Código SNIES del Programa: 101686
Registro calificado: Resolución 4671 del 7 de mayo de 2012, vigencia 7 años
Sistema Nacional de Información de la Educación Superior
esenfrdeitpt

Repositorio de Tesis Doctoral

ARQUITECTURA ALGORITMICA PARA EL RECONOCIMIENTO DE PATRONES FONÉTICOS DEL HABLA SUB-VOCAL EN EL ESPAÑOL

  • Visto 442 veces

Información adicional

  • NOMBRE DE TESIS DOCTORAL: ARQUITECTURA ALGORITMICA PARA EL RECONOCIMIENTO DE PATRONES FONÉTICOS DEL HABLA SUB-VOCAL EN EL ESPAÑOL.
  • AUTOR: OLGA LUCIA RAMOS SANDOVAL
  • DIRECTOR: JORGE ENRIQUE SABY BELTRÁN, Ph.D.
  • CODIRECTOR: DARIO AMAYA HURTADO, Ph.D.
  • Resumen::

    El habla sub-vocal, es una técnica de reciente investigación, que puede ser aplicada para habilitar formas alternas de comunicación en diferentes escenarios como, ambientes de alta contaminación auditiva, personas con discapacidad en el aparato fonador, comunicación subacuática, entre otros. Esta técnica se fundamenta, en la información que se produce al intentar pronunciar un vocablo o una palabra, pero no se ve representada en una señal sonora. Es decir, estas señales representan la intención del habla antes de ser articulada. En este trabajo, se presenta una arquitectura algorítmica, para el reconocimiento de patrones de fonemas del idioma español, que permite instanciar dicha habla sub-vocal. Se realizó una adquisición de las señales producidas por el habla silenciosa, utilizando un micrófono de Murmuro No Audible (NAM), diseñado para tal propósito. Posteriormente, las muestras capturadas fueron procesadas y analizadas utilizando técnicas de análisis frecuencial y temporal. Además, se utilizaron métodos d  algoritmos basados en inteligencia artificial, para desarrollar una arquitectura de identificación de patrones, que permitió realizar la identificación de fonemas del idioma español. Como aporte de este trabajo, se obtuvieron diferentes resultados a partir de la implementación de distintas técnicas de análisis y extracción de características, así como, de clasificación y reconocimiento, haciendo uso de aprendizaje de máquina y un sistema digital para su ejecución en tiempo real, consiguiendo una identificación cercana al 90%.

CECAD

Access Grid

Sala de Investigadores

Red RITA

Log in