Resumen de la investigación
El llanto es uno de los principales medios de comunicación de un bebé. La tesis estudia cómo sus características acústicas pueden utilizarse para distinguir tres clases: llanto normal, llanto de bebés con sordera y llanto asociado con asfixia.
La propuesta combina extracción de coeficientes de predicción lineal, reducción de dimensionalidad mediante análisis de componentes principales y una red neuronal híbrida. El clasificador se diseña primero mediante simulación y después se implementa en hardware reconfigurable, buscando reducir el tiempo de procesamiento mediante paralelismo.
Arquitectura del sistema
El flujo toma una muestra de audio, la digitaliza, extrae características, reduce el vector de entrada y entrega una decisión a una red entrenada. La arquitectura se divide en etapas que pueden ejecutarse de forma paralela dentro del FPGA.
Resultados y conclusiones
El mejor resultado del Grupo A se obtuvo utilizando siete funciones de membresía triangulares, con 94.6078% de clasificación correcta. En el Grupo B, la misma configuración alcanzó 92.292%. La implementación hardware reprodujo el comportamiento de la simulación y aprovechó el paralelismo del FPGA para acortar el tiempo de procesamiento.
La tesis anticipa patrones que siguen siendo relevantes en ingeniería de IA: extracción de características, reducción de dimensionalidad, clasificación híbrida, aceleración paralela, evaluación reproducible y diseño reutilizable.
Documento completo
Esta página es una síntesis editorial para facilitar la lectura del trabajo. El documento completo conserva el texto, las tablas, las figuras y los apéndices originales.