| 第一节 |

语音测试技术的产生及发展历程

语音测试技术起步比较晚， 与生理心理测试技术相比较语音测试技术分析研究工作还处于初步阶段， 研究成果尚不丰富， 需要其他相关研究成果的支持。

1985年， 科研人员Huber在研究统计回归时， 提出了一种投影追踪算法， 从此信号稀疏分解引起了研究者的关注； 1993年， Mallat和Zhang首次提出采用过完备原子库对信号进行稀疏分解的重要思想， 这种思想的提出开创了稀疏表示理论的先河； 2000年， Peng C K等人对低比特率视频编码进行了进一步的研究， 提出了基于匹配追踪及码本自适应的基于语音稀疏表示的谎言检测研究； 2007 年， 美国普渡大学的研究小组利用语音调制模型进行语音测谎研究， 该工作得到具有军方背景的洛克希德马丁公司的资助； 2008 年， 美国俄克拉荷马州立大学研究人员通过语音紧张度分析建立的语音测谎系统可获得 76%的有效率； 2009 年， 美国亚利桑那大学研究者则以特定设定的问句来分析语音特征并组合视频表情分析来进行测谎研究； 在 2010 年， 美国哥伦比亚大学的研究人员采用了对不同语音特征进行统计分析的方法进行语音测谎的研究， 并采用 SVM 进行分类， 以确定不同特征在语音测谎中的影响； 2014 年， 美国马里兰大学的研究组进行了互动演讲过程中的谎言检测， 在多听众的情景下， 通过分析话语特征实现对演讲者的说谎状态的识别； 2015 年， 美国杜克大学的C.S。 Throck-morton通过采用对声音、语言分析的方法， 对金融诈骗进行识别。研究表明， 对语言行为和非语言的声音信号特征分析是有效的诈骗检测方法；2016 年， 美国研究者 Elliott Elizabeth 采用分析语言的熟练程度的方法来判断说话人的说谎状态， 通过随机测试不同英语水平者， 进而研究语言表达的熟练程度与说谎之间的关系。 SWeIMsNPp62rj6zkhr2PErrd6UEDQj1vaTZGaWGrcq3LTnM66h9WQdyqfxnXwXhS