基于SVM的錄音設(shè)備分類研究

叢　韞，杜狀狀，高沖紅，童茜雯，鄭　義，仲　倩

(南京工程學(xué)院 通信工程學(xué)院，江蘇 南京 211167)

?

基于SVM的錄音設(shè)備分類研究

叢韞，杜狀狀，高沖紅，童茜雯，鄭義，仲倩

(南京工程學(xué)院 通信工程學(xué)院，江蘇 南京 211167)

為解決音頻取證中私錄音頻由何種錄音設(shè)備所錄的問題，針對不同設(shè)備所采用的壓縮算法不同，就會導(dǎo)致錄音信號中蘊(yùn)含著區(qū)別于其他錄音設(shè)備的個(gè)性特征，本文從壓縮算法出發(fā)，提出了一種基于SVM對錄音設(shè)備的分類方法。首先獲取不同錄音格式的音頻，然后針對音頻分別用MATLAB對其求改進(jìn)MFCC倒譜參數(shù)，接著選定測試集和訓(xùn)練集，使用交叉驗(yàn)證方法得到倒譜數(shù)據(jù)的最佳參數(shù)，之后用訓(xùn)練集對SVM進(jìn)行訓(xùn)練，再用得到的模型來預(yù)測測試集的分類標(biāo)簽。通過仿真與實(shí)驗(yàn)，結(jié)果表明，該方法能夠較好的區(qū)分不同壓縮算法下的音頻特性，平均識別率達(dá)97%。

音頻取證；壓縮算法；改進(jìn)MFCC；SVM；交叉驗(yàn)證

0　引言

隨著數(shù)字媒體技術(shù)在日常生活中的使用和普及，國內(nèi)外音頻證據(jù)在法庭證據(jù)、案件調(diào)查中出現(xiàn)的次數(shù)越來越多，所占比重也越來越大。錄音的來源往往是首先會關(guān)注的問題，尤其是錄音文件由何種錄音設(shè)備錄制，這是錄音文件具有合法性的前提。由于錄音設(shè)備種類繁多，而且在錄制過程中易受到環(huán)境和說話人特征的影響，國際上對錄音設(shè)備識別的研究還較少。在國外，Kraetzer、Bucholz等人和Garcia-Romera以及Espy-Wilson、Malik、Cemal對這方面展開了研究，國內(nèi)南京大學(xué)聲學(xué)所、司法部司法鑒定科學(xué)技術(shù)研究所也對此展開了研究。以上這些研究，并未從算法出發(fā)分析錄音設(shè)備的內(nèi)在特征。本文從壓縮算法出發(fā)，提出了一種基于SVM的錄音設(shè)備分類方法，在解決音頻取證中對錄音設(shè)備的識別研究提供了方向，值得進(jìn)一步深入探索。

1　特征提取方法

音頻信號采用改進(jìn)MFCC進(jìn)行分析處理，具體步驟如圖1所示。對信號進(jìn)行預(yù)處理，分幀、加窗，一般設(shè)一段語音存在X中，X長為N，采樣頻率Fs，幀長L，后一幀對前一幀位移量S，則將長為N的語音信號進(jìn)行分幀，如式(1)所示：

Fn=(N-L)/S+1,

(1)

式中，x(m)為語音信號，w(m)為單位沖擊響應(yīng)，n為整數(shù)。

加窗實(shí)際上就是乘以一個(gè)窗函數(shù)，窗函數(shù)如式(2)所示,在分幀時(shí)會有一定程度的幀移，加窗是為了增強(qiáng)連續(xù)性，然后進(jìn)行FFT快速傅里葉變換，得到每幀信號的頻譜。式(2)求平方，得到每幀信號的功率譜：

(2)

圖1　提取改進(jìn)MFCC的方案

根據(jù)每個(gè)通道的截止頻率截取Mel頻率尺度對Mel濾波器組進(jìn)行歸一化，然后對Mel組進(jìn)行歸一化，并對Mel濾波器組的輸出數(shù)據(jù)進(jìn)行歸一化。將Mel濾波器組的輸出數(shù)據(jù)變換到對數(shù)域，再作離散余弦變換得到MFCC參數(shù)，結(jié)果如式(3)所示。式中N為三角濾波器個(gè)數(shù)，Xk為第K個(gè)濾波器的輸出，Ci即為所求的MFCC參數(shù)，P為其階數(shù)。

(3)

2　分類方法

2.1支持向量機(jī)基本原理

支持向量機(jī)的主要思想是建立一個(gè)分類超平面作為決策平面，使得正例與反例之間的隔離邊緣被最大化。支持向量機(jī)的理論基礎(chǔ)是統(tǒng)計(jì)學(xué)習(xí)理論，更精確地說，支持向量機(jī)是結(jié)構(gòu)風(fēng)險(xiǎn)最小化的近似實(shí)現(xiàn)。這個(gè)原理基于這樣的事實(shí)：學(xué)習(xí)機(jī)器在測試數(shù)據(jù)上的誤差率(即泛化誤差率)以訓(xùn)練誤差率和一個(gè)依賴于VC維數(shù)(Vapnik-Chervonenkis dimension)的項(xiàng)的和為界，在可分模式情況下，支持向量機(jī)對于前一項(xiàng)的值為零，并且使第二項(xiàng)最小化。因此，盡管它不利用問題的領(lǐng)域內(nèi)部問題，但在模式分類問題上支持向量機(jī)能提供好的泛化性能，這個(gè)屬性是支撐向量機(jī)特有的。

支持向量機(jī)經(jīng)歷了從二維分類到多維分類的發(fā)展過程，多維分類原理十分復(fù)雜，但是原理與二維分類原理相似，因此可以用線性可分的情況進(jìn)行說明，基本思想如圖2所示。假設(shè)圖中有兩類樣本，分別用實(shí)心點(diǎn)和空心點(diǎn)表示；H代表將兩類樣本最大程度間隔開的分類線；H1、H2分別為過各類中離分類線最近的樣本，且平行于分類線的直線，它們之間的間隔叫做分類間隔。所謂最優(yōu)分類線，就是要求分類線不但能將兩類正確分開，而且使分類間隔最大。引申到高維度分類問題中，能夠以最大間隔、最大限度分離兩類樣本的超平面就是最優(yōu)超平面。

圖2　分類平面示意圖

支持向量機(jī)的體系結(jié)構(gòu)如圖3所示，其中x(i)為支持向量，x為輸入空間抽取的向量，K為核函數(shù)，其種類主要有：① 線性核函數(shù)(Linear)：K(x，xi)=xTxi；② 多項(xiàng)式核函數(shù)(Polynomial)：K(x,xi)=(γxTxi+r)p,γ>0；③ 徑向基核函數(shù)(Radial basis function)：K(x,xi)=exp(-γ||x-xi||2),γ>0；④ S形函數(shù)(sigmoid):K(x,xi)=tanh(γxTxi+r)d。

圖3　支持向量機(jī)的體系結(jié)構(gòu)

2.2SVM模型構(gòu)造

SVM模型建立首先需要從原始數(shù)據(jù)里把訓(xùn)練集和測試集提取出來，進(jìn)行一定的預(yù)處理，之后用訓(xùn)練集對SVM進(jìn)行訓(xùn)練，再用得到的模型來預(yù)測測試集的分類標(biāo)簽，算法流程圖如圖4所示。

圖4　模型總體流程

2.2.1選定測試集和訓(xùn)練集

本文選取總樣本數(shù)的4/5作為訓(xùn)練樣本集，數(shù)據(jù)預(yù)處理后通過多次訓(xùn)練求得支持向量并構(gòu)造SVM模型，其余1/5作為測試樣本集，通過代入SVM模型檢驗(yàn)對測試樣本的分類正確率，即模型的泛化能力。

2.2.2數(shù)據(jù)預(yù)處理

樣本數(shù)據(jù)中包含的先驗(yàn)信息會對分類器的性能測試結(jié)果與測試數(shù)據(jù)的實(shí)驗(yàn)效果產(chǎn)生直接的影響，因此有必要對數(shù)據(jù)進(jìn)行歸一化處理，采用的歸一化映射如下：

式中，x,y∈Rn,xmin=min(x),xmax=max(x)，歸一化的效果是原始數(shù)據(jù)被規(guī)整到[0,1]范圍內(nèi)，即yi∈[0,1],i=1,2.……n，這種歸一化方式稱為[0,1]區(qū)間歸一化。

2.2.3交叉驗(yàn)證尋求最優(yōu)參數(shù)

本文用SVM做分類預(yù)測時(shí)需要用到懲罰系數(shù)c和徑向基核函數(shù)參數(shù)g，采用LIBSVM3.20工具包使用交叉驗(yàn)證的方法尋求最優(yōu)參數(shù)，以得到比較理想的預(yù)測分類正確率。交叉驗(yàn)證是用來驗(yàn)證分類器性能的一種統(tǒng)計(jì)分析方法，基本思想是在某種意義下將原始數(shù)據(jù)進(jìn)行分組，一部分作為訓(xùn)練集，另一部分作為驗(yàn)證集。其方法是首先用訓(xùn)練集對分類器進(jìn)行訓(xùn)練，再利用驗(yàn)證集來測試訓(xùn)練得到的模型，以得到的分類準(zhǔn)確率作為評價(jià)分類器的性能指標(biāo)。采用交叉驗(yàn)證的思想，可以有效地避免過學(xué)習(xí)和欠學(xué)習(xí)狀態(tài)的發(fā)生，最終對于測試集合的預(yù)測得到較理想的正確率。

3　測試方案

3.1數(shù)據(jù)采集

本實(shí)驗(yàn)收集了10種不同的語音，手機(jī)設(shè)備和具體錄音格式如下:華為：m4a；oppo：wav、mp3和amr；三星：amr和m4a；魅族：mp3；小米：mp3；vivo：3gpp；聯(lián)想：ogg；每個(gè)手機(jī)設(shè)備錄一段音頻，每段音頻60s左右。

3.2實(shí)驗(yàn)結(jié)果與分析

對于改進(jìn)MFCC的提取方案如圖1所示，具體表達(dá)式如式(3)所示。下面以小米手機(jī)為例展開說明，將小米手機(jī)錄的語音信號導(dǎo)入到PC端通過matlab進(jìn)行處理，進(jìn)行分幀、加窗，幀長為400ms，幀移為260ms，窗函數(shù)采用漢寧窗，提取500組24維的改進(jìn)MFCC特征參數(shù)，圖5為提取的MFCC倒譜圖。

在提取的5 000個(gè)樣本中，其中1～500屬于第1類(類別標(biāo)簽為1)，501～1000為第2類(類別標(biāo)簽為2)，1001～1500為第3類(類別標(biāo)簽為3)，以此類推，4501～5000為第10類，現(xiàn)將每個(gè)類別分為2組，重新組合數(shù)據(jù)，一部分作為訓(xùn)練集，一部分作為測試集。通過交叉檢驗(yàn)的方法獲得最佳參數(shù)為c=2.2974，g=4，參數(shù)選擇結(jié)果圖如圖6所示，x軸表示c取以2為底的對數(shù)后的值，y軸表示g取以2為底的對數(shù)后的值，等高線表示取相應(yīng)的c和g后對應(yīng)的CV方法的準(zhǔn)確率。3D視圖如圖7所示。

圖5　小米手機(jī)倒譜圖

圖6　參數(shù)選擇結(jié)果圖(等高線圖)

圖7　參數(shù)選擇結(jié)果圖(3D視圖)

運(yùn)用上文選擇的最優(yōu)化參數(shù)對測試樣本進(jìn)行預(yù)測，即選用c=2.297 4，g=4，基于訓(xùn)練樣本數(shù)據(jù)train_data提取相應(yīng)的標(biāo)簽train_data_labels建立模型svmtrain，系統(tǒng)的輸出結(jié)果如下所示：

optimization finished，#iter=192

nu=0.033 472

obj=-12.648 015,rho=-0.445 306，

nSV=52,nBSV=10，

Total nSV=2 012，

Accuracy=96.9% (969/1 000) (classfication)。

接著對測試樣本進(jìn)行預(yù)測，得到的分類正確率為97%，分類結(jié)果如圖8所示，即1 000個(gè)樣本中有31個(gè)樣本識別錯(cuò)誤，因此基于SVM的錄音設(shè)備分類方法具有較高的準(zhǔn)確率，能夠準(zhǔn)確地識別出對應(yīng)錄音格式的手機(jī)設(shè)備。

圖8　測試集的分類結(jié)果圖

4　結(jié)束語

為解決音頻取證中私錄音頻由何種錄音設(shè)備所錄的問題，針對不同設(shè)備所采用的壓縮算法不同，就會導(dǎo)致錄音信號中蘊(yùn)含著區(qū)別于其他錄音設(shè)備的個(gè)性特征，本文從壓縮算法出發(fā)介紹了一種基于SVM對錄音設(shè)備的分類方法，使用交叉驗(yàn)證的方法獲得樣本數(shù)據(jù)最優(yōu)參數(shù)，并給出了提取語音信號特征參數(shù)改進(jìn)MFCC和構(gòu)建SVM模型進(jìn)行訓(xùn)練分類的具體流程，實(shí)驗(yàn)測試過程中，該方法在準(zhǔn)確性方面滿足一定的要求。綜合來看，本文的方法具有較好的參考價(jià)值。

[1]Vapnik V.Statistical Learning Theory[M].New York:Wiley,1998.

[2]Cortes C,Vapnik V.Support-Vector network[J].Machine Learning,1995,20:273-297.

[3]Boser B,Guyon I,Vapnik V.ATraining Algorithm for Optional Margin Classifiers[C]//ACM press:In Proceeding of the Fifth Annual Workshop on Computerional Learning Theory,1992:144-152.

[4]Hsu C W,Lin C J.AComparsion of Methods for Multi-class Support Vector Machines[J].IEEE Transactions on Neural Network ,2002,13(2):415-425.

[5]Lin C J.Formulations ofSupport Vector Machines:a Note from an Optimization Point of View[J].Neu-ral Computation,2001,13(2):307-317.

[6]張慶，劉丙杰.基于PSO和分組訓(xùn)練的SVM參數(shù)快速優(yōu)化方法[J].科學(xué)技術(shù)與工程，2008,8(16):4613-4616.

[7]楊杰，鄭 寧，劉 董，等.基于遺傳算法的SVM帶權(quán)特征和模型參數(shù)優(yōu)化[J].計(jì)算機(jī)仿真，2008,25(9):113-118.

[8]張小艷，李 強(qiáng).基于SVM的分類方法綜述[J].科技信息，2008(28):344-345.

[9]范昕煒，杜數(shù)新，吳鐵軍.粗SVM分類方法及其在污水處理過程中的應(yīng)用[J].控制與決策，2004,19(5):573-576.

[10]陳光英，張千里，李 星.基于SVM分類機(jī)的入侵檢測系統(tǒng)[J].通信學(xué)報(bào)，2002,23(5):51-56.

[11]雷英杰，張善文，李續(xù)武，等.MATLAB工具箱及應(yīng)用[M].西安：西安電子科技大學(xué)出版社，2005.

[12]張雪英.數(shù)字信號處理與MATLAB仿真[M].北京：電子工業(yè)出版社，2010.

Recording Equipment Classification Study Based on SVM

CONG Yun，DU Zhuang-zhuang，GAO Chong-hong，TONG Qian-wen，ZHENG Yi，ZHONG Qian

(School of Communication Engineering，Nanjing Institute of Technology，Nanjing Jiangsu 211167，China)

To solve the problem of which kind of recording equipment is used for private audio recorded in audio forensic，the article presents a classification method for recording equipment based on SVM embarking from the compression algorithm，which is based on the fact that the recorded signals from different devices with different compression algorithms contain personality characteristics different from other recording devices.Audios in different format are collected at first.Then its improved MFCCs are extracted respectively by MATLAB and testing and training sets are selected.Then Cross Validation method is used to get the optimal parameters of cepstrum data.The SVM is trained with the training set and the classification label of the testing set is predicted with the model obtained.The simulation and test results show that the method can distinguish audio features among different compression algorithms better，and the average recognition rate is 97%.

audio forensic；compression algorithm；improved MFCC；SVM；Cross Validation

10.3969/j.issn.1003-3114.2016.05.17

引用格式:叢韞，杜狀狀，高沖紅，等.基于SVM的錄音設(shè)備分類研究[J].無線電通信技術(shù),2016,42(5):68-70，84.

2016-05-09

江蘇省大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練項(xiàng)目(201511276004z)

叢韞(1995—)，女，本科，主要研究方向：信號與信息處理。仲倩(1995—)，女，本科，主要研究方向：信號與信息處理。

TN912.3

A

1003-3114(2016)05-68-3