TR-ENF框架：连续三维参数空间中电力网络频率与幅值的联合估计方法

《IEEE Transactions on Signal Processing》：TR-ENF: A Trust-Region Optimization Framework for Peak-Agnostic Electric Network Frequency Detection in Audio

　　

摘要：

电力网络频率（ENF）在多媒体取证中充当指纹。由于频率与幅值估计之间存在非凸耦合，在低信噪比（SNR）条件下的短音频片段中，ENF检测仍然极具挑战性。现有检测器通常将频谱频率估计与幅值拟合分离，由此引入的离散化和初始化效应在短窗口上尤为显著。所提出的TR-ENF框架在连续的三维参数空间中联合估计ENF的频率和幅值，采用精确梯度与Hessian矩阵、正定Hessian移位以及频率盒约束。在ENF-WHU基准上的实验表明，TR-ENF在5秒片段上的准确率为87.0%，在8至10秒片段上的准确率超过90%，其中9秒条件提供了最集中的自举分布。在常用的经验中位数操作规则下，点估计与所评估的似然比基线方法具有竞争力。匹配的5秒配对自举显示，TR-ENF保持了最高的点准确率，差异为+1 至 +4 个百分点。无阈值ROC/DET分析提供了补充证据，TR-ENF获得了最强的5秒AUC和EER。鲁棒性通过信噪比敏感性、频率盒与超参数消融、收敛轨迹以及自举分析进一步表征。