自动说话人验证中噪声条件下的欺骗检测：初步研究与初始数据库
机器学习
2016-02-10 v1 声音
摘要
近年来，用于自动说话人验证（ASV）的欺骗检测（旨在区分真实语音与攻击）受到越来越多的关注。然而，以往所有研究均基于无显著加性噪声的干净数据。为模拟真实场景，我们对加性噪声条件下的欺骗检测进行了初步研究，并描述了用于该任务的初始数据库。该噪声数据库基于 ASVspoof challenge 2015 数据库，通过在不同信噪比（SNRs）下人工添加背景噪声生成，包含五种不同的加性噪声。我们的初步结果表明，使用干净数据训练的模型，系统性能在噪声条件下显著下降。基于相位的特征比基于幅度的特征对噪声更具鲁棒性。且系统在不同噪声场景下表现差异显著。
引用
@article{arxiv.1602.02950,
title = {Spoofing detection under noisy conditions: a preliminary investigation and an initial database},
author = {Xiaohai Tian and Zhizheng Wu and Xiong Xiao and Eng Siong Chng and Haizhou Li},
journal= {arXiv preprint arXiv:1602.02950},
year = {2016}
}
备注
Submitted to Odyssey: The Speaker and Language Recognition Workshop 2016