طبقه بندی ناهنجاری های صوتی با استفاده از تبدیل بسته موجک و تکنیک های شناسایی آماری الگو

امروزه بروز ناهنجاری های صوتی، با توجه به افزایش رفتارهای اجتماعی ناسالم و استفاده نامناسب و غیر طبیعی از دستگاه تولید صدا، به طور فزاینده ای روبه رشد می باشد. از اینرو تشخیص ناهنجاری های دستگاه تولید گفتار در مراحل اولیه ابتلا به آن می تواند تاثیر بسزائی در تشخیص و درمان به موقع این بیماری ها داشته باشد. هدف این تحقیق بررسی انواع ناهنجاری هایی می باشد که منشاء آنها در تارهای صوتی است. بر این اساس در یک بررسی کیفی با اعمال تبدیل فوریه، تبدیل فوریه زمان-کوتاه و تبدیل موجک پیوسته میزان توانایی این روش ها در نمایش مشخصات تفکیک کننده سیگنال های واکه نرمال از غیرنرمال مورد ارزیابی قرار گرفته است. همچنین، قدرت طبقه بندی ویژگی های زمان-بلند در بازشناسی واکه-های نرمال از غیرنرمال تحقیق شده است. در میان روش های کاهش بعد ویژگی، آنالیز تفکیک خطی و آنالیز مولفه ی اساسی به همراه روش های انتخاب ویژگی مورد ارزیابی قرار گرفته اند. درنهایت، تکنیک تبدیل بسته موجک، با توجه به آنکه اطلاعات جزئی، اساسی و متمایزکننده ای را از سیگنال گفتار واکه به منظور بازشناسی ناهنجاری صوتی استخراج می کند، در جهت استخراج ویژگی های مناسب انتخاب شده است. از اینرو، توانایی ویژگی های انرژی و آنتروپی سیگنال در گره های خروجی درخت بسته موجک در بهبود نرخ بازشناسی مورد ارزیابی قرار گرفته است. الگوریتم بهینه نهایی شامل ویژگی-های آنتروپی استخراج شده از گره های خروجی بسته موجک به همراه آنالیز تفکیک خطی و طبقه بندی کننده ماشین بردار پشتیبان می باشد، که منجر به بازشناسی %100 شده است. روش پیشنهادی منجر به نرخ بازشناسی بالا در تشخیص ناهنجاری های صوتی و ارائه الگوریتم ساده تر شده است. همچنین مزیت دیگر نتایج پیشنهادی این است که گونه های متنوع تری از ناهنجاری در نظر گرفته شده است.