基于表面肌电的 Silent Speech Interface 的知识蒸馏集成模型
音频与语音处理
2023-08-15 v1 机器学习
声音
信号处理
摘要
嗓音障碍影响全球数百万人。基于表面肌电图的 Silent Speech Interface（基于 sEMG 的 SSI）数十年来已被探索作为一种潜在解决方案。然而，以往工作受限于小词汇量以及从原始数据中手动提取的特征。为应对这些局限，我们提出一种用于基于 sEMG 的 SSI 的轻量级深度学习知识蒸馏集成模型（KDE-SSI）。我们的模型可对包含 3900 个数据样本的 26 个 NATO 音标字母数据集进行分类，从而通过拼写明确生成任意英文单词。大量实验验证了 KDE-SSI 的有效性，取得了 85.9\% 的测试准确率。我们的发现也为便携式实用设备的端到端系统提供了启示。
引用
@article{arxiv.2308.06533,
title = {Knowledge Distilled Ensemble Model for sEMG-based Silent Speech Interface},
author = {Wenqiang Lai and Qihan Yang and Ye Mao and Endong Sun and Jiangnan Ye},
journal= {arXiv preprint arXiv:2308.06533},
year = {2023}
}
备注
6 pages, 5 figures