基于深度神经网络的语音谎言检测算法研究

发布时间：2024-03-17 09:24

　　谎言检测的重要性不言而喻,测谎在辅助公安侦查、防止电信诈骗等方面有着重要的意义。以往测谎的方法往往使用专业且昂贵的仪器,并测量受试者的生理信号变化作为检测依据,例如脉搏、血压、脑电波等。相比之下,利用语音进行测谎则非常方便快捷,其非接触式、非强迫的特点不易引起受试者的排斥情绪和恐惧心理,因此更具有隐蔽性和客观性。然而目前语音测谎尚处于起步阶段,还有许多问题需要解决。深度神经网络近年来在图像识别,语音处理等领域表现出卓越的性能,这给语音测谎提供了新的研究思路,因此,本文将深度神经网络应用于语音测谎,针对目前语音测谎存在的几个问题进行了研究,主要工作从以下三个方面展开:(1)构建了汉语谎言语料库。现有的谎言语料库很少,尤其是汉语谎言语料库匮乏。为了对谎言语料尤其是汉语谎言语料进行补充,本文参考了既有的谎言语音获取经验,将“狼人游戏”和“杀手游戏”做为语料的背景来源,从互联网上选取了相关的高质量视频,之后使用专业的音频处理软件从中提取、剪切出时长为数秒的短语音,构建了一个纯汉语的谎言语料库,并提取出这些语料的语音特征,用分类器加以识别,对语音测谎进行了初步的探索。(2)提出了一种改进的半监督...

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

图2基础的神经网络结构图

2相关理论基础8图2基础的神经网络结构图2.2.1自编码网络自编码网络最早由Rumelhart等人提出，它通过对原始输入数据的特征进行提取从而复现原始输入，因此能提取出给定样本的隐层特征，常用于表示学习和数据转换[27,28]。如图2所示的三层网络结构，传统的自编码网络和其相似，....

图3去噪自编码网络结构示意图

是对原始自编码网络的一种扩展，应用非常广泛。DAE在训练时，需要将一定比例的随机噪声加入待输入的数据中，然后再进行普通的编码解码过程，最关键的是解码部分，解码网络需要对受损数据的编码形式进行解码，尽可能的还原出未受损时的数据，以增强提取出的特征对于干扰的抵抗力，提高网络的鲁棒性能....

图4稀疏自编码网络训练示意图

2相关理论基础10即使网络的隐藏层单元设置较多，它依然可以提取出重要的特征。图4稀疏自编码网络训练示意图2.2.2卷积神经网络上世纪中期，加拿大的研究者发现人类在观看某事物时，视觉神经并不是对视野内的全部信息都予以关注，而是只会对特定区域有较明显反应，该区域就是感受野，这一发现促....

图5循环神经网络结构图

纭?在RNN的训练过程中，一个序列当前时刻的输出不仅受当前时刻的输入的影响，也与先前时刻的输出有关。为了做到这点，RNN会对先前时刻的信息进行记忆，在计算当前输出时再应用这些记忆信息。从结构上来说，RNN的隐藏层之间的节点也是有连接的，这就和传统的神经网络大不相同，并且隐藏层的的....

本文编号：3930816