基于EMG信号的无声语音识别应用及实现

提出了基于肌电信号（EMG）的无声语音识别系统。由于该系统是通过EMG信号而非声音信号进行识别,因此可应用于高噪声环境和帮助失去发音能力的人实现无声交流,有着良好的应用前景。关于该系统的实现,提出了以下方法：实验时使用0—9十个中文数字,由受试者不发声地重复说出,从三块面部肌肉采集EMG信号;对EMG信号进行小波变换,获取变换系数矩阵后提取其能量值,构造特征矢量送入BP神经网络分类器分类。实验表明,基于小波变换的特征提取方法是一种有效的方法．适用于类似EMC信号的非平稳生理信号。     

一种快速离散小波变换算法及其在语音信号中的应用

随着小波分析的理论研究水平不断提高,其应用领域也在不断扩展。特别是其多分辨率分析和Mallat算法在数字信号处理和数字通信中得到了广泛的应用。但是如果直接按照上述算法计算信号的小波分解和重构,其计算量将是很大的。通过对实序列的快速傅里叶变换(FFT)算法的推导及Mallat算法原理的分析,根据离散小波变换算法结构特征,提出了一种基于FFT的快速离散小波变换算法,并从数学理论上进行了论证。同时把该算法应用到实际的语音信号处理中,得到了很好的快速分解和重构效果。     

调频连续波雷达信号调制方式识别算法研究

提出了一种识别调频连续波雷达信号调制方式的算法.采用短时傅里叶变换得到信号的时频变化曲线,将信号调制方式的识别问题转化为周期性曲线类型的识别.对周期性曲线的频谱进行特征分析,根据谐波成分的差异,实现曲线类型的正确识别,进而得到信号的调制方式.仿真结果表明,该算法能够正确识别常用的调频连续波雷达信号的调制方式,而且在信噪比为-10 dB时仍然具有很好的性能.     

基于温度调制的气体传感器动态信号识别研究

利用4只掺杂Pt的SnO2微热板气体传感器组成传感器阵列来识别三种不同的工业气体（ CO, CH4和C2 H5 OH）,传感器加热分别采用了三角波、正弦波、锯齿波和脉冲波四种温度调制模式。然后将得到的传感器动态响应信号进行短时傅里叶变换（ STFT）提取特征信息,并结合主成分分析（ PCA）方法将特征信息进行降维处理,发现调制周期对气体种类影响较小。最后利用决策树识别三种不同的气体,识别准确率较高。实验结果证明了该算法的正确性和可行性。     

基于深度卷积神经网络的语音信号去噪关键技术研究

随着人工智能技术的不断创新发展,语音识别技术一直在迭代升级,而语音去噪是语音识别领域中关键研究点之一.由于这些外界干扰声的存在,就使得原本的语音信号变得不再纯净,或多或少会对所需传输的语音信号有所影响.传统的信号分析以傅立叶变换为基础,但傅立叶分析属于全局变换,变换只能全部在时域变换或在频域变换.因此,傅里叶变换不能获...     

语音识别技术和应用

一、一般概念 语音识别的终极目标就是研制出一台能听懂任何人、任何内容的讲话的机器。很显然目前的技术水平还难以使得计算机与人类之间的语音交流变得和人与人之间的对话那么自如、方便。甚至曾有专家比喻其难度要超过“人类登上月球”!我们今天进行这一领域的研究与开拓就是要让语音识别技术走入人们的日常生活当中,并不断朝着最高目标而努力。 1.语音识别系统的分类 语音识别系统会有不同的系统设计和实现,因而会有不同的应用范围及限制。现在举出几个比较重要的不同的操作方式,及其可能的应用范围。     

基于功率谱差分的语音特征及其在带噪语音识别中的应用

文章提出了一种抗噪声的语音特征。首先让语音信号的功率谱通过一组带通滤波器,再计算各滤波器输出的差分值。理论分析和实验一致证明,以此作为语音信号的特征,可以大幅度提高语音识别系统在噪声环境中的性能。     

递归时频重排算法在跳频信号参数估计中的应用

为了有效分析跳频信号并估计其参数, 引入一种短时傅里叶变换的快速算法, 为改善其时频聚集性, 将该算法推广到重排域。该算法降低了参数估计的算法复杂度。最后,在跳频系统中对该算法的性能进行了仿真与分析。     

基于肌电信号和姿态信号的手势识别

针对仅利用手臂表面肌电(EMG)信号难以准确识别手指动作的问题,提出了将手指关节的姿态信号与表面EMG信号融合用于识别手指姿势的方法。利用MYO手环同步采集手臂的8组肌电信号,同时利用姿态传感器采集手指运动时的三维角度信息。采用滑动平均能量法,依据采集到的原始EMG信号进行活动段检测,提取出执行有效动作过程中的相关信号,并分别采用绝对值均值(MAV)和标准差(SD)对该部分的肌电信号和角度信号提取特征。将提取的特征值作为SVM多类分类器的输入,用于识别手势动作。实验结果表明:融合手指角度信号可有效提高手指动作的识别率,整体识别率达到99. 3%。     

Transputer application to speech recognition

Use of the architectural features of transputers to provide realtime matching of speech recognition is considered. The dynamic time warping algorithm has been implemented in occam and tested initially for matching a single word against a single template. The implementation has been extended to the multitemplate case and preliminary results for this are given. Logical extension to a multitransputer system is also discussed. The single-transputer implementation has been undertaken using a T414 transputer resident in an IBM XT personal computer on an Inmos B004 evaluation board with 2 Mbyte of RAM.     

EMG pattern classification using SOFMs for hand signal recognition

 We propose a method of pattern classification of electromyographic (EMG) signals using a set of self- organizing feature maps (SOFMs). The proposed method is simple to apply in that the EMG signals are directly input to the SOFMs without preprocessing. Experimental results are presented that show the effectiveness of the SOFM based classifier for the recognition of the hand signal version of the Korean alphabet from EMG signal patterns.     

基于小波变换的表面肌电信号的情感识别

情感识别是情感计算的一个关键问题。针对表面肌电信号（EMG）的非平稳性,采用小波变换方法对表面肌电信号进行分析,提取小波系数最大值和最小值构造特征矢量输入用L-M算法改进的BP神经网络分类器进行情感状态识别。实验表明,用表面肌电信号对joy、anger、sadness、pleasure 4种情感识别效果较好。也说明用小波变换方法提取特征,用神经网络作分类器的方法用于情感识别有很大的应用前景。     

基于肌电信号和加速度信号的动态手势识别方法

为了增强手势识别的多样性和简便性,提出了一种基于肌电信号（EMG）和加速度（ACC）信息融合的方法来识别动态手势。首先,利用MYO传感器采集EMG和ACC的手势动作信息;然后分别对ACC和EMG信号作特征降维和预处理;最后,为减少训练样本数,提出用协作稀疏表示分类器来识别基于ACC信号的姿态手势,用动态时间规整（DTW）算法和K-最邻近分类器（KNN）来分类EMG信号的手形手势。其中在利用协作稀疏表示分类器识别ACC姿态信号时,通过对创建字典最佳样本个数以及特征降维的维数进行研究来降低手势识别的复杂度。实验结果表明,手形手势的平均识别率达到了99.17%,对于向上向下、向左向右4种姿态手势平均识别率达到 96.88%,而且计算速度快;对于总体的12个动态手势,其平均识别率达到96.11%。该方法对动态手势的识别率较高,计算速度快。     

基于熵和PSO优化SVM的肌电信号跌倒识别

跌倒对老年人的健康构成严重危害,设计了一种基于肌电信号的跌倒识别方法,可用于跌倒检测报警。该方法首先对表面肌电动作信号进行小波包分解,再依据信号特征选取信号的低频分量并重构,计算其排列组合熵,最后以4路肌电信号对应的排列组合熵组成的特征向量输入SVM进行模式识别并采用粒子群算法对SVM中惩罚参数c和核函数参数g进行优化,对8种动作进行识别实验,跌倒识别率88%,特异度98.3%,平均识别率97.0%,优于网格法和遗传算法支持向量机（GA-SVM）的参数优化,具有较强的鲁棒性和抗干扰能力。     

改进的禁忌搜索算法在肌电信号情感识别中的应用

针对基于肌电(EMG)信号的情感识别问题,提出了一种新颖的特征选择方法.该方法用相关性分析对原始特征降维,再利用改进的禁忌搜索算法结合Fisher分类器,对高兴、厌恶、悲伤、惊奇、愤怒和恐惧6种肌电信号的情感进行特征选择.实验结果表明,该方法能以较少的特征获得较高的识别率,得到了有利于情感识别系统建立的有效特征子集.     

基于表面肌电信号小波包熵的情感识别

情感识别是情感计算的一个关键问题。针对表面肌电信号（EMG）的非平稳性,根据小波包变换在不同时频段均能精确的刻画信号,并提供丰富模式信息的特点,提出利用小波包熵方法对不同情感状态下的表面肌电信号进行分析。实验表明,该方法对情感的唤醒度识别效果较好。     

语音识别在MP3播放器上的应用

介绍了基于DSP的语音识别在MP3播放器上的应用。对语音识别部分软硬件进行了设计,通过对语音信号的识别,实现语音控制MP3播放器的操作。     

多类分类预选取的SVM在语音识别中的应用

支持向量机在训练过程中,将很多时间都浪费在对非支持向量的复杂计算上,特别是对于大规模数据量的语音识别系统来说,支持向量机在训练时间上不必要的开销将会更加显著。核模糊C均值聚类是一种常用的典型动态聚类算法,并且有核函数能够把模式空间的数据非线性映射到高维特征空间。在核模糊C均值聚类的基础上,结合了多类分类支持向量机中的一对一方法,按照既定的准则把训练样本集中有可能属于支持向量的样本数据进行预选取,并应用到语音识别中。实验取得了较好的结果,该方法有效地提高了支持向量机分类器的学习效率和泛化能力。