基于时延嵌入式隐马尔科夫模型的癫痫脑电分类算法

癫痫脑电的分类识别能够为癫痫的预警和病程的发展监测提供强有力的技术支持。传统的癫痫脑电分类识别方法需要从较长的时间序列中提取特征,难以刻画大脑的瞬态变化,检测低效且耗时,降低了癫痫预警的有效性。针对上述问题,提出一种基于隐马尔科夫模型的癫痫脑电分类算法。该方法通过时延嵌入式隐马尔科夫模型(time-delay embedded hidden Markov model,TDE-HMM)对脑电进行状态估计,并提取状态序列中的状态切换特征,通过多层感知机(multiple layer perceptron,MLP)实现对不同癫痫发作阶段脑电的有效辨识。实验结果表明,相较于小波变换、微分熵等传统特征,所提方法准确率高,能够有效刻画癫痫不同阶段的大脑状态变化,为癫痫脑电的分类识别和状态分析提供了新的备选方案。

智能仪器嵌入式声纹识别技术方法

在仪器上嵌入语音识别技术对提高仪器的智能性、方便性和玩具的趣味性具有重要意义和作用。利用嵌入式技术与仪器仪表的制造技术相结合的方法广泛地应用于各个领域,德国开发的汽车车载声控系统、日本研制的能识别主人声音的智能玩具等。安防仪器中嵌入语音识别技术的作用更为突出,是解决身份被盗、证件丢失及假冒等造成安全问题的很有效方法。嵌入式声纹识别门禁系统是在对语音识别技术进行了大量研究,对这个领域主要技术、工作流程及各部分采用的方法进行细致分析的基础上提出的。该系统是对传统隐马尔科夫模型Baum - Welch训练算法的改进,同时提出“多方法多门限关联识别”技术,部分解决了说话人识别中“阈值设置”这一难点,提高了正识率与系统效率。该系统嵌入到门锁中,体积小、智能程度高。试用证明了此方法对系统改进的有效性,为开发智能化仪器提供了一个较好技术和方法。

嵌入式数字语音拨号系统的研究与实现

将语音识别技术应用于拨号系统,在嵌入式平台上实现了一款针对非特定人的数字语音拨号系统。语音识别算法中选择梅尔频率倒谱系数为特征参数,连续隐马尔科夫模型。为训练和识别过程模型,利用Qt界面对识别过程进行控制,系统针对非特定人数字语音识别进行实验。结果表明,系统针对非特定人识别率达到了98%,识别时间为3.55 s。识别率和实时性都满足语音拨号的需求。

基于HTK的嵌入式猪只声音识别系统设计

为了对猪只异常状态进行检测,本文设计了一种基于嵌入式平台的猪只声音识别系统,该系统以S3C2440芯片为微处理器,以Linux为操作系统,以QT为显示界面,并通过移植基于隐马尔科夫模型算法的语音识别工具箱HTK,实现了自动识别猪只不同状态的声音。经过实验验证表明,本系统达到了预期的实验效果。

基于震动信号的异常步态识别

异常步态的识别对老年人的健康看护有很大帮助.现有的相关研究主要通过图像采集设备或穿戴设备获取相关特征信息进行识别,这些方法大多都具有侵入性或对用户有较高的操作要求.本文研究实现了一种基于对脚步震动信号为识别源进行异常步态和跌倒检测的系统原型,该系统通过本文设计的应用于大范围数据采集的多传感器协同信号采集方法采集信号,从中分割出有效部分作为活动元,去噪后再使用改进的动态时间规整算法(Dynamic Time Warping,DTW)计算出代表活动元之间差异性的异常指数,接着由K最近邻(K-Nearest Neighbor,KNN)算法分类异常指数,得到初步表征用户步态的推测值,最后由隐马尔科夫模型(Hidden Markov Model,HMM)进一步处理推测值,识别出用户的步态.实验结果表明,本文提出的方法能够有效在不同的步态模式下识别异常步态,在稳定的环境中识别准确率达到96%,在具有不稳定地板的环境中准确率为94%.

基于Gabor特征和EHMM的人脸识别方法

针对传统人脸识别方法在受到表情、姿态和光照等影响时存在鲁棒性差的问题,提出了一种改进的人脸识别方法。在特征提取上,该方法首先提取人脸的Gabor特征,接着利用DCT(discrete cosine transform)压缩使得相似特征得到聚合,最后利用PCA(principal component analysis)分别筛选出最能够代表人脸各个区域的DCT系数。在识别方法上,该方法采用了嵌入式隐马尔科夫模型(embedded hidden markov model,EHMM),并基于人脸的认知结构信息对嵌入式隐马尔可夫人脸结构模型进行了改进。对比实验结果表明,该方法识别率高,复杂度低,并具有较好的鲁棒性,易于在工程上应用。

非特定人语音识别关键技术研究

针对市场上语音识别系统难以个性化更改关键词识别列表、实时性不佳等问题,文中设计了一款基于嵌入式的非特定人语音识别系统。该系统具有可个性化设置识别列表、完成非特定人语音识别等功能。通过对不同说话人的语音进行测试表明,该设计达到了预期效果,在相对安静的条件下,系统的识别率接近95%,且操作便捷、算法简单,具有很好的实时性,可进一步运用于与语音识别相关的电子产品中。