• Communities & Collections
    • By Issue Date
    • Authors
    • Titles
    • Subjects
    • Multimedia
    • español
    • English
    • português (Brasil)
  • Browse 
    • Communities & Collections
    • By Issue Date
    • Authors
    • Titles
    • Subjects
    • Multimedia
  • English 
    • español
    • English
    • português (Brasil)
  • Login
View Item 
  •   Institutional repository ITM
  • Revistas Científicas
  • TecnoLógicas
  • Edición Especial (2013)
  • View Item
  •   Institutional repository ITM
  • Revistas Científicas
  • TecnoLógicas
  • Edición Especial (2013)
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Browse

All of ITMCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsMultimediaThis CollectionBy Issue DateAuthorsTitlesSubjectsMultimedia

My Account

LoginRegister

Statistics

View Usage Statistics

Procesamiento de Señales Provenientes del Habla Subvocal usando Wavelet Packet y Redes Neuronales

Thumbnail
View/Open
371-Manuscrito-537-1-10-20170217.pdf (487.9Kb)
Share this
Date
2013-11-19
Author
Mendoza, Luis E.
Peña, Jesus
Muñoz-Bedoya, Luis A.
Velandia-Villamizar, Hernando J.
Keywords
Electromiografía; habla subvocal; wavelet packet; redes neuronales
Metadata
Show full item record
PDF Documents
Abstract
Este artículo presenta los resultados obtenidos del registro, procesamiento, reconocimiento y clasificación de palabras del lenguaje español mediante el análisis de las señales de voz de habla subvocal. El trabajo en conjunto será en un futuro enfocado en aplicaciones de telecomunicaciones como: chat para sordo mudos. La base de datos procesada está conformada por seis palabras (adelante, atrás, derecha, izquierda, iniciar y parar). Las señales fueron sensadas con electrodos superficiales dispuestos en la superficie de la garganta y adquiridas con una frecuencia de muestreo de 50 Khz. El acondicionamiento de las señales consistió en: la ubicación de la zona de interés mediante análisis de energía, y el filtrado usando Transformada Wavelet Discreta. Finalmente, la extracción de características se hizo en el dominio del tiempo-frecuencia empleando Wavelet Packet y técnicas estadísticas por ventaneo. La clasificación se llevó a cabo con una Red Neuronal por Retropropagación cuyo entrenamiento se realizó con el 70% de la base de datos obtenida. El porcentaje de acierto encontrado fue de 75%±2.
URI
http://hdl.handle.net/20.500.12622/658
Collections
  • Edición Especial (2013) [60]

Departamento de Biblioteca y Extensión Cultural
bibliotecaitm@itm.edu.co

Contact Us | Send Feedback