基于语音信号监测脑疲劳的微电子系统设计与优化

论文摘要

现代人关注健康的走势及语音信号的易拾性,产生了采用语音信号评估人脑疲劳程度的课题方向,引起新世纪的国际研发学界的侧目。本文工作目标有二:一是基于梳理已有脑疲劳测试方法优缺点,具体测量受试者脑运动疲劳之前后的语音信号,提取不同特征,比较它们的表征准确度;二是从基于软件系统识别疲劳语音,过渡提升到语音特征核心模块的IC化设计。论文主要内容有五:(1)分析对比已知脑疲劳或脑部异常状态监测方法的优缺点;(2)通过建立PC机软件环境,初步探索语音与人脑状态的密切联系;(3)采用MATLAB数学工具分析采集得到的语音数据,考察语音5个典型参数在人脑正常与疲劳状态下的变化,做量化分析;(4)引入System Generator平台,将每个语音特征参数的核心算法做硬件建模,在Xilinx ISE 11环境下综合,得到每种算法的ASIC化实现初步方案(FPGA结构);(5)定义每项语音参数的有效性及复杂度的评价方法,重视比较各硬件化模块的资源消耗状况,为未来设计ASIC或实用化提供一定的理论参考。研究结果:有效表征人脑运动疲劳的特征参数排序为:短时能量(平均变化298%),短时平均幅度(41.9%),短时过零率(15.9%),短时自相关(12%),基音周期(10%);而计算复杂性(与功耗正相关)与该排序基本同相。结论:设计基于语音监测脑疲劳的新算法及其硬件模型,相比传统高效/高成本的脑检测方法存在优势与可比性,所做初步工作迎合低功耗便携ASIC的设计趋向。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 脑疲劳概念
• 1.2 语音学与语音信号
• 1.3 国内外研究述评
• 1.3.1 人脑状态侦测
• 1.3.2 语音-脑疲劳工作进展
• 1.4 研究工作与创新点
• 第二章 语音检测脑疲劳理论基础
• 2.1 语音的脑机制
• 2.2 脑疲劳的生化机制
• 2.3 研究范式
• 2.3.1 脑疲劳检测算法与流程
• 2.3.2 语音信号特征分析流程
• 2.4 本章小结
• 第三章 语音检测脑疲劳算法
• 3.1 语音检测脑疲劳MATLAB 实现
• 3.1.1 基音周期
• 3.1.2 短时过零率
• 3.1.3 短时自相关函数
• 3.1.4 短时能量
• 3.1.5 短时平均幅度
• 3.2 本章小结
• 第四章 脑疲劳检测算法硬件建模与优化
• 4.1 实验相关工具概论
• 4.1.1 AccelDSP 综合工具
• 4.1.2 采用AccelDSP 设计FIR 滤波器
• 4.1.3 DSP 设计工具System Generator for DSP
• 4.1.4 利用System Generator for DSP 设计滤波器
• 4.2 语音特征建模
• 4.2.1 基音周期模型
• 4.2.2 短时过零率模型
• 4.2.3 短时自相关函数模型
• 4.2.4 短时能量模型
• 4.2.5 短时平均幅度模型
• 4.3 模型分析与优化
• 4.4 本章小结
• 第五章 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 攻读学位期间发表的论文
• 致谢
• 附录