基于1D-CNN的音频改检测使用ENF信号.
Haifeng Zhao1, Yanming Ye1, Xingfa Shen2
1The School of Computer Science and Technology, Hangzhou Dianzi University, Hangzhou, 310018, China.
Scientific reports
|May 16, 2024
概括
这项研究介绍了ATD,一种使用1D-CNN模型的盲人音频法医框架. 在不需要ENF参考数据的情况下,ATD准确地检测到删除,插入和更换等音频改.
科学领域:
- 数字法医学数字法医学
- 音频分析 音频分析
- 信号处理 信号处理
背景情况:
- 数字音频录音在法律程序中很普遍.
- 电网频率 (ENF) 分析对于音频法医学至关重要.
- 缺少ENF参考数据集阻碍了当前的音频改检测.
研究的目的:
- 开发一个盲人音频法医框架 (ATD),用于检测音频改.
- 通过消除对参考数据库的需求,解决基于ENF的现有方法的局限性.
- 为了提高音频改检测的准确性和稳定性.
主要方法:
- 一个一维的卷积神经网络 (1D-CNN) 构成了ATD框架的核心.
- 通过结合ENF信号的基本波特征,增强了特征提取.
- 一种新的消噪方法,ENF降噪 (ENR),结合了变量模式分解 (VMD) 和强大的过算法 (RFA).
主要成果:
- 在检测四种类型的音频改 (删除,插入,更换) 中,ATD的准确度超过93%.
- 在二进制类场景中,ATD的改检测准确率超过96%.
- 实验证实了ATD在不同检测场景中的有效性,效率,适应性和稳定性.
结论:
- 拟议的ATD框架为盲人音频法医提供了可靠的解决方案.
- ATD有效地识别了被改的ENF信号中的相位突变和波形不连续性.
- 集成的ENR方法提高了ENF信号的抗噪声干扰的弹性.
