UNIVERSIDAD NACIONAL DE INGENIERÍA

FACULTAD DE INGENIERÍA MECÁNICA

SISTEMAS EMBEBIDOS
MT136 – “B”
PROYECTO CON APLICACIÓN
DE SISTEMAS EMBEBIDOS

INTEGRANTE

- Llumpo Neciosup Segundo Crhistian 20180210C

Reconocimiento de Patrones Vocálicos
mediante la implementación de una red
Neuronal Artificial Utilizando Sistemas
Embebidos
 Síntesis de alertas en trastornos de audición

01. Problemática
La problemática que vamos a
dar solución es el trastorno de
audición (TA), desde el punto de
vista médico se define como:
“La falta total o casi total de la
audición, que se manifiesta
desde el nacimiento o por lo
menos antes de que un niño
comience a hablar”.
2. Propuesta de solución
Implantes cocleares

Interfaz gráfica del software de entrenamiento

03. Sistema de reconocimiento

Las etapas de adquisición de señales

04. Coeficientes Cepstrales de las Frecuencias de Mel

Procesos involucrados en el cálculo de los MFCC

 𝑥𝑖 [𝑛]=Segmento de la señal
 ℎ[𝑛]=Ventana tipo Hamming
 𝑁= Número total de muestras

Transformada de Fourier
05. Red Neuronal
Para el reconocimiento se utilizó una red neuronal de tipo feed-forward, la cual consta de tres
capas, una primera que es la capa de entrada para ingresar los datos de las características a la
red, la segunda es la capa oculta, que se encarga de la mayor parte del procesamiento, y por
último se tiene la capa de salida para ajustar los datos provenientes del cálculo elaborado en la
capa oculta.

Topología de la Red Neuronal

06. Implementación en el Sistema Embebidos

Diagrama de bloques para la capa oculta

Diagrama de bloques para la respuesta de la capa

oculta y la capa de salida de la red neuronal
07. Resultados

Error de entrenamiento para la red neuronal

Porcentajes de pertenencia para nuevas muestras de la vocal /a/
08. Conclusiones
• Las redes neuronales son algoritmos que se usan para una multitud de fines,
como el control de sistemas, regresiones no lineales o clasificación e
identificación de patrones, como se realizó en este trabajo. Este tipo de
algoritmos resulta altamente costoso a nivel computacional en el momento del
entrenamiento, dependiendo de los patrones y la cantidad de clases a separar.
• El uso de sistemas embebidos para la implementación de algoritmos de
inteligencia artificial, como las redes neuronales, permite elaborar aplicaciones
más versátiles al convertir dicho algoritmo, en un algoritmo portable, además la
capacidad de procesamiento de la red neuronal, funcionando en el sistema
embebido fue muy similar al que tendría en un ordenador, como se demostró en
este documento.
+
09. Bibliografía
[1] https://steemit.com/spanish/@patry/sintesis-de-alertas-en-trastornos-de-audicion
[2] https://www.youtube.com/watch?v=lQOENMO-sD4
[3] https://www.researchgate.net/publication/260266806_Reconocimiento_de_Voz_usando_Redes
_Neuronales
[4] Adam, T. B., Salam, M. S., y Gunawan, T. S. Wavelet based Cepstral Coefficients for neural
network speech recognition, http://doi.org/10.1109/ICSIPA.2013.6708048, In 2013 IEEE
International Conference on Signal and Image Processing Applications , 447–451, (2013)
[5] Baek, S.-M., Park, J.-W., y Venayagamoorthy, G. K. Power System Control With an Embedded
Neural Network in Hybrid System Modeling, http://doi.org/10.1109/TIA.2008.2002172, IEEE
Transactions on Industry Applications, 44(5), 1458–1465, (2008)
Gracias