Abstract
Presenta una metodología novedosa para establecer una comunicación silenciosa dual basada en habla subvocal, para ello se desarrollaron dos sistemas electrónicos que registran las señales bioeléctricas que llegan al aparato fonador, generadas al momento de realizar el proceso de lectura silenciosa por el individuo. Estos sistemas están basados en tres etapas fundamentales, la primera es la de adquisición, encargada de extraer, acondicionar, codificar y transmitir las señales electromiográficas del habla subvocal hacia la segunda etapa, denominada de procesamiento, en esta etapa, implementada en un sistema Raspberry Pi, se desarrollaron los procesos de almacenamiento, acondicionamiento, extracción de patrones y clasificación de palabras, utilizando técnicas matemáticas como: Entropía, análisis Wavelet y Máquinas de Soporte Vectorial de Mínimos Cuadrados, implementadas bajo el entorno libre de programación Python, finalmente, la última etapa del sistema se encargó de comunicar inalámbricamente los dos sistemas electrónicos, utilizando 4 clases de señales, para clasificar las palabras hola, intruso, ¿hola cómo estás? y tengo frío.Adicionalmente, en este artículo se muestra la implementación del sistema para el registro de señales de habla subvocal. El porcentaje de acierto promedio general es de 72.5 %. Se incluyen un total de 50 palabras por clase, es decir, 200 señales. Finalmente, se pudo demostrar que usando una Raspberry Pi es posible establecer un sistema de comunicación silenciosa a partir de las señales del habla subvocal.
Highlights
In this device was implemented the processing, as it is called the second stage, which besides to store, assumes conditioning, extraction and pattern classification of subvocal speech signals
Mathematical techniques were used as Entropy, Wavelet analysis, Minimal Squares and Vector Support Machines, which were applied in Python free environment program
In the last stage in charge to communicate by wireless means, were developed the two electronic systems, by using 4 signal types, to classify the words: Hello, intruder, hello how are you? and I am cold to perform the silent communication
Summary
Actualmente, el estudio del Habla Subvocal (HSV) ha venido creciendo de manera abrumadora, debido a las grandes aplicaciones que se han logrado desarrollar en áreas como la ingeniería, las comunicaciones militares y el sector salud, entre otras [1,2,3]. Finalmente, este artículo presenta un aporte significativo y novedoso en el cual se lograron implementar, en un sistema embebido Raspberry Pi (sistema embebido capaz de procesar información con la misma capacidad de una computadora) y bajo programación Python, técnicas de procesamiento basadas en el plano tiempo- frecuencias, extracción de patrones y de clasificación, como la transformada Wavelet discreta, que es una técnica de análisis de multirresolución que permite descomponer una señal en múltiples señales de diferentes frecuencias; Entropía de Shannon, que permite obtener un valor de la importancia que tienen ciertos conjuntos de datos con respecto a otros, y Máquinas de Vector Soporte de Mínimos Cuadrados, que es una técnica que permite clasificar un número de grupos a partir de un hiperplano y los vectores soporte conseguidos.
Sign-in/Register to view highlights & summary Sign-in/Register to access full text options 
Free) 
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a call
