典型文献
基于深度卷积神经网络的伪造语音检测
文献摘要：
为快速准确的识别公安工作中常见的伪造语音,采用深度卷积神经网络(Convolutional Neural Network,CNN)进行伪造语音检测.模型中卷积层可以有效获取声学信息,池化层进行下采样处理防止网络过拟合,全连接层则进行真伪分类.提取英文及中文数据库中音频文件的梅尔倒谱系数(Mel-Frequency Cepstral,MFCC)、线性频率倒谱系数(Linear Frequency Cepstral,LFCC)、伽玛通频率倒谱系数(Gammatone Frequency Ceptral Coefficient,GFCC)3种语音声学特征用于模型训练及测试.结果 表明MFCC特征在该网络模型上结果最优,且在实验中所提神经网络对99％的伪造语音能够正确区分,在伪造语音检测中表现优秀.
文献关键词：
电信网络诈骗;卷积神经网络;伪造语音检测;声学特征
中图分类号：
作者姓名：
杨海涛;王华朋;楚宪腾;牛瑾琳;张琨瑶
作者机构：
中国刑事警察学院
文献出处：
引用格式：
[1]杨海涛;王华朋;楚宪腾;牛瑾琳;张琨瑶-.基于深度卷积神经网络的伪造语音检测)[J].警察技术,2022(01):33-36
A类：
伪分类,伽玛通频率倒谱系数,Ceptral
B类：
深度卷积神经网络,伪造语音检测,快速准确,公安工作,Convolutional,Neural,Network,卷积层,池化,层进,下采样,防止网络,过拟合,全连接层,真伪,中文数据,中音,音频文件,梅尔倒谱系数,Mel,Frequency,Cepstral,MFCC,Linear,LFCC,Gammatone,Coefficient,GFCC,音声,声学特征,征用,模型训练,提神,正确区分,电信网络诈骗
AB值：
0.373593
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
