基于分数阶傅里叶变换和K-均值聚类的重放语音检测算法

重放语音欺骗攻击是自动说话人验证系统（Automatic Speaker Verification,ASV）面临的严重威胁。目前，基于常数Q变换倒谱系数（Constant Q Cepstral Coefficients,CQCC）和梅尔频率倒谱系数（Mel Frequency Cepstrum Coefficient,MFCC）的检测模型存在检测性能不理想、泛化能力差等问题。对此，提出一种基于分数阶傅里叶变换（Fractional Fourier Transformation,FrFT）和K-均值聚类的无监督重放语音检测模型。首先利用FrFT将语音信号转换至分数域，然后提取分数域双谱特征构成特征向量，并利用K-均值聚类算法进行聚类分析，实现重放语音检测。基于ASVspoof2019公开数据集的试验结果表明，所提方法相对于CQCC和MFCC两种传统方法在t-DCF和EER两项指标方面分别提升超过6.52%和7.76%，并且作为一种无监督模型，不需要训练样本即可实现检测，在少样本情况下仍然能够获得较高的检测性能，泛化能力更强。