基于脑电信号的内部言语识别
人机交互
2023-10-26 v1 人工智能
声音
音频与语音处理
神经元与认知
摘要
本工作聚焦于从 EEG 信号出发的内部言语识别。内部言语识别被定义为一种内化过程，其中个体以纯意义进行思考，通常伴随自身内在“声音”的听觉意象。将 EEG 解码为文本应理解为对有限数量词汇（命令）或音素（构成单词的声音单元）存在的分类。与言语相关的 BCI 通过从脑信号中解读言语命令来提供有效的语音通信策略以控制设备，从而恢复与环境的交互，改善丧失说话能力者的生活质量。本文分析了两个公开的内部言语数据集。利用这些数据，我们研究并实现了一些分类模型，从支持向量机等基础方法，到 eXtreme Gradient Boosting 等集成方法，再到长短期记忆网络（LSTM）和双向长短期记忆网络（BiLSTM）等神经网络的使用。使用文献中通常不用于内部言语识别的 LSTM 和 BiLSTM 模型，取得了与现有最优水平相当或更优的结果。
引用
@article{arxiv.2210.06472,
title = {Inner speech recognition through electroencephalographic signals},
author = {Francesca Gasparini and Elisa Cazzaniga and Aurora Saibene},
journal= {arXiv preprint arXiv:2210.06472},
year = {2023}
}
备注
Submitted to the Italian Workshop on Artificial Intelligence for Human Machine Interaction (AIxHMI 2022), December 02, 2022, Udine, Italy