تشخیص احساسات براساس پردازش فضای فاز سیگنال گفتار و ویژگی های آشوبناک

تجزیه و تحلیل نمودار پوانکار سری زمانی به ما اجازه می دهد تا به تغییر پذیری صدا نسبت به احساسات، تشخیص الگوهای مرتبط با فرآیندهای غیرخطی دست یابیم. نمودار پوانکاره یک نمایش هندسی از سیگنال گفتار است که این سری زمانی برای مطالعه دینامیک گفتار و تشخیص احساسات با تاخیرهای مختلف بینش هایی را در مورد این موضوع ارائه می دهد. در این تحقیق انواع مختلف توصیفگر نقاط در نمودار پوانکاره سری زمانی سیگنال گفتار بازسازی شده در ۱۰ تاخیر مختلف برای تشخیص احساسات استفاده می شود. مجموعه داده کانادا مورد استفاده شامل شش جمله مختلف است که توسط یازده نفر (چهار مرد و نه زن) در پنج احساس اصلی به اضافه یک احساس خنثی تلفظ شده است. همه آنها زبان کانادایی هستند. مجموعه داده در مجموع شامل ۴۶۸ نمونه صوتی مدت زمان سه ثانیه می باشد. بازسازی با استفاده از ده تاخیر مختلف و استخراج ویژگی های (gom,SD۲,SD۱ برای هر تاخیر انجام شد. پس ازآن انتخاب ویژگی برای هر تاخیر محاسبه گردید و بهترین ویژگی ها برای طبقه بندی انتخاب گردید. برای انتخاب ویژگی از آنالیز آماری استفاده گردید. p-value هر تاخیر محاسبه و مقادیر p زیر پنج صدم به عنوان بهترین ویژگی استخراج گردید. نتایج حاصل از طبقه بندی احساسات توسط الگوریتم نزدیک ترین همسایه مشاهده گردید که بیشترین صحت برای احساس ناراحتی با مقدار ۸۱.۱۹ و بیشترین حساسیت برای احساس ناراحتی با مقدار ۸۵.۴ و بیشترین تشخیص برای احساس ناراحت با مقدار ۹۴ است. نتایج حاصل از طبقه بندی احساسات توسط الگوریتم درخت تصمیم گیری مشاهده گردید که بیشترین صحت برای سه احساس خشم، ترس، شادی با مقدار ۸۲.۰۵ و بیشترین حساسیت برای احساس خنثی با مقدار ۸۲.۳۳ و بیشترین تشخیص برای احساس ناراحتی با مقدار ۹۶.۶۶ به دست آمده است.

کلیدواژه ها:

پردازش گفتار ، دینامیک غیرخطی ، آشوب ، تشخیص احساسات ، پوانکاره