تشخیص احساسات بر اساس پردازش فضای فاز سیگنال گفتارو ویژگی های آشوبناک

در فرآیند تولید سیگنال گفتار به علت بروز برخی عوامل مانند ارتعاش غیرخطی تارهای صوتی و یا حرکات لایه ای هوا داخل مجرای صوتی تظاهرات آشوبگون در شکل سیگنال قابل مشاهده است.از این رو با توجه به -خواص آشوبگون سیگنال گفتار را به صورت یک سری زمانی با توصیف چند متغیره در فضای حالت یا فضای -فاز می توان بررسی نمود. 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 پوانکار یک نمایش هندسی ازسیگنال 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 توصیف گر نقاط در نمودار پوانکاره سری زمانی گفتار بازسازی شده در 10 تاخیر مختلف برای تشخیص استفاده می شود. مجموعه داده کانادا مورد استفاده شامل شش جمله مختلف است که توسط سیزده 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 468 نمونه صوتی است که هر یک در یک فایل صوتی جداگانه است. مدت زمان هر دیتا سه ثانیه می باشد. باز سازی با استفاده از ده تاخیر مختلف و استخراج ویژگی های ((gom,SD2,SD1 برای هر تاخیر استخراج شد. پس ازآن انتخاب ویژگی برای هر تاخیرمحاسبه گردید و بهترین ویژگی ها برای طبقه بندی انتخاب گردید. برای انتخاب ویژگی از آنالیزآماری استفاده گردید. p-valueهرتاخیر محاسبه و مقادیر p زیر پنج صدم به عنوان بهترین ویژگی استخراج گردید. طبقه بندی کننده بر روی 70 درصد از داده ها به عنوان یک مجموعه داده آموزش داده شد، و دقت بر روی30 درصد داده ها به عنوان یک مجموعه آزمون ارزیابی شد. طبقه بندی پنج کلاس با چهار ویژگی استخراج شده از 10 تاخیر نمودار پوانکاره و ترکیب آن با ویژگی های فرکانسی منجربه بیشترین دقت درخت تصمیم برای سه احساس ترس، خشم و شادی گردید.

کلیدواژه ها:

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