语音合成技术的迅猛发展对自动说话人验证系统构成了威胁。为了提高自动说话人验证系统的安全性,我们需要研究如何鉴别自然语音和合成语音。本文在分析现有合成语音检测技术的基础上,研究了基于倒谱系数特征的合成语音检测技术。论文的主要研究工作如下:1.提出了基于Gammatone频率修正群延时倒谱系数(GFMGDCC)的合成语音检测算法。该方法对语音信号提取GFMGDCC特征,并使用长短时记忆(LSTM)分类器进行分类来鉴别自然语音和合成语音。实验在三种不同类型的合成语音中对比了本文提出的GFMGDCC、反梅尔频率修正群延时倒谱系数(IMFMGDCC)和反Gammatone频率修正群延时倒谱系数(IGFMGDCC)以及已有的梅尔频率修正群延时倒谱系数(MFMGDCC)共四种特征,分别在卷积神经网络(CNN)、LSTM分类器下对合成语音的检测性能。实验结果表明,本文使用的基于GFMGDCC特征的检测算法对于合成语音的检测效果良好,获得了较好的检测性能。2.本文还提出了一种基于修正群延时倒谱系数(MGDCC)和常量Q倒谱系数(CQCC)的合成语音检测算法。该方法以MGDCC-CQCC组合特征作为语音的提取特征,并结合CNN和LSTM网络的特点,使用CNN-LSTM作为分类器进行分类检测。采用三种不同类型的合成语音进行实验,对比了提出的MGDCC-CQCC特征以及MGDCC、CQCC特征分别在CNN、LSTM和CNN-LSTM分类器下对合成语音的检测性能。实验结果表明,本文提出的基于MGDCC-CQCC的合成语音检测算法获得了良好的检测性能,尤其在检测拼接合成语音时效果显著,等错误率EER能降低到2.65%。