안면근육 표면근전도 신호기반 특징 및 근육 선별을 통한 단모음인식

Q: 이 논문에서 정의한 표면근전도 신호란 무엇인가?

표면근전도 신호는 발성 없이 안면 근육의 움직임을 통해 발생하는 전기적 신호이다. 이는 음성 잡음에 영향을 받지 않고, 소리는 비슷하지만 다른 방식으로 발음되는 단어들을 명확하게 구분할 수 있어 자동음성인식의 한계를 극복하기 위한 대체 수단으로 활용된다.

Q: 안면근육 표면근전도 신호를 이용한 단모음 인식률을 높이는 핵심 방법은 무엇인가?

연구 결과, 모든 특징과 채널을 사용하는 것보다 단모음 발음에 따라 활성도가 높은 근육과 인식률이 높은 특징을 선별적으로 이용하는 것이 단모음 인식률을 크게 향상시키는 핵심 방법이다. 이 방법을 통해 kNN에서 평균 29.13%, LDA에서 평균 34.52%의 인식률 향상을 보였다.

이병현; 류재환; 이미란; 김상호; Md Zia Uddin; 김덕환

추천

검색

질문

자료유형: 학술대회자료

저자정보: 이병현 (인하대학교) 류재환 (인하대학교) 이미란 (인하대학교) 김상호 (인하대학교) Md Zia Uddin (성균관대학교) 김덕환 (인하대학교)

저널정보: 대한전자공학회 대한전자공학회 학술대회 2015년도 대한전자공학회 하계종합학술대회

발행연도: 2015.6

수록면: 933 - 936 (4page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

In this paper, we propose monophthong recognition method using feature and muscle selection based on facial surface EMG signals. We observed that EMG signal patterns may vary according to Korean monophthong pronunciation. The proposed method can recognize Korean monophthong and improve recognition accuracy by selecting muscle and feature rather than by using all of them. Experimental results show that the recognition accuracy of the proposed method using best muscle and best, second features set is better than that using all of muscles and features. The improved average accuracies are 29.13% in kNN, 34.52% in LDA.

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2016-569-001688292

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)