1.一种基于特征融合的长序列生物哈希密文语音检索方法，其特征在于，该检索方法具体按以下步骤进行：步骤1：注册

1）对原始语音信号x(n)进行预加重，得预加重信号，然后对预加重信号进行分帧和加窗函数处理，得到预处理信号xi(n)；

2）对预处理信号xi(n)进行线性预测最小均方差的特征提取，得特征向量V1，同时，对预处理信号xi(n) 进行快速傅里叶逆变换的特征提取，得特征向量V2，然后对特征向量V2进行降维处理得到向量V′2；对特征向量V1和向量V′2进行均值滤波，得到融合特征向量V；

线性预测最小均方差的特征提取过程为：

混沌测量矩阵生成算法如下：k 阶信号x的测量矩阵Φ( )满足的RIP性质如下所示：

式中：ζk是常数，ζk∈(0,1)； 是信号的能量；

基于Lorenz的混沌测量矩阵一般表达式如下所示：

式中，ξx,y,z代表Lorenz混沌测量矩阵的映射函数，其表达式如下所示：式中，α、β、λ是常数，x(i)，y(i)，z(i)的初始值分别为0，1，0；x′(i)、y′(i)和z′(i)是关于i的偏导数；

3）对融合特征向量V进行二值化的差分哈希，得到原始语音对应的差分哈希向量，然后对差分哈希向量求和，将求和值相同的语音归为一类；根据不同的类，建立具有单一映射密钥的生物特征模板；并通过密钥令三维Lorenz混沌测量矩阵产生1×N的随机数序列q(i)，然后通过施密特正交化转化为相互正交的随机序列Q(i)，最后将相互正交的随机序列Q(i)与特征参数向量V进行标量积，得到D=D((i)︱i=1,2,…,N)；将D(i)进行二值化处理，得到哈希索引h=h((i)︱i=1,2,…,N)；

4）通过Henon加密算法产生与原始语音信号x(n)等长的随机序列S1，将随机序列S1按照降序排列得到序列S′1，且序列S′1与x(n)是一对一的映射关系；通过该映射关系把x(n)赋值到S′1，接着把赋值后的S′1恢复到未排序的状态，即对原始语音形成了置乱加密序列x′(i)；

最后设置一个位长为32字节的私钥Sk，对原始语音x(n)进行迭代加密，得密文F′′(l)；

加密过程：

a.将原始语音x(n)和哈希索引h分别通过私钥Sp进行置乱加密，生成密文数据1，密文数据1用F′表示；

b.设置SHA256长为32字节的初始密钥SK，且SK(m)取值区间为[0,255]；

c.将密文数据1与密钥SK(l,m)进行每次32位的迭代加密，生成密文数据2，密文数据2用F′′表示：F′′=SK×F′

式中：SK是经过迭代后总的密钥，其中下一组私钥是由上一组迭代产生的：SK(i+1)=sha256(F′′(i))

5）将哈希索引和密文送至云端，并且在云端建立对应的哈希索引表；

步骤2：检索

初次检索

1）先按步骤1中的步骤1）和步骤1）产生特征参数向量V′，并对特征参数向量V′进行二值化处理，得到差分哈希向量，然后将差分哈希向量求和并与步骤1中的步骤5）得到的差分哈希表进行哈希匹配；若匹配失败，则直接将检索结果反馈给用户；若匹配成功，则执行步骤1中的步骤3）和步骤4）；

2）接着将特征参数向量V送至对应的生物特征模板，得到哈希索引h′1；

3）将待检索语音x′(n)在哈希索引表中的地址和哈希索引送至云端；

4）对于云端返回的结果，若检索失败，则直接将检索结果反馈给用户；若检索成功，则执行步骤1中的步骤3）；

5）步骤1中的步骤4）的逆方向对加密语音进行解密，然后将解密后语音按照步骤1中的步骤2）和步骤3）产生哈希索引h′′，并将该哈希索引h′′与云端返回的哈希索引h′进行比对，并判断语音是否遭到恶意攻击；

6）将检索结果和移动端比对结果一起反馈给用户；

再次检索

Ⅰ.根据移动端提供的待检索语音x′(n)在哈希索引表的地址，计算待检索语音x′(n)的哈希索引h′1与云端哈希索引表地址对应的哈希索引h′2的汉明码距；

Ⅱ.将检索结果反馈给用户，而且，只有当汉明码距小于门限值时，才将哈希索引h′2和加密语音同时传送给移动端。

2.如权利要求1所述的基于特征融合的长序列生物哈希密文语音检索方法，其特征在于，所述步骤2的初次检索的步骤5）中，解密采用的改进的SHA256的解密过程：首先，采用密钥SK(l,m)将密文数据2进行迭代解密，生成密文数据1；然后，将密文数据1通过逆置乱恢复原始数据。