[发明专利]静默通讯的数据识别处理系统

说明书

本发明属于数据识别领域，具体涉及一种静默通讯的数据识别处理系统，包括下述步骤：1）在Matlab中建立表格，该表格用于存储26个英文字母及其所对应的摩尔斯码；2）MATLAB接收到一串完整信号后，先将整串信号划分为信号单元，然后对信号进行平滑，去除细微噪声；3）接下来对原始信号进行差分计算；4）最后，与录入的信号库比对，寻找到匹配的文字信息，实现信号输出。本发明首次将机械振动信号替代传统的神经信号用于SSI领域，结合机械振动信号的优势，开发了一种新的静默通讯的数据识别处理系统，使用者能够完全不发声，不受干扰地输出信号。

技术领域

本发明属于数据识别领域，具体涉及一种静默通讯的数据识别处理系统。

背景技术

随着科技的发展，通讯交流的形式也变的丰富多样，对于多元环境的通讯要求，传统的依靠声音进行交流的通讯技术已在无法满足信息传递的需要。比如在嘈杂的公共场合，车流声、喧闹的人群、商店橱窗的广告声等噪声会严重干扰人与人之间的声音交流，使信息无法准确和清晰的被接收；在遭遇危险时，大声呼喊求救有时可能会暴露自己的位置、激怒歹徒甚至使人陷入更加不利的局面之中；还有像发生地震、火灾等自然灾害时，受伤严重的伤员微弱的求救声无法清晰的传递给救援者，潜水过程中遇到突发状况需要进行求救，而水下环境声音无法传递，这样的情况下有极大可能会贻误抢救的黄金时间从而导致严重后果；同时，人们对于信息安全以及信息交流的私密性的要求也越来越高，这些就使得静默通讯技术（Slient Speech Interface, SSI）逐渐成为未来社会必要的先进通讯模式。

目前发展的SSI包括：表面肌电图（sEMG），通过表面电极捕捉驱动舌头和面部肌肉的电活动；声道成像，利用舌头的超声图像和嘴唇的光学图像对语音信号进行转换；电磁发音记录（EMA），使用磁性来追踪关节上固定点的运动；脑电图（EEG），捕捉大脑解剖区域的神经活动，并使用头皮上的非侵入性电极记录这些潜在的变化，也被称为脑机接口（BCI）。这些手段已经一定程度上帮助试验者实现了无声交流，但由于实际使用时设备复杂不方便携带；信号采集的部位需要精准的控制，位置的偏移会产生极大的不利影响，限制了使用人员的活动；同时对于BCI来说，脑部活动的复杂性使得信号采集和翻译过程中易受到人情绪的干扰而无法得到准确的信息。此外，现有的SSI手段还涉及非常复杂的学习过程，试验者需要反复尝试才能初步实现简单信号的表达且目前只能在实验室中进行使用，这些问题都限制了SSI的实际应用。

发明内容

本发明的目的在于克服现有技术中的缺点，提供一种静默通讯的数据识别处理系统。

为实现上述目的，本发明采用的技术方案为：

一种静默通讯的数据识别处理系统，包括下述步骤：

S1：在Matlab中建立表格，该表格用于存储26个英文字母及其所对应的摩尔斯码;摩尔斯码用“点”和“横”的组合来表示;

S2：Matlab接收到一串完整信号后，先对信号进行平滑，去除细微噪声；

S3：接下来对步骤S2接收到的完整信号进行差分计算，通过信号峰的大于1或小于1的斜率来识别信号上升和下降的位置；

通过从下降到上升的时间间隔，对一整串完整信号进行分割，得到单个信号单元；以从上升到下降的时间的各个峰值的保持时间与设定的阈值相比较，大于阈值记为“0”表示宽峰，用摩尔斯码中的“横”表示，小于阈值记为“1”表示尖峰，用摩尔斯码中的“点”表示，每组信号单元均执行相同的步骤，直到整条信息结束；

S4：最后，与录入的摩尔斯密码库比对，寻找到匹配的文字信息，实现信号输出。

步骤S3中信号分割的标准为从下降到上升的时间间隔大于1.5s，设定的阈值为3s。

步骤S1中的数字信号数据使用仿皮肤喉戴传感器进行采集；