)，求出頻譜平方，即能量譜。

3）將短時(shí)能量信號(hào)通過(guò)第1節(jié)設(shè)計(jì)的Duffing濾波器組，并通過(guò)對(duì)數(shù)能量的處理得到對(duì)數(shù)頻譜。

4）將上述對(duì)數(shù)頻譜經(jīng)過(guò)離散余弦變換（DCT）得到L個(gè)Duffing頻率倒譜系數(shù)。DFCC系數(shù)為

圖4 音頻信號(hào)特征提取流程

其中x′（k）為短時(shí)能量信號(hào)。濾波器組的通道數(shù)為72，上式中的L為72。

5）將這種直接得到的DFCC特征作為靜態(tài)特征，再將這種靜態(tài)特征做一階差分，得到相應(yīng)的動(dòng)態(tài)特征。

6）對(duì)提取出的DFCC靜態(tài)特征、一階差分，合并作為音色變換篡改檢測(cè)的特征參數(shù)。

3 實(shí)驗(yàn)和分析

3.1 實(shí)驗(yàn)可行性分析

有5段待測(cè)音頻，都為同一女生的錄音，內(nèi)容均為“你好”。分別命名為“自然音”、“女性”、“男性”、“男孩”、“男老人”。 其中，“自然音”是采用語(yǔ)音編輯軟件Cool Edit Pro V2.1簡(jiǎn)體中文版錄制的自然語(yǔ)音；“女性”、“男性”、“男孩”、“男老人” 均采用AV VCS軟件錄制的變換語(yǔ)音。圖5是以“自然音”的特征參數(shù)為基準(zhǔn)，音頻信號(hào)的特征參數(shù)對(duì)比圖；圖6是以“男孩”語(yǔ)音的特征參數(shù)為基準(zhǔn)，音頻信號(hào)的特征參數(shù)對(duì)比圖。由于Duffing帶通濾波器有72通道，所以特征參數(shù)為72維，圖5和圖6均只取了其中的第一維特征參數(shù)進(jìn)行比較，其中橫坐標(biāo)為語(yǔ)音幀，縱坐標(biāo)為特征參數(shù)的幅度。

觀察圖5，由于說(shuō)話人為女性，其中“自然音”和“女性”變換音的特征參數(shù)極其相似，并且幅度接近；而“自然音”與“男性”、“男孩”和“男老人”等變換音的特征參數(shù)雖然波形相似，但是幅度相差較大。

對(duì)比圖5和圖6，發(fā)現(xiàn)相同性別的變換音的特征參數(shù)波形和幅度的近似程度較大，而不同性別的變換音的特征參數(shù)幅度相差較大。

在本實(shí)驗(yàn)的基礎(chǔ)上，又將特征參數(shù)的其他維進(jìn)行了測(cè)試，所得結(jié)果與圖5、圖6的結(jié)果基本吻合。由于變聲器是通過(guò)調(diào)整輸入音頻信號(hào)的基頻參數(shù)，改變聲音的音色、音調(diào)，使輸出聲音在感官上與原聲音不同。基頻參數(shù)的改變壓縮或者擴(kuò)展了語(yǔ)音頻譜中的諧波成分,而短時(shí)譜包絡(luò)和時(shí)間尺度保持不變。本文提出的DFCC參數(shù)包含了說(shuō)話人的個(gè)性特征，能夠檢測(cè)出語(yǔ)音信號(hào)的說(shuō)話人基音頻率和移動(dòng)的頻率。呈現(xiàn)在特征參數(shù)圖形上就是：變換語(yǔ)音的特征參數(shù)與自然語(yǔ)音的特征參數(shù)在波形上有較大的相似性，但是不同性別年齡的變換音與自然語(yǔ)音特征參數(shù)的幅度相差不一樣。

圖5 以“自然音”的特征參數(shù)為基準(zhǔn)，音頻信號(hào)的特征參數(shù)對(duì)比圖

圖6 以“男孩”的特征參數(shù)為基準(zhǔn)，音頻信號(hào)的特征參數(shù)對(duì)比圖

因此，為了檢測(cè)待測(cè)音頻信號(hào)是否經(jīng)過(guò)篡改，可以將該音頻信號(hào)的DFCC特征參數(shù)的幅度進(jìn)行提升（可正可負(fù)），然后將提升后的特征參數(shù)與該說(shuō)話人的自然語(yǔ)音的DFCC特征進(jìn)行比較，如果相似程度較大，則是該說(shuō)話人的語(yǔ)音，從而檢測(cè)說(shuō)話人的真實(shí)性別；同時(shí)根據(jù)幅度提升的大小判斷待測(cè)音頻信號(hào)是否經(jīng)過(guò)語(yǔ)音變換。

3.2 語(yǔ)音轉(zhuǎn)換檢測(cè)和分析

為了進(jìn)一步的驗(yàn)證實(shí)驗(yàn)，又進(jìn)行了大量的測(cè)試。測(cè)試的基礎(chǔ)是龐大的語(yǔ)料庫(kù)，語(yǔ)料庫(kù)的音頻都是由語(yǔ)音編輯軟件Cool Edit Pro V2.1簡(jiǎn)體中文版錄制的說(shuō)話人自然語(yǔ)音，總共有50個(gè)女性和50個(gè)男性。每個(gè)說(shuō)話人都訓(xùn)練了10段語(yǔ)音，根據(jù)第2節(jié)的內(nèi)容提取其特征，作為語(yǔ)料庫(kù)的樣本。待測(cè)信號(hào)有1000段，都是語(yǔ)料庫(kù)中的說(shuō)話人利用AV VCS軟件或Cool Edit Pro V2.1簡(jiǎn)體中文版錄制的音色變換音頻信號(hào)或自然語(yǔ)音音頻信號(hào)。

音色變換檢測(cè)和說(shuō)話人真實(shí)性別判斷的具體步驟如下：

1）按照第2節(jié)的步驟獲取待測(cè)音頻信號(hào)的特征參數(shù)，賦初值m=-10。

2）待測(cè)音頻信號(hào)的特征參數(shù)+m，利用SVM將該特征參數(shù)和語(yǔ)料庫(kù)中自然語(yǔ)音音頻信號(hào)的特征進(jìn)行比較分類。

3）如果分類失敗，m=m+0.1，重復(fù) 2），如果m＞20，結(jié)束，識(shí)別失敗。

4）如果分類成功，根據(jù)待測(cè)音頻的性別和當(dāng)前m的大小判斷待測(cè)音頻信號(hào)的說(shuō)話人性別。如果m∈[-0.5，0.5]，待測(cè)音頻信號(hào)沒(méi)有進(jìn)行音色變換，如果m?[-0.5，0.5]則待測(cè)音頻信號(hào)進(jìn)行了語(yǔ)音變換。

待測(cè)音頻的性別、當(dāng)前m值和識(shí)別結(jié)果之間的關(guān)系如表2所示。

待測(cè)音頻信號(hào)音色變換篡改檢測(cè)準(zhǔn)確率如表3所示。

表2 待測(cè)音頻的性別、當(dāng)前m值和識(shí)別結(jié)果之間的關(guān)系

表3 待測(cè)音頻信號(hào)的篡改檢測(cè)準(zhǔn)確率 %

觀察表3，雖然文獻(xiàn)[3]的方法在變換音性別與說(shuō)話人性別相同時(shí)，具有較高的準(zhǔn)確率，但整體性能不夠穩(wěn)定，特別是對(duì)于女性變換效果的平均檢測(cè)準(zhǔn)確率偏低，緣于MFCC特征參數(shù)及其一階差分對(duì)說(shuō)話人的個(gè)性特征比較敏感。本文方法待測(cè)音頻信號(hào)的篡改檢測(cè)平均準(zhǔn)確率在75%以上，性能比較穩(wěn)定，這是因?yàn)镈FCC參數(shù)在提取過(guò)程中既考慮了語(yǔ)音的混沌特性，同時(shí)也考慮了人耳的聽(tīng)覺(jué)特性，可以較準(zhǔn)確地檢測(cè)出說(shuō)話人語(yǔ)音的基頻和移動(dòng)頻率，是一種很好的說(shuō)話人個(gè)性特征，并且對(duì)外界的影響不敏感。

待測(cè)音頻信號(hào)的說(shuō)話人性別判斷準(zhǔn)確率如表4所示。

表4 待測(cè)音頻信號(hào)的說(shuō)話人性別判斷準(zhǔn)確率 %

從表4平均準(zhǔn)確率來(lái)看，本文方法對(duì)各種效果的說(shuō)話人真實(shí)性別判斷準(zhǔn)確率均大于90%，性能非常的穩(wěn)定。文獻(xiàn)[3]方法對(duì)于說(shuō)話人性別和變換語(yǔ)音性別相同時(shí)的檢測(cè)準(zhǔn)確率略高于本文方法，但是對(duì)于男性變換效果的平均檢測(cè)準(zhǔn)確率偏低。表明DFCC及其一階差分是一個(gè)穩(wěn)定的能夠表述說(shuō)話人個(gè)性的特征參數(shù)，在說(shuō)話人性別的識(shí)別中仍然具有較大的優(yōu)勢(shì)。

4 結(jié)束語(yǔ)

本文提出了一種針對(duì)音色變換的音頻信號(hào)篡改檢測(cè)方法，首先根據(jù)語(yǔ)音信號(hào)的混沌特性和人耳的聽(tīng)覺(jué)特性，利用MFCC特征提取原理，提取待測(cè)音頻的DFCC特征參數(shù)，然后將特征參數(shù)的幅度進(jìn)行提升，利用SVM將特征參數(shù)與語(yǔ)料庫(kù)里的特征進(jìn)行分類，如果分類失敗，則此次識(shí)別不成功，無(wú)法檢測(cè)是否有篡改；如果分類成功，則根據(jù)幅度提升的大小判斷待測(cè)音頻信號(hào)是否經(jīng)過(guò)篡改，同時(shí)根據(jù)幅度提升的大小和待測(cè)音頻的性別判斷說(shuō)話人的真實(shí)性別。從實(shí)驗(yàn)結(jié)果來(lái)看，DFCC特征參數(shù)穩(wěn)定，對(duì)外界影響不敏感，是一種重要的說(shuō)話人個(gè)性特征，將它運(yùn)用到音色變換音頻信號(hào)的篡改檢測(cè)中具有較高的準(zhǔn)確率，為音色變換的音頻信號(hào)篡改檢測(cè)提供了一個(gè)新的思路。

[1]AV voice change software［EB/OL］.（2005-01-01）［2009-06-08］.http：∥www.audio4fun.com/voice-changer.html.

[2]PERROT P，MOREL M，RAZIK J，et al.Vocal forgery inforensic sciences[J].Forensics Intelecommunications, Information and Multimedia,Lecture Notes ofthe Institute for Computer Sciences Social Informatics and Telecommunications Engineering，2009，8（1）：179-185.

[3]PERROT P，CHOLLET G.The question of disguised voice[J].The Journal of the Acoustical Society of America，2008，123（5）：3878.

[4]SHEN Y F，JIA J，CAI L H.Detection on PSOLA-modified voice by seeking out duplicated fragments[C]∥IEEE International Conference on Systems and Informatics，2012：2177-2182.

[5]丁琦，平西建.針對(duì)語(yǔ)音變換的語(yǔ)音篡改檢測(cè)[J].數(shù)據(jù)采集與處理，2012，27（1）：57-62.

[6]王飛.基于語(yǔ)譜圖和基音同步的音頻信號(hào)篡改檢測(cè)方法[D].大連：大連理工大學(xué)，2013.

[7]晁浩，宋成，彭維平.基于發(fā)音特征的聲效相關(guān)魯棒語(yǔ)音識(shí)別算法[J].計(jì)算機(jī)應(yīng)用，2015，35（1）：257-261.

[8]陸成剛.語(yǔ)音性別變換的實(shí)時(shí)實(shí)現(xiàn)[J].電聲技術(shù)，2009，33（12）：50-53.

[9]孫穎，姚慧，張雪英，等.基于混沌特性的情感語(yǔ)音特征提取[J].天津大學(xué)學(xué)報(bào)（自然科學(xué)與工程技術(shù)版），2015，48（8）：681-685.

[10]王海波.Duffing方程非線性振動(dòng)特性的計(jì)算與分析[D].西安：西安建筑科技大學(xué)，2009.

[11]何朝霞，潘平.基于非線性共振的說(shuō)話人特征提取研究與仿真[J].科學(xué)技術(shù)與工程，2012，12（25）：6507-6510.

[12]胡航.語(yǔ)音信號(hào)處理 [M].哈爾濱：哈爾濱工業(yè)大學(xué)出版社，2009：42-136.

[13]志揚(yáng).一位科學(xué)家對(duì)音樂(lè)的貢獻(xiàn)[J].樂(lè)器，1990（2）：36.

（編輯：劉楊）

Study on tamper detection technology for voice transformation

HE Zhaoxia1，PAN Ping2，LUO Hui3
（1.College of Technology&Engineering，Yangtze University，Jingzhou 434023，China；2.Computer Science and Information Institute，Guizhou University，Guiyang 550025，China；3.School of Computer Science and Technology，Harbin Institute of Technology，Harbin 150001，China）

To address the social security issue brought up by voice transformation software，a method for sound signal tamper detection is proposed.Firstly，with the extraction method of Mel frequency cepstral coefficients（MFCC），Duffing frequency cepstral coefficients（DFCC）characteristic parameters of audio signals are extracted based on the human hearing characteristics and chaos characteristics of speech signal.Then，the amplitude of characteristic parameters is enhanced and support vector machine（SVM）is used to classify the characteristic parameters and characteristics in corpus.In case of successful classification，the audio signal will be judged whether it is tampered as per the size of the amplitude enhanced.Meanwhile，the speaker gender will be judged according to the size of the amplitude enhanced and the gender of the audio.Through a large number of experiments，it shows that the method has stable performance and high accuracy both in the audio signal tampering detection and audio speaker real gender judgement.

tamper detection；feature extraction；DFCC；SVM

A

：1674-5124（2017）02-0098-06

10.11857/j.issn.1674-5124.2017.02.020

2016-06-16；

：2016-08-03

貴州省科學(xué)技術(shù)基金項(xiàng)目（黔科合J字[2012]2132）；貴陽(yáng)市科技計(jì)劃項(xiàng)目（筑科合同[2011101]1-2）；長(zhǎng)江大學(xué)工程技術(shù)學(xué)院科學(xué)研究發(fā)展基金（15j0401）

何朝霞（1984-），女，湖北黃岡市人，講師，碩士，研究方向?yàn)檎Z(yǔ)音信號(hào)處理。