典型文献
基于经验模态分解特征拼接的重放语音检测研究
文献摘要：
现有的重放语音检测方法的性能不够理想,缺乏对未知攻击检测的泛化能力.为此,提出一种方法,首先使用经验模态分解将语音信号分解为不同频段的内涵模态函数(Intrinsic?Mode?Function,IMF)分量,其次对多个分量分别提取梅尔频率倒谱系数(Mel?Frequency?Cepstrum?Coefficient,MFCC)特征,并将所得的多个二维IMF-MFCC特征在分量的维度上拼接起来得到三维IMF-MFCC特征,最后为提取三维特征分量维度上蕴含的重放痕迹设计了一种3D-ResNet网络.实验结果表明,所提的模型在面对未知重放攻击检测时泛化能力更强.与ASVspoof2019挑战赛的重放语音检测基线系统相比,所提模型以EER和t-DCF衡量的性能分别提升了55.01％和54.72％.
文献关键词：
经验模态分解;重放语音检测;ResNet
中图分类号：
作者姓名：
王雷鸣
作者机构：
宁波大学信息科学与工程学院,浙江宁波 315210
文献出处：
引用格式：
[1]王雷鸣-.基于经验模态分解特征拼接的重放语音检测研究)[J].电声技术,2022(04):35-40
A类：
重放语音检测
B类：
基于经验,经验模态分解,分解特征,特征拼接,未知攻击,攻击检测,泛化能力,使用经验,语音信号,信号分解,频段,模态函数,Intrinsic,Mode,Function,IMF,梅尔频率倒谱系数,Mel,Frequency,Cepstrum,Coefficient,MFCC,接起,来得,三维特征,痕迹,ResNet,重放攻击,ASVspoof2019,挑战赛,EER,DCF
AB值：
0.386033
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。
