CQCC（Constant Q Cepstral Coefficients）是源于音乐处理领域的特征提取技术，因其对时间分辨率的可变性和在模仿攻击检测中的可靠性而受到关注。它在ASV（Automatic Speaker Verification）中对抗replay、voice conversion、speech synthesis等攻击。CQCC相比FFT，其数据量小，更能提取谐波模式，且与基频无关，适合计算基频。然而，CQT的计算和实现相对复杂。新版本的CQCC采用了窗可变宽度和非堆叠方法，进一步提升其性能。
CQCC
1. abstract
CQCC特点，时间分辨率可变
优点是能够可靠捕获模仿攻击的一些信息，并且他的结构对用例情景和模仿攻击同时敏感（以往的仿模仿的系统没有和用例情景结合）
2. Introduction
ASV面临的攻击：
- replay
- voice conversion
- speech synthesis
- impersonation
一般情况下可以通过特征提取和模式识别的作为对策，但最好是研究一种新的具有鲁棒性的特征，因此用到了CQT，来自音乐处理领域（有空可以看一看他的论文）
然后看一下FFT和CQT的时间频率分辨率的对比：
究竟为什么CQT适合做音乐处理，轨道分离？并且CQT的缺点又是什么，需要看其中的引文。
WIKI上的CQT和FFT的对比汇总：（他 = CQT）
- 他的数据量少
- 他的计算和实现比较复杂
- 他能提取乐器的特征，谐波的模式，和基频无关
- 他更符合人的听觉感官
- 可以用他来计算基频
最低0.47元/天 解锁文章
扫一扫
5946
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
