声纹认证作为最前沿的生物识别技术之一,因其具有远程认证的独特优势而拥有广泛应用前景。声纹认证技术的快速发展的同时,其所面临的欺骗语音攻击也日趋严峻,这给声纹认证系统的安全性与可靠性带来了巨大挑战。在其所面临的欺骗语音攻击中,回放语音由于直接来源于目标说话人语音,且其获取成本较低、不需要攻击者具备相关专业的知识和技术,使得其对于声纹认证系统的攻击更容易实施。因此,提出鲁棒性较强的回放语音检测算法是提高声纹认证系统的安全性的关键所在。结合目前国内外回放语音检测的研究现状,本文通过对现有回放语音关键技术进行归纳总结,针对现有的回放语音检测算法中存在的鲁棒性不强和检测性能不佳等问题,展开了以下三部分的研究工作:1.深入剖析了回放语音产生机理,研究了不同回放配置对回放语音影响。通过对回放语音的产生机理进行深入剖析,发现在其生成过程中主要受到回放配置中声学环境和攻击源的影响,导致了其与原始语音存在一定的差异。这种差异导致产生的回放语音存在不同程度的失真现象。通过引入最大均值差异分析了不同回放配置对回放语音失真影响,实验结果表明回放设备质量和混响时间的变化对于回放语音质量的影响最为关键。2.针对现有算法鲁棒性不强的问题,我们提出了一种基于全频率倒谱系数的回放语音检测算法。研究表明,在进行倒谱特征提取时,使用滤波器组对倒谱特征进行降维会在一定程度上丢失频谱的细节信息。为更多保留频谱上的细节信息,本文提出了一种全频率倒谱系数特征,该特征首先对语音信号进行短时傅里叶变换得到其频谱系数,然后对其频谱系数在全频带上进行离散余弦变换得到全频率倒谱系数特征。实验结果表明,我们提出的算法有较好的检测性能,相较于数据库提供的两个基线系统,我们的算法性能分别有19%和34%的提升。3.针对手工特征检测性能不佳的问题,我们提出了一种基于深度特征的回放语音检测算法。研究发现,传统的手工提取特征不足以表征完备的语音信息,使得其在复杂数据库上的表现性能远不如深度特征。因此本文提出一种将传统手工特征与深度残差网络相结合的方法,该方法通过将三种手工提取的倒谱特征作为网络端的输入,以优化的残差网络作为网络结构来提取更深层的语音特征,并将三种特征的检测结果在决策端进行融合,得到最佳检测性能。实验结果表明,相较于该数据库提出的两个基线系统,我们提出的算法分别有79%和73%的性能提升。