您的位置: 专家智库 > >

王志锋

作品数:7 被引量:31H指数:4
供职机构:华南理工大学电子与信息学院更多>>
发文基金:国家自然科学基金广东省自然科学基金国家留学基金更多>>
相关领域:电子电信自动化与计算机技术更多>>

文献类型

  • 3篇期刊文章
  • 3篇专利
  • 1篇学位论文

领域

  • 4篇电子电信
  • 1篇自动化与计算...

主题

  • 6篇录音
  • 5篇录音设备
  • 4篇语音
  • 3篇源识别
  • 3篇智能语音
  • 3篇特征维数
  • 3篇维数
  • 2篇得分
  • 2篇信号
  • 2篇语音信号
  • 2篇设备噪声
  • 2篇说话人识别
  • 1篇多媒体
  • 1篇多项式
  • 1篇信道
  • 1篇信道噪声
  • 1篇信号处理
  • 1篇音频
  • 1篇语音信号处理
  • 1篇噪声

机构

  • 7篇华南理工大学
  • 1篇卡内基梅隆大...

作者

  • 7篇王志锋
  • 6篇贺前华
  • 4篇罗海宇
  • 2篇沈秉乾
  • 1篇苏卓生
  • 1篇张雪源
  • 1篇陈芬
  • 1篇李艳雄
  • 1篇李新超
  • 1篇朱铮宇

传媒

  • 1篇电子学报
  • 1篇华南理工大学...
  • 1篇信号处理

年份

  • 1篇2014
  • 3篇2013
  • 2篇2012
  • 1篇2011
7 条 记 录,以下是 1-7
排序方式:
基于改进PNCC特征和两步区分性训练的录音设备识别方法被引量:9
2014年
录音设备来源识别是通过分析已获取的数字语音信号从而确定其录制设备的一种技术,属于数字音频盲取证.本文提出了一种基于改进PNCC特征和两步区分性训练的录音设备识别方法,由于音频中的静音包含了完整的设备信息,且不受说话人和文本等因素的影响,因此从静音段提取改进的PNCC特征,利用了PNCC的长时帧分析去除背景噪声对设备信息的影响.在模型方面,以GMM-UBM为基准模型,并通过两步区分性训练调整集内设备模型和通用背景模型,提升模型区分能力.该方法对于30种设备闭集识别的平均正确识别率为90.23%;对于15个集内和15个集外设备的测试,等错误率为15.17%,集内平均正确识别率为96.65%,验证了本文算法的有效性.
贺前华王志锋Alexander I Rudnicky朱铮宇李新超
一种自动录音设备源识别的方法和系统
本发明涉及智能语音信号处理、模式识别与人工智能技术领域,特别是涉及一种自动录音设备源识别的方法和系统。本发明公开了一种自动录音设备源识别的方法和系统,该方法步骤如下:a.提取语音信号中录音设备的特征;b.利用GMM-UB...
贺前华王志锋罗海宇沈秉乾
文献传递
基于信道模式噪声的录音回放攻击检测被引量:15
2011年
近来出现的高质量低价格的录音及回放设备的高保真度使人耳也难以分辨出原始语音和回放语音,这使得录音回放攻击对说话人识别系统的安全造成了很大威胁.为此,文中提出了一种基于信道模式噪声的录音回放攻击检测方法.该方法根据原始语音与回放语音信道的差异,针对不同信道中的录音及回放设备引入不同的信道模式噪声,采用去噪滤波器和统计帧分析的方法提取信道模式噪声,在信道模式噪声的基础上提取了6阶Legendre系数及6个统计特征,并利用支持向量机训练信道噪声模型判决输入是否为回放攻击.实验结果表明,加载录音回放检测模块后,说话人识别系统对含有回放攻击数据的等错误率下降了约30%.
王志锋贺前华张雪源罗海宇苏卓生
关键词:说话人识别LEGENDRE多项式
一种自动录音设备源识别的方法和系统
本发明涉及智能语音信号处理、模式识别与人工智能技术领域,特别是涉及一种自动录音设备源识别的方法和系统。该方法步骤如下:a.提取语音信号中录音设备的特征;b.利用GMM-UBM建立录音设备的统计模型;c.利用归一化的似然度...
贺前华王志锋罗海宇沈秉乾
基于信道信息的数字音频盲取证关键问题研究
数字音频盲取证通过直接分析数字音频信号本身对其真实性、完整性、原始性和可靠性进行检测和验证,是多媒体信息安全中必不可少的一环。本文针对数字音频盲取证的关键问题:(1)开集的录音设备源识别;(2)信道失配条件下的说话人识别...
王志锋
关键词:语音信号处理说话人识别
文献传递
一种基于信道模式噪声的录音回放攻击检测方法和系统
本发明涉及智能语音信号处理、模式识别与人工智能技术领域,特别是涉及一种基于信道模式噪声的说话人识别系统中录音回放攻击检测方法和系统。本发明公开了一种说话人识别系统中更加简便和高效的录音回放攻击检测方法,所述方法步骤如下:...
贺前华王志锋罗海宇陈芬
文献传递
录音设备的建模和识别算法被引量:6
2013年
本文提出了一种录音设备的建模和识别算法。在特征选择方面,考虑到音频段中的静音包含了与正常语音一样的设备信息,并且不受说话人、文本、情感等因素的影响,因此从静音段中提取出表征录音设备"机器指纹"的特征,并用谱减法去除其中的背景噪声。在识别模型方面,利用设备通用背景模型构建反对设备模型;在设备通用背景模型的基础上,利用少量的特定设备数据,通过MAP自适应算法获得相应录音设备的模型。最后通过归一化似然度得分对输入的特定录音设备的语音样本进行分类判决。实验结果表明,对于9种不同录音设备的平均正确识别率为87.42%,并考察了不同因素对本文算法的影响,验证了本文算法的有效性和可靠性。
王志锋贺前华李艳雄
共1页<1>
聚类工具0