Procesamiento de Señales Provenientes del Habla Subvocal usando Wavelet Packet y Redes Neuronales
Este artículo presenta los resultados obtenidos del registro, procesamiento, reconocimiento y clasificación de palabras del lenguaje español mediante el análisis de las señales de voz de habla subvocal. El trabajo en conjunto será en un futuro enfocado en aplicaciones de telecomunicaciones como: cha...
- Autores:
-
Mendoza, Luis E.
Peña, Jesus
Muñoz-Bedoya, Luis A.
Velandia-Villamizar, Hernando J.
- Tipo de recurso:
- Article of journal
- Fecha de publicación:
- 2013
- Institución:
- Instituto Tecnológico Metropolitano
- Repositorio:
- Repositorio ITM
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.itm.edu.co:20.500.12622/658
- Acceso en línea:
- https://revistas.itm.edu.co/index.php/tecnologicas/article/view/371
http://hdl.handle.net/20.500.12622/658
- Palabra clave:
- Electromiografía
habla subvocal
wavelet packet
redes neuronales
Electromyography
subvocal speech
wavelet packet
neuronal networks
- Rights
- License
- Copyright (c) 2017 Tecno Lógicas
Summary: | Este artículo presenta los resultados obtenidos del registro, procesamiento, reconocimiento y clasificación de palabras del lenguaje español mediante el análisis de las señales de voz de habla subvocal. El trabajo en conjunto será en un futuro enfocado en aplicaciones de telecomunicaciones como: chat para sordo mudos. La base de datos procesada está conformada por seis palabras (adelante, atrás, derecha, izquierda, iniciar y parar). Las señales fueron sensadas con electrodos superficiales dispuestos en la superficie de la garganta y adquiridas con una frecuencia de muestreo de 50 Khz. El acondicionamiento de las señales consistió en: la ubicación de la zona de interés mediante análisis de energía, y el filtrado usando Transformada Wavelet Discreta. Finalmente, la extracción de características se hizo en el dominio del tiempo-frecuencia empleando Wavelet Packet y técnicas estadísticas por ventaneo. La clasificación se llevó a cabo con una Red Neuronal por Retropropagación cuyo entrenamiento se realizó con el 70% de la base de datos obtenida. El porcentaje de acierto encontrado fue de 75%±2. |
---|