基于CNN的录音设备判别研究

• 作者: 丛韫 侍孝一 徐欣铖 童茜雯 郑义 高冲红
• 来源期刊: 信息化研究
• 学科: 工学
• 关键词: 音频取证 压缩算法 比特率 卷积神经网络
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 研究与设计
• 页码范围: 51-54
• 页数: 4页
• 分类号: TN912.3
• 语种: 中文

摘要

文章拟解决音频取证中录音设备判别的问题.不同设备采用的压缩算法不同,会导致录音设备录音时附加到音频中的某些参量不同.从压缩算法角度,文章介绍一种基于卷积神经网络(Convolution Neural Networks,CNN)的录音设备的判别研究.首先获得不同比特率的音频,结合改进的梅尔频率倒谱系数算法(Mel Frequency Cepstrum Coefficient,Mel),用以分析录音设备对音频文件的特征参数影响,接着构建卷积神经网络识别模型,并将得到的Mel倒谱参数输入至构建好的神经网络中训练测试,最后识别并统计识别结果.实验结果表明,本研究对手机比特率的识别率达到92％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丛韫		6	8	1.0	2.0
2	高冲红		5	8	1.0	2.0
3	童茜雯		4	1	1.0	1.0
4	郑义		3	1	1.0	1.0
5	侍孝一		3	3	1.0	1.0
6	徐欣铖		1	0	0.0	0.0