Algoritmo para la clasificación en línea de fonemas de habla silenciosa utilizando un sistema embebido

Abstract

Durante el desarrollo de este proyecto se analizaron metodologías para la clasificación de fonemas del habla silenciosa basadas en EMD (Empirical mode decomposition). Este análisis tuvo lugar en la Universidad Nacional de Colombia (UNAL) sede Bogotá, con los datos de la base de datos Emotive-DB tomada con el equipo EMOTIVE EPOC +14, la cual contiene la información de 16 sujetos, mientras pensaban en los fonemas /a/, /e/, /i/, /o/, /u/, y las sílabas /fa/, /pe/, /mi/, /lo/, /ru/. En el proceso, se analizó la afectación en los resultados y el tiempo de procesamiento, en relación con las variables superposición, frecuencia de muestreo, cantidad de canales, entre otras; tras dicho análisis, se seleccionó y trató el número de canales, la distribución de electrodos y los vectores de proyección en la descomposición EMD; con lo cual se logró disminuir el tiempo de procesamiento promedio por trial de 8.73 segundos hasta 0.06 segundos, permitiendo así la posibilidad de implementarse en un sistema en línea. (Texto tomado de la fuente)

During the development of this project, methodologies for the classification of phonemes of silent speech based on EMD (Empirical mode decomposition) were analyzed. This analysis took place at the National University of Colombia (UNAL) in Bogotá, with data from the Emotive-DB database taken with the EMOTIVE EPOC + 14 equipment, which contains the information of 16 subjects, while they thought about the phonemes / a /, / e /, / i /, / o /, / u /, and the syllables / fa /, / pe /, / mi /, / lo /, / ru /. In the process, the effect on the results and the processing time were analyzed, in relation to the variables superposition, sampling frequency, number of channels, among others. After said analysis, the number of channels, the electrode distribution and the projection vectors in the EMD decomposition were selected accordingly. As a result, it was possible to reduce the average processing time per-trial from 8.73 seconds to 0.06 seconds, thus allowing the possibility of being implemented in an online system.