RECONHECIMENTO DA FALA SUBVOCAL BASEADO EM ELETROMIOGRAFIA DE SUPERFÍCIE (EMG) UTILIZANDO ANÁLISE DE COMPONENTES INDEPENDENTES (ICA) E REDE NEURAL MLP

Made available in DSpace on 2016-08-17T14:52:36Z (GMT). No. of bitstreams: 1 Jose da Assuncao Gomes Mendes.pdf: 1427998 bytes, checksum: 6d9df0350d0b7acb752ecadbcfc1825d (MD5) Previous issue date: 2007-12-19 === The performance of speech recognition systems is commonly degraded by either speech-...

Full description

Bibliographic Details
Main Author: Mendes, José da Assunção Gomes
Other Authors: Labidi, Sofiane
Format: Others
Language:Portuguese
Published: Universidade Federal do Maranhão 2016
Subjects:
ICA
Online Access:http://tedebc.ufma.br:8080/jspui/handle/tede/284
Description
Summary:Made available in DSpace on 2016-08-17T14:52:36Z (GMT). No. of bitstreams: 1 Jose da Assuncao Gomes Mendes.pdf: 1427998 bytes, checksum: 6d9df0350d0b7acb752ecadbcfc1825d (MD5) Previous issue date: 2007-12-19 === The performance of speech recognition systems is commonly degraded by either speech-related disabilities or by real-world factors such as the environment s noise level and reverberation. In this research, we propose a subvocal speech recognition system based on electromyography (EMG signal) for subvocal acquisition, Independent Component Analysis (ICA) for feature extraction and Neural Networks MLP for classification. We have evaluated the system s performance using a subvocal vowel phonemes database. According to the results, the methodology proposed obtained a success rate of 93.99%. === O desempenho dos sistemas de reconhecimento da fala é comumente degradado por incapacidades relacionadas com a fala ou por através de fatores do mundo real tais como nível de ruído do ambiente e reverberação. Nesta pesquisa, nós propomos um sistema de reconhecimento subvocal da fala. Este sistema é baseado em Eletromiografia de superfície (sinal EMG) para aquisição de dados subvocais, Análise de Componentes Independentes (ICA) para extração das características e Rede Neural MLP para classificação. Nós avaliamos o desempenho do sistema usando um banco de dados dos fonemas das vogais subvocais. De acordo com os resultados obtidos, a metodologia proposta obteve uma taxa de sucesso de 93,99%.