تشخیص احساس از روی گفتار با استفاده از طبقه بند مبتنی بر مدل و ویژگی های دینامیکی غیر خطی

با توجه به پیشرفت های صورت گرفته در زمینه رباتیک و تعامل انسان و ماشین، تشخیص احساس از روی گفتار اهمیت ویژه ای پیدا کرده است. در این مقاله یک طبقه بند مبتنی بر مدل احساسی برانگیختگی- جاذبه، برای بازشناسی احساس از روی گفتار استفاده شده است. در این روش، در مرحله اول نمونه ها با استفاده از ویژگی های متداول عروضی و طیفی بر مبنای سطح برانگیختگی طبقه بندی می شوند. سپس احساس های با سطح برانگیختگی یکسان با استفاده از ویژگی های پیشنهادی دینامیکی غیر خطی از یکدیگر جدا می شوند. ویژگی های دینامیکی غیر خطی از روی مشخصات هندسی فضای فاز بازسازی شده سیگنال گفتار استخراج می شوند. بدین منظور چهار منحنی توصیفگر برای بازنمایی مشخصات هندسی فضای فاز بازسازی شده محاسبه می شوند. سپس مولفه های مهم تبدیل کسینوسی گسسته این منحنی ها به عنوان ویژگی های دینامیکی غیر خطی مورد استفاده قرار می گیرند. روش پیشنهادی بر روی پایگاه داده برلین با استفاده از تکنیک 10 تکه برابر ارزیابی شده و نرخ بازشناسی 35/96% و 18/87% برای زنان و مردان به دست آمد. با توجه به تعداد نمونه ها در هر گروه جنسیتی، متوسط نرخ بازشناسی 34/92% برای سیستم پیشنهادی به دست آمد.