SilentWear：一种用于EMG基静默语音识别的超低功耗可穿戴系统
信号处理
2026-03-05 v2
摘要
从生物信号检测语音的研究正日益增长，旨在开发抗噪声、隐私保护且可扩展至临床应用和日常使用的人机界面。然而，大多数现有方法受限于可穿戴性不足以及缺乏边缘处理能力，这些能力对实现 minimally obtrusive、响应迅速且具隐私保护的辅助技术至关重要。本文提出SilentWear，一种全可穿戴、基于纺织品的颈部接口，用于EMG信号的采集与处理。该系统基于BioGAP-Ultra，实现14路差分通道的端到端数据采集与设备语音识别。SilentWear配合SpeechNet——一种专为EMG基语音解码设计的轻量级15k参数CNN架构，实现对八类典型人机交互命令在跨验证中的平均准确率为84.8±4.6%（发声语音）和77.5±6.6%（静默语音），并通过多日采集实现测试。我们评估了因多日使用导致的定位变更带来的鲁棒性。在跨会话环境下，系统对发声语音和静默语音的平均准确率分别为71.1±8.3%和59.3±2.2%。为缓解因定位变更导致的性能下降，我们提出一种增量微调策略，显示在获取不足10分钟额外用户数据的情况下可实现超过10%的准确率恢复。最后，我们演示了在商业多核微控制器单元（MCU）上实现端到端实时语音识别，单次推理能耗仅63.9μJ，延迟为2.47 ms。系统总功耗20.5mW（包括采集、推理及无线传输），使SilentWear可连续运行超过27小时。
引用
@article{arxiv.2603.02847,
title = {SilentWear: an Ultra-Low Power Wearable System for EMG-based Silent Speech Recognition},
author = {Giusy Spacone and Sebastian Frey and Giovanni Pollo and Alessio Burrello and Daniele Jahier Pagliari and Victor Kartsch and Andrea Cossettini and Luca Benini},
journal= {arXiv preprint arXiv:2603.02847},
year = {2026}
}