以更少通道实现 EMG-语音

表面电肌电图 (EMG) 是静默语音接口的有前景模态，但其效果高度依赖于传感器布置和通道可用性。本文研究了单个和组合 EMG 通道对语音重建性能的贡献。我们的发现表明，虽然某些 EMG 通道在各自情况下更具信息性，但最高性能源于利用通道之间互补关系的子集。我们还分析了在通道消除下的音素分类准确率，观察到反映底层肌肉解剖功能的可解释模式。为解决通道减少导致的性能下降问题，我们在使用随机通道 dropout 的完整 8 通道数据上预训练模型，并在减少通道子集上进行微调。微调在 4-6 通道设置下始终优于从头训练，最佳 dropout 策略取决于通道数量。这些结果表明，通过预训练和通道感知设计，可缓解传感器减少导致的性能下降，支持开发轻量且实用的基于 EMG 的静默语音系统。