تجزیه و تحلیل ویژگی های انتخاب شده بر اساس روش های فیلتر در تشخیص احساسات از سیگنالهای صحبت

امروزه یکی از مسائلی که در تعامل انسان و ماشین نقش مهمی ایفا می نماید تشخیص احساس از روی سیگنالگفتار میباشد. در این مقاله به منظور بازشناسی احساسات گوینده ویژگی های پرکاربردی چون ضرایب کپسترال فرکانس مل، ضرایب کپسترال پیشگویی خطی، ضرایب پیشگویی خطی ادراکی، فرکانس فرمنت، نرخ عبور از صفر و فرکانس گام به عنوان بردار ویژگی از نمونههای صوتی استخراج شدهاست و پس از رتبهبندی این ویژگیها به کمک روشهای فیلتر چون همبستگی پیرسون، آزمون t و آنتروپی به طبقه بندی هر حالت احساسی از حالت طبیعی با کمک طبقه بند ماشین بردار پشتیبان پرداخته شده است که در این مقاله سعی بر آن است که با انتخاب ویژگیهای منفرد از گروههای مختلف ویژگیهای سیگنال گفتار به بالاترین راندمان در تشخیص احساسات از گفتار رسید که با توجه به مقایسات انجام گرفته برروی روش- های انتخاب ویژگی، روش آزمون t دارای میزان درستی بیشتر با تعداد ویژگی کمتر میباشد

کلیدواژه ها:

بازشناسی احساسات ، آنتروپی ، همبستگی پیرسون ، آزمون t ، ماشین بردار پشتیبان