基于线性预测模型的语音篡改检测

《基于线性预测模型的语音篡改检测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于线性预测模型的语音篡改检测林晓丹泉州市科技计划项目(2011G7)资助课题作者：林晓丹，女，1983年生，福建泉州人，讲师，主要研究方向为多媒体信号处理及信息安全，echo.linxd@gmail.com（华侨大学信息科学与工程学院，福建厦门362011）摘要：基于线性预测模型，提出了一种通用的语音信号真实性和完整性的鉴别方法。将线性预测残差信号通过带通滤波器，消除了谐波信号分量的干扰。滤波后的原始语音残差信号呈高斯分布，而篡改语音的残差则体现出明显的超高斯特性，将预测残差的高阶统计特征作为判断篡

2、改的依据。实验结果表明，该方法能够有效实现语音篡改盲检测并定位篡改位置。在噪声环境下，与现有方法相比，本文的检测方法具有更高的鲁棒性。关键词：篡改检测；线性预测模型；超高斯；高阶统计特征中图分类号：TP309文献标识码：AExposingSpeechForgerieswithLinearPredictionModelLINXiao-dan(CollegeofInformationScienceandEngineering,HuaqiaoUniversity,Xiamen362011)AbstractB

3、asedonlinearpredictionmodel,ageneralforensicapproachaimingtoensuretheauthenticityandintegrityofspeechispresented.ToeliminatetheinfluenceofharmoniccomponentsexistedintheLPCresidual,aband-passfilterisintroduced.TheoriginalresidualfollowsaGaussiandistribut

4、ionwhileitsforgerycounterpartshowsasuperGaussiancharacteristic.HigherorderstatisticsoftheLPCresidualisappliedtoforgerydetection.Experimentalresultsshowtheeffectivenessofourmethodindetectingandlocatingforgery.Resultsalsodemonstratetherobustnessofourdetec

5、tionmethodinnoiseconditionscomparedtothestate-of-the-artmethod.Keywords:ForgeryDetection;LinearPredictionModel;SuperGaussian；HigherOrderStatistics1、引言近年来，由于数字录音设备的广泛应用和音频编辑处理技术的发展，编辑数字录音变得非常容易。非专业人士也可以轻而易举地修改音频内容而不留下痕迹。数字录音作为法庭举证中一项非常重要的证据，可能被非法篡改。例如，录音

6、中非常重要的字词被删除，或者插入一些来自其它录音的字词，再或录音中的重要字词被替换，从而改变了原音频所要表达的内容。如果这些伪造音频被利用，将严重影响司法判决的公正。因此，当一段录音将被用作证据时，如果不能确保其真实性和完整性，这段录音将变得毫无意义。尽管数字签名和数字水印技术也能为音频的真实性和完整性提供保障，但现有的录音设备大多无法预先嵌入水印或签名信息，因此，数字语音盲取证技术变得迫在眉睫[1]。现有的音频盲取证主要着眼于以下方面：一，基于电网频率的分析[2-3]。录音设备不仅可以获取音频信号，

7、同时也记录下了录音时候的电网频率。这是目前最有效的音频盲取证方法，但对使用电池供电的录音设备，例如MP3、录音笔、手机等，基于电网频率的检测方法失去了其有效性。二，基于录音环境的分析。例如Malik等借助声学回响识别音频的录制环境[4]；Buchholz则提取近似无音段的傅里叶系数直方图作为特征，实现对麦克风的分类[5]；Ikram估计录音环境的背景噪声作为音频篡改的判断依据[6]。三，针对特定类型篡改的检测：文献[7]提出了针对音频重采样的检测；文献[8]提出了针对音频重压缩的检测；文献[9]实现了

8、对MP3格式音频的篡改检测。四，分析音频统计特性的变化。Farid提出了基于双边谱检测的方法[10]。文献[11]通过观测音频小波域的奇异点特性，给出了一种通用的篡改检测和定位方法。目前多数录音设备直接录制的音频都是wav格式的数字音频文件，为此本文针对原始的波形文件作为检测对象。由于插入、替换、删除、拼接操作，导致音频前后样点相关性减弱，线性预测残差与原始音频的残差相比出现了明显差异。因此，本文通过分析原始音频和篡改音频的线性预测残差，在对残差信号进行