ارزیابی ویژگی های تمایزگر استخراج شده از سیگنال واکه به منظور طبقه بندی گفتار طبیعی و پاتولوژیک

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.