Using Polymeric Piezoelectric Accelerometers to Measure Vocal Pitches and Tones
Notice bibliographique
Résumé
Human vocal pitches and tones contain vital information with vast applications. Combined with artificial intelligence, they can be used for noninvasive diagnosis of larynx diseases or synthesis of artificial voice for people with disabilities. The development of relevant applications has been a heated research topic. An essential basis of these novel applications is the reliable sensing of human vocal signals. With this respect, due to their unique advantages, such as ambient noise isolation, good dynamic response, and high linearity, piezoelectric accelerometers are promising candidates besides microphones to measure human vocal pitches and tones. Their application potential is further enhanced when developed using polymers, making them more suitable as disposable wearable sensors for medical systems. This article uses polymeric piezoelectric accelerometers as wearable sensors to collect human vocal pitches and tones by measuring larynx vibration on the neck surface. The polymeric piezoelectric accelerometers developed in this article have an average resonant frequency of 968.33 Hz, a 5% flat bandwidth of 380 Hz, an in-band sensitivity of 4.99 pC/g, and an in-band noise floor of$3.7~\mu $g/$\surd $Hz. The data collected by these accelerometers on the neck for different words can be played into corresponding sounds without complex post-measurement processing, demonstrating their capability to collect vocal pitches and tones accurately by wearable vibration measurement and validating a novel application direction for polymeric sensors in the era of artificial intelligence.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».