利用张量分解从口语产生的脑电记录中去除语音伪迹
声音
2022-06-02 v1 人工智能
音频与语音处理
摘要
涉及口语产生的脑活动研究因语音伪迹的未知特性而明显不足，这些伪迹污染了脑电图（EEG）信号并阻碍了对潜在认知过程的考察。为推动语音产生相关的EEG研究，提出一种利用三模张量分解（时间×空间×频率）进行语音伪迹去除的方法。张量分解可同时考察多种模态，契合EEG数据的多向特性。在图片命名任务中，我们通过将两枚电极置于嘴部附近记录唇部肌电（EMG）来采集含语音伪迹的原始数据。基于我们计算大平均语音伪迹与唇部EMG间相关值的评估，张量分解在检测语音伪迹（0.985）与生成干净数据（0.101）上均优于先前基于独立成分分析（ICA）与盲源分离（BSS）的方法。我们所提方法正确保留了与语音无关的组分，这通过计算得到语音发生前无EOG大平均原始数据与清洗数据间的相关值（0.92-0.94）得以验证。
引用
@article{arxiv.2206.00635,
title = {Speech Artifact Removal from EEG Recordings of Spoken Word Production with Tensor Decomposition},
author = {Holy Lovenia and Hiroki Tanaka and Sakriani Sakti and Ayu Purwarianti and Satoshi Nakamura},
journal= {arXiv preprint arXiv:2206.00635},
year = {2022}
}