ارزیابی ویژگی های تمایزگر استخراج شده از سیگنال واکه به منظور طبقه بندی گفتار طبیعی و پاتولوژیک
نویسنده:
چکیده:
در این تحقیق به منظور تشخیص خودکار نارسایی های گفتاری، به تعریف و استخراج ده ویژگی از سیگنال صوتی واکه کشیده شده /a/ پرداختیم. این ویژگی ها شامل میانگین فرکانس پایه، بالاترین و پایین ترین مقادیر فرکانس پایه در طول سیگنال، انحراف معیار مقادیر فرکانس پایه، میزان نوسانات کوتاه مدت فرکانس پایه، انحراف معیار ضرایب دامنه، میزان اغتشاشات کوتاه مدت دامنه، فرکانس فرمانت اول، نسبت دامنI فرمانت اول به فرمانت دوم، و بعد فرکتال کوتاه مدت سیگنال می باشند. به منظور ارزیابی قدرت هر یک از ویژگی ها در تمایز دادن سیگنال های طبیعی و پاتولوژیک، نسبت پراکندگی بین کلاسی به مجموع پراکندگی های داخل کلاسها برای هر یک از ده ویژگی محاسبه گردید. نتایج، بیانگر قابلیت بالای ویژگی بعد فرکتال سیگنال برای تمایز سیگنال های طبیعی از پاتولوژیک می باشد. در ادامه با استفاده از شبکه عصبی جلوسوی پرسپترون به طبقه بندی سیگنال ها با استفاده از سه ویژگی برتر پرداختیم. فرآیند طبقه بندی با استفاده از شبکه عصبی مستقل از جنسیت گوینده صورت گرفت. و به درصدصحت 09/85% برای داده غیرتعلیم رسیدیم، این نتیجه با استفاده از تنها سه ویژگی بدست آمده است.
کلیدواژگان:
زبان:
فارسی
در صفحه:
71
لینک کوتاه:
magiran.com/p883437
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!