AcousticKeyBoard

基于声学信号处理及深度学习的键盘敲击识别系统。
GitHub：https://github.com/ZhuoZhuoCrayon/AcousticKeyBoard-Web

AcousticKeyBoard 源自一个想法 👉「做一个能听懂键盘敲击键位的玩具？」，用于学习信号处理 / 深度学习 / 安卓 / Django。项目采用 vad、中值滤波、梅尔频率倒谱系数对按键信号进行切割、降噪、提取特征，将特征序列通过 Tensorflow LSTM 进行训练，基于 Django、安卓开发模型预测后台及 App。

💡Ideas

上图为完整的按键信号（采样率：48 kHz）。

1）💥 脑洞

按键敲击最高世界记录约为 800 / min，平均每 75 ms 敲击一次键盘，即按键重叠发生在 3,600 的 silence 片段。
单人敲击键盘场景下，Hit 片段不会重合，并且不同按键所处位置、形状有所区别，Hit 具有可识别特征。
空格与其他按键形状不同，敲击声已明显不同。
不同按键周围的固体环境有差异，声音信号基于固体传导，在峰段存在差异。

2）📈 预测结果

A-V，LSTM。