隨著手機(jī)錄音設(shè)備的普及以及各種功能強(qiáng)大且易于操作的數(shù)字媒體編輯軟件的出現(xiàn)，語(yǔ)音的手機(jī)來(lái)源識(shí)別已成為多媒體取證領(lǐng)域重要的熱點(diǎn)問(wèn)題，針對(duì)該問(wèn)題提出了一種基于頻譜融合特征的手機(jī)來(lái)源識(shí)別算法。首先，通過(guò)分析不同手機(jī)相同語(yǔ)音的語(yǔ)譜圖，發(fā)現(xiàn)不同手機(jī)的語(yǔ)音頻譜特征是不同的；然后對(duì)語(yǔ)音的頻譜信息量、對(duì)數(shù)譜和相位譜特征進(jìn)行了研究；其次，將三個(gè)特征串聯(lián)構(gòu)成原始融合特征，并用每個(gè)樣本的原始融合特征構(gòu)建樣本特征空間；最后，采用WEKA平臺(tái)的CfsSubsetEval評(píng)價(jià)函數(shù)按照最佳優(yōu)先搜索原則對(duì)所構(gòu)建的特征空間進(jìn)行特征選擇，并采用LibSVM對(duì)特征選擇后的樣本特征空間進(jìn)行模型訓(xùn)練和樣本識(shí)別。實(shí)驗(yàn)部分給出了特征選擇后的頻譜單一特征和頻譜融合特征在23款主流型號(hào)的手機(jī)語(yǔ)音庫(kù)上分類的結(jié)果。實(shí)驗(yàn)結(jié)果表明，該算法使用頻譜融合特征有效提高了手機(jī)品牌類內(nèi)的平均識(shí)別準(zhǔn)確率，在TIMIT翻錄語(yǔ)音數(shù)據(jù)庫(kù)和自建的CKC-SD語(yǔ)音數(shù)據(jù)庫(kù)上分別達(dá)到99. 96%和99. 91%；另外，與Hanilci基于梅爾倒譜系數(shù)特征的錄音設(shè)備來(lái)源識(shí)別算法進(jìn)行了對(duì)比，平均識(shí)別準(zhǔn)確率分別提高了6.58和5.14個(gè)百分點(diǎn)。因此可得本文所提特征可有效提高平均識(shí)別準(zhǔn)確率，降低手機(jī)類內(nèi)識(shí)別的誤判率。