DIVA(Direction Into Velocities of Articulators)模型是一种描述人脑中涉及语音生成和语音理解区域所发挥的作用的数学模型,能对发音过程进行模拟,对语音脑机接口系统的设计具有指导意义,文章根据DIVA模型的定义和相关研究结论,对人在发音过程中的脑电信号进行了处理,首先利用小波包将脑电信号进行特征提取,之后使用SVM(Support Vector Machine)分类器进行分类.结果表明,该方法对发音过程的脑电信号特征提取和分类效果较好,识别率达到70%,为基于DIVA模型的语音脑机接口系统设计提供了一种思路,此外,实验的结论也印证了DIVA模型对于发音过程大脑区域激活情况的预测.
针对手势抓取的多自由度和抓取模式的灵活复杂特性,提出了一种面向任务的手臂移动与手势抓取神经网络模型。基于人手抓取动作数据,运用一种描述手部姿势的协同值提取策略,仅用三个协同系数定义手势抓取演变过程,进而构建面向任务和物体几何特征的协同系数神经网络认知模块,实现拟人机械手的抓取模式规划。模型还将抓取运动细分为手臂移动、手指预成型和手掌朝向三大通道,利用VITE(vector integration to endpoint)点对点运动轨迹计算模型动态更新运动命令,并应用小脑逆向内模处理手臂运动过程中的经典动态逆问题,完成手势空间位置到关节角度的转换。实验对神经网络的有效性与抓取系统的协调性进行了验证,结果表明,以上方法构建的手势抓取模型具有良好的适用性与抓取特性。
DIVA(Direction Into Velocities of Articulators)模型作为一种数学模型,能够较为准确地描述人脑中涉及语音生成和语音理解脑区所发挥的作用,并对其过程进行模拟.但是DIVA模型所采用的语音感兴趣区域是基于英语语音研究而制定的.在汉语语音研究过程中,原有的感兴趣区域在反映汉语任务的脑区激活状态方面存在诸多不足.文章对汉语语音加工过程进行功能磁共振成像实验研究,并基于DIVA模型对实验结果进行分析后发现:与英语语音研究结果相比,右侧颞叶后部及相邻的缘上回,双侧枕叶腹侧区域出现了不同的激活状态.该实验结果为以后对DIVA模型进行汉语语音相关修改提供了良好的基础.
