成果信息

本发明公开了··种基于融合特征的加性噪声环境下手机来源识别方法，其将从傅里叶域巾提取的 MFCC 特征、STFTSDF 特征和从 CQT 域提取的 CQTSDF 特征组成的融合特征作为设备指纹，相较于单一特征能够更精确的表征设备区分信息;在训练阶段采用了多场景训练的方式，训练集中不仅有未添加场景噪声的干净的语音样本，还有含有不同场景噪声类型和噪声强度的含噪语音样本，训练得到的 M 分类模型具有通用性并且对已知噪声场景和未知噪声场景的语音样木都能进行有效的手机来源识别:其使用深度学习的 CNN 模型来建立 M 分类模型，CNN 模型不仅提升了对未添加场景噪声的干净的语音样本的来源识别准确性，而且大幅度提升了含噪语音样本的手机来源识别效果，噪声鲁棒性强。 )

背景介绍

本发明公开了··种基于融合特征的加性噪声环境下手机来源识别方法)

应用前景

-)