Procesamiento de Señales Provenientes del Habla Subvocal usando Wavelet Packet y Redes Neuronales

Abstract

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.

Sub auditory speech recognition based on EMG signals

“…La Tabla 2 resume la efectividad de las pruebas, realizando la comunicación inalámbrica de los patrones característicos entre los dos sistemas desarrollados; el porcentaje de efectividad es calculado a partir de la ecuación (8). El promedio de clasificación para validación del sistema de comunicación de la persona 1 obtuvo un acierto del 72.5 %; para la persona 2 se obtuvo un acierto del 66 %, lográndose demostrar así que se pueden procesar señales EMG usando sistemas embebidos, como Raspberry Pi.…”

Desarrollo de un sistema de comunicación silenciosa dual basado en habla subvocal y Raspberry Pi

“…Como se observa en la Tabla 1, los mejores porcentajes de clasificación se lograron aplicando wavelet a la zona de interés de las señales, seleccionando el coeficiente de detalle, análisis de entropía y normalización. La efectividad del algoritmo de clasificación varía dependiendo de factores como la disposición de los electrodos, la humedad relativa, la calidad de los sensores, la preparación de la piel en el sitio de registro y de la persona testeada [8].…”

“…En cuanto a los desarrollos que han presentado otros autores, se destacan [1,[7][8][9][10][11], que registran las señales del habla subvocal para controlar computadores, sillas de ruedas y escribir. En estos trabajos se han aplicado diferentes técnicas matemáticas, como el análisis de Fourier y la transformada discreta del coseno, en donde se buscan las componentes de frecuencia más representativas de cada grupo de datos.…”

Rehabilitador de tobillo mediante identificación de señales electromiográficas clasificadas con Redes Neuronales

“…Un potencial de acción de la unidad motora (MUAP) se origina en el cerebro que es el emisor de pulsos eléctricos encargados de manipular una unidad motora comprendida de varias fibras musculares interconectadas por tejidos con una base celular agrupada de manera estructural sólida y resistente llamados tendones (Ceres, Ángel Mañanas, & María Azorín, 2011). Esta base neurosensorial que maneja una diferencia de potencial eléctrico de ±80 mV de forma constante y sin atenuación, se propaga por la contracción y relajación muscular, por esta razón; a estas señales se las denomina electromiográficas, dentro de un patrón de trenes de pulso que relacionan un movimiento o reacción muscular al cumplir con las relaciones de construcción de actividades, con la intervención simultánea de los músculos coordinados por el cerebro (Mendoza, Peña, Muñoz-Bedoya, & Velandia-Villamizar, 2013): .Cuando la actividad sensorial resulta de las señales electromiográficas abre una puerta a la experimentación del comportamiento de estas con diferentes circunstancias externas de oposición al movimiento, las variables dentro de este campo de estudio serán conocidas por sus siglas EMG (Romo et al, 2007). Para cada movimiento le acompañan múltiples combinaciones de estímulos eléctricos, convertirlos en movimientos es función del sistema nervioso central, que dependen de la actividad producida en la célula externa de fibras musculares alteradas la magnitud de amplitud de señal.…”

“…En la biomedicina se ha estructurado parámetros de estudio desde la monitorización activa de músculos involucrados con el movimiento que comparten señales generadas desde el cerebro (Ceres et al, 2011), estudiando su comportamiento amplitud, variabilidad, esfuerzo, términos de patrones de activación muscular y frecuencia de aparición, promediando parámetros espaciotemporales y EMG (Lopez, López, Sánchez, & Correa, 2015). A lo largo de numerosos movimientos secuenciales en la rehabilitación de la articulación, se obtiene datos EMG combinados con parámetros diferentes para cada movimientos en las rutinas de reafirmación muscular, gracias a esto se obtie-ne sincretizando y combinando los patrones de movimiento con los patrones de adquisición EMG (Mendoza et al, 2013) y juntos son realimentados en un prototipo de red clasificador neuronal («Universidad Santo Tomás», 2015. ).…”