Extracción de Características de Señales de Audio para el Reconocimiento de Comandos de Voz

Abstract

La extracción de características de señales acústicas en el reconocimiento de comandos de voz para el control de las acciones de un robot colaborativo, de manera ágil y eficaz, es un desafío para garantizar un entorno seguro para el trabajador. En este proyecto se realizaron grabaciones de señales de audio de diez comandos de voz en español, con entonación neutra. Bajo un enfoque de aprendizaje supervisado a través de un modelo de potenciación del gradiente basado en histogramas HGBT, se logra una métrica de exactitud del 75% para características extraídas de la señal en el dominio del tiempo, denominadas TEMPO, TZ, ZC y RMS. Para características extraídas del espectro de la señal en el dominio de la frecuencia denominadas como CHROMA y MFCC, se logra una mejor métrica de exactitud superior al 90% y con un tiempo de procesamiento menor a los 500ms.