تشخیص کلمات فارسی با استفاده از سیگنال های الکترومایوگرام چهره

از دست دادن صدا و حنجره یک معضل بزرگ برای افراد با اختلالات گفتاری محسوب می شود. این اتفاق عواقب جدی و منفی بر کیفیت زندگی فردی و گروهی این اشخاص به ویژه در محیط های کاری ایجاد می کند. توسعه یک سیستم هوشمند بر پایه سیگنال های الکترومایوگرام با قابلیت تشخیص گفتار (بدون استفاده از صوت) می تواند دریچه امیدی برای افرادی که حنجره و صدای خود را بر اثر سرطان از دست داده اند باشد. اگرچه در این حوزه پژوهش هایی برای زبان های مختلف انجام شده است اما برای زبان فارسی پژوهشی صورت نگرفته است. در این مقاله برای اولین بار، بازشناسی واژگان فارسی با استفاده از الکترومایوگرام عضلات چهره انجام پذیرفت. بدین منظور، سیگنال های sEMG از هشت عضله چهره شش داوطلب هنگام بیان دوازده کلمه زبان فارسی جمع آوری شد. سپس ویژگی های MFL، VAR، DAMV، LTKE، IQR و Cardinality از هر کانال و هر پنجره از سیگنال استخراج گردید و 432 ویژگی حاصل از هر سیگنال با استفاده از روش تحلیل مولفه اصلی به 49 ویژگی تقلیل یافت. درنهایت به منظور بازشناسی دوازده کلمه زبان فارسی، ویژگی ها به طبقه بندهای SVM، KNN و RF داده شد. میانگین صحت طبقه بندی به ترتیب 16/83 %، 91/81 % و 97/78 % به دست آمد. ارزیابی نتایج این مقاله گویای آن است که با استفاده از سیگنال های EMG می توان کلمات محدود زبان فارسی را با صحت خوبی بازشناسی نمود.