تشخیص احساسات از سیگنال های گفتار براساس روش های فیلتر

Authors

نرجس یزدانیان

کارشناس ارشد - دانشکده مهندسی برق، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران حمید محمودیان

استادیار - دانشکده مهندسی برق، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران

abstract

گفتار ابزار اولیه ارتباط بین انسان می باشد. با افزایش تراکنش میان انسان و ماشین نیاز به محاوره خودکار این دو و حذف کاربر انسانی مورد توجه قرار گرفته است.هدف از انجام این تحقیق، تعیین یک مجموعه از ویژگی های تاثیر گذار در تشخیص احساسات مبتنی بر سیگنال صحبت می باشد. در این مقاله، سیستمی طراحی گردید که شامل سه بخش اصلی، استخراج ویژگی، انتخاب ویژگی و طبقه بندی می باشد. پس از استخراج ویژگی های پرکاربردی چون ضرایب کپسترال فرکانسی مل (mfcc)، ضرایب پیشگویی خطی (lpc)، ضرایب پیشگویی خطی ادراکی (plp)، فرکانس فرمنت، نرخ عبور از صفر، ضرایب کپسترال، فرکانس گام، میانگین، جیتر، شیمر، انرژی، ضرایب تبدیل فوریه، کمترین مقدار در هر پنجره، بیشترین مقدار در هر پنجره، دامنه هر سیگنال و انحراف از معیار، در مرحله بعد به کمک روش های فیلتر چون معیار همبستگی پیرسون، آزمون t ، رلیف و بهره اطلاعاتی به انتخاب و رتبه بندی ویژگی های تاثیرگذار در تشخیص احساسات رسیده .سپس نتایج بصورت زیرمجموعه ای از ویژگی ها به عنوان ورودی به یک سیستم طبقه بند داده شده است، که در این مرحله از طبقه بند ماشین بردار پشتیبان چندگانه برای طبقه بندی هفت کلاس احساسی استفاده شده است. براساس نتایج بدست آمده روش انتخاب ویژگی رلیف به همراه طبقه بند ماشین بردار پشتیبان چندگانه دارای بیشترین میزان دقت طبقه بندی برای تشخیص احساسات مورد نظر با نرخ تشخیص% 94/93 می باشد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

تشخیص لهجه های زبان فارسی از روی سیگنال گفتار با استفاده از روش های استخراج ویژگی کارآمد و ترکیب طبقه بندها

Speech recognition has achieved great improvements recently. However, robustness is still one of the big problems, e.g. performance of recognition fluctuates sharply depending on the speaker, especially when the speaker has strong accent and difference Accents dramatically decrease the accuracy of an ASR system. In this paper we apply three new methods of feature extraction including Spectral C...

full text

تجزیه و تحلیل احساسات افراد از طریق سیگنال های مغزی با استفاده از تابع نگاشت پوانکاره

Introduction: Dynamic alterations of the brain are of high significance when it comes to analyze the human feelings. In this study, the hidden patterns corresponding for the emotional states have been investigated by adopting a certain Poincare’ map function inspired by the theory of chaos. The present study aimed to explore the significance relationship between the proposed methodology and the...

full text

انتخاب و مقایسة عملکرد ویژگی‌های بهینة استخراج‌شده از سیگنال گفتار برای تشخیص خودکار بیماری پارکینسون

در سال‌های اخیر، محققین تلاش‌های زیادی برای تشخیص بیماری پارکینسون از طریق یافتن ارتباط آن با سیگنال گفتار افراد انجام داده‌اند. همچنین پژوهش‌هایی در تعیین شدت بیماری و ارتباط آن با اختلالات صوتی انجام شده است. هدف این مقاله، ارزیابی و مقایسة توانایی دسته‌ ویژگی‌های مختلف استخراجی‌ از سیگنال گفتار، در تشخیص بیماری پارکینسون است. برای این منظور، 12 دسته ویژگی از سیگنال گفتار ارزیابی شده‌‌اند، تح...

full text

تشخیص زودهنگام مرگ ناگهانی قلبی با استفاده از پردازش سیگنال قلبی و فیلتر کالمن تعمیم‌یافته

مرگ ناگهانی قلبی یکی از مهم­ترین عوامل مرگ و میر در جهان به شمار رفته، و در بین مرگ­های ناشی از بیماری­های قلبی سهم عمده­ای را به خود اختصاص می­دهد. یکی از راه­های کاهش آمار مرگ ناشی از این دسته از بیماری­ها، تشخیص به موقع وقوع ناهنجاری‌های خطرناک قلبی است. اساس این تحقیق بر این باور استوار است که ناهنجاری­های مخاطره­آمیز قلبی به صورت ناگهانی رخ نمی­دهند، بلکه دقایقی قبل از وقوعشان، علائم و یا ...

full text

My Resources

Save resource for easier access later


Journal title:
روش های هوشمند در صنعت برق

جلد ۷، شماره ۲۷، صفحات ۳-۱۲

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023