默想语音识别:算法研究
通过无声脑机接口提取人脑默想语音信号,并准确解析信号特征,能够达到间接解码语言中枢的目的。相关技术的研究能够为特殊人群,如肌肉萎缩症或者脑中风患者(若不借助工具则无法像健康人一样说话)带来希望。本文从人脑信号识别的研究范式出发,基于神经血管耦合规律、脑耳反射机制和近红外散射成像原理,梳理了在人脑默想语音时使用近红外脑机接口提取耳额穴信号的方法,再分别从混沌角度和瞬时能量角度分析信号的非线性特征,利用混沌算法和锋电位检测算法解码了人脑默想语音信号。 本研究主要内容包括:⑴默想语音信号具有混沌性。实验中,吸引子、李雅普诺夫指数和分形维数表征了默想语音信号的混沌特征:默想语音信号的最大李雅普诺夫指数均大于0;不同音素的吸引子呈现不同形态,相同音素的吸引子形态相似,且均为不规则曲线;默想汉字信号具有分形特征,计盒维数在1.5至2之间,大约在1.66左右,女性的计盒维数值大于男性。⑵通过非线性能量算子提取出默想不同汉字的细致的锋电位特征:相同汉字,其锋电位主要特征相似;不同的汉字,其锋电位主要成分不同;相同单字锋电位的识别率能够达到60%左右;双字的锋电位图复杂,识别率较低,但其和对应单字锋电位图中的音素特征具有一致性。由此可见,通过有效的非线性算法分析提取出的默想信号,能够识别出人脑默想语音时的不同特征。
人机交互;语音识别;信号处理;非线性算法
苏州大学
硕士
微电子学与固体电子学
李文石
2014
中文
TN912.34;TN911.7
61
2014-09-17(万方平台首次上网日期,不代表论文的发表时间)