基于LSTM网络的语音特征信号分类技术研究

代巧利，张朝亮

（1.武警湖北省总队参谋部，湖北 武汉 430000；2.海军工程大学电气工程学院，湖北 武汉 430033）

0 引言

随着机器学习与人工智能技术的飞速发展，语音识别在通信、智能家居、医疗、军事等方面逐渐得到了广泛运用。在语音信号识别中应用非常广泛的一种方法是梅尔倒谱系数[1]。它基于一组非线性的特征参数，能有效结合语音机理，通过计算分析语音波形及行为特征的语音参数进行有效的判断。而识别方法应用比较广泛的有隐马尔可夫模型、高斯混合模型、支持向量机模型和神经网络等。人工神经网络通过模仿生物神经网络的行为特征原理，以类似大脑处理信息的方式建立数学模型[2]，输出值能够相当逼近真实值或给出逻辑判断。

深度学习是神经网络研究的热点，包含多种有效的方法，如深度置信网络DBN、循环神经网络RNN、卷积神经网络CNN等。而长短期记忆模型循环神经网络LSTM[3]可以算是RNN网络的代表，在处理像序列语音信号数据[4-5]时能够取得非常好的效果。在深度学习算法实验时需要编写大量的代码，为避免重复、提高研究效率，优秀的研究者们将代码整合成框架发布，其中比较优秀的有Tensorflow、Caffe、Torch和PyTorch等。

本文基于Tensorflow框架，采用LSTM网络，开展了语音特征信号分类研究。

1 语音通信与特征分类

语音识别分类过程主要包括，信号采集与预处理、特征提取、识别与分类等步骤。

语音信号采集是将声音通过麦克风等设备输入计算机，预处理对信号进行滤波进而滤除噪声。……