文献

J-GLOBAL ID：202002256464397595   整理番号：20A1714552

筋電信号に基づく無声音声認識アルゴリズム【JST・京大機械翻訳】

Unvoiced Speech Recognition Algorithm Based on Myoelectric Signal

著者 (6件)： He Jianrong (The Key Lab of IMS, School of ECE, Peking University Shenzhen Graduate School, Shenzhen, China) ,  Wang Xin’an (The Key Lab of IMS, School of ECE, Peking University Shenzhen Graduate School, Shenzhen, China) ,  Zhang Xing (The Key Lab of IMS, School of ECE, Peking University Shenzhen Graduate School, Shenzhen, China) ,  Wang Bo (The Key Lab of IMS, School of ECE, Peking University Shenzhen Graduate School, Shenzhen, China) ,  Li Qiuping (The Key Lab of IMS, School of ECE, Peking University Shenzhen Graduate School, Shenzhen, China) ,  Qiu Changpei (The Key Lab of IMS, School of ECE, Peking University Shenzhen Graduate School, Shenzhen, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICMLC 2020  ページ： 450-456  発行年： 2020年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文は,中国語発音認識の応用における筋電信号に基づく自動音声認識の研究を提示した。顔の筋電信号記録は構音装置を記録し,従って,サイレンスにおいても話し言葉を認識できる。この方法で,通信は環境雑音の影響を受けず,言語困難の患者に使用できる。活性部分は,閾値比較と組み合わせた移動平均法により元のデータからセグメントであった。MES特性に従って,時間領域と周波数領域の係数,ウェーブレットエネルギーおよびメル周波数ケプストラム係数を,音声認識のためのオリジナルデータから選択した。主成分分析(PCA)法を適用して,次元を減らし,24次元特徴ベクトルを生成した。最適化したパラメータを持つ異なる分類器を調べ,サポートベクトルマシン分類器が全ての中で最良であることを見出した。著者らの最終システムは,10の中国語デジタル単語タスクで90.04%の正確性率を達成した。したがって,この手法は,サイレント音声の応用において,強力なポテンシャルの中で筋肉音声認識をもたらすことができる。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *音声認識 ,  最適化 ,  警報装置 ,  特徴抽出 ,  波束 ,  中国語 ,  発音 ,  主成分分析 ,  単語 ,  周波数領域 ,  サポートベクトルマシン
準シソーラス用語： 特徴ベクトル ,  自動音声認識 ,  *筋電信号 ,  構音 , 【Automatic Indexing@JST】

著者キーワード (6件)： メル周波数ケプストラム係数(MFCC) ,  音声認識 ,  特徴抽出 ,  筋電信号(MES) ,  セグメンテーション ,  サポートベクトルマシン(SVM)

分類 (2件)： パターン認識  (JE07000S) ,  音声処理  (JE05000E)

タイトルに関連する用語 (4件)： 筋電信号 ,  無声 ,  音声認識 ,  アルゴリズム