用于从脑电信号生成未见词的增强生成对抗网络
音频与语音处理
2023-12-01 v1 人机交互
摘要
脑机接口（BCI）技术近期进展，尤其基于生成对抗网络（GAN）的进展，在提升 BCI 解码性能方面展现出巨大前景。在脑机接口（BCI）领域内，GAN 应用于诸多方面。它们作为数据增强的有价值工具，可解决数据量有限的挑战，并进行合成，有效扩展数据集并创造新颖数据格式，从而增强 BCI 系统的鲁棒性与适应性。语音相关范式的研究已显著扩展，对辅助技术与言语障碍者交流支持的发展具有关键影响。本研究中，考察了 GAN，特别是针对 BCI 领域，并应用于从 EEG 信号生成文本。该 GAN 能泛化所有被试并解码未见词，表明其捕捉跨不同个体一致的潜在语音模式的能力。该方法在基于神经信号的语音识别系统与言语困难者交流辅助中具有实际应用。
引用
@article{arxiv.2311.17923,
title = {Enhanced Generative Adversarial Networks for Unseen Word Generation from EEG Signals},
author = {Young-Eun Lee and Seo-Hyun Lee and Soowon Kim and Jung-Sun Lee and Deok-Seon Kim and Seong-Whan Lee},
journal= {arXiv preprint arXiv:2311.17923},
year = {2023}
}
备注
5 pages, 2 figures