علی حریمی - دانشجوی دکتری، گروه برق مخابرات، دانشکده برق و کامپیوتر، دانشگاه سمنان، سمنان
علی شهزادی - عضو هیات علمی، گروه برق – مخابرات، دانشکده برق و کامپیوتر، دانشگاه سمنان، سمنان،
علیرضا احمدی فرد - عضو هیات علمی، گروه برق – الکترونیک، دانشکده برق و روباتیک، دانشگاه شاهرود، شاهرود،

تشخیص احساس از روی گفتار به یکی از موضوعات مورد توجه دهه ی اخیر تبدیل شده است. در این راستا استخراج ویژگی هایی که ضمن ارتباط عمیق با احساس مستقل از محتوای گفتار و هویت گوینده باشند مهمترین چالش پیش رو می باشد. در این مقاله با استفاده از تکنیک بازسازی سیگنال در فضای فاز، ویژگی های دینامیکی غیرخطی را از سیگنال گفتار استخراج نموده و از این ویژگی ها به منظور کلاسه بندی احساس های خشم و خوشحالی استفاده نموده ایم. به منظور حذف ویژگی های نویزی و غیر مرتبط از معیار فیشر استفاده شده است. کلاسه بندی داده ها نیز با استفاده از یک الگوریتم کلاسه بند باینری مبتنی بر ماشین های بردار پشتیبان انجام شده است. براساس آزمایشات ما، با استفاده از ویژگی های پیشنهادی، بالاترین نرخ تشخیص برای کلاسه بندی دو احساس خشم و خوشحالی برای حالت مستقل از گوینده 93.92%، و بدون در نظر گرفتن استقلال از گوینده 94/44% بدست آمد که نشان دهنده ی کارآمد بودن این ویژگی ها می باشد.

تشخیص احساس از روی گفتار، بازسازی فضای فاز، ویژگی های دینامیکی غیرخطی