آشکارسازی وجود استرس در گفتار با استفاده از ویژگی های مبتنی بر مدل غیر خطی تولید گفتار

مطالعات نشان می دهند که استرس روانی گوینده در نحوه ی تولید گفتار او اثر می گذارد. آشکارسازی وجود استرس در گفتار دارای کاربردهای متعدد می باشد. در کارهای اخیر، ویژگی های صوتی مختلف، به صورت جداگانه، توسط طبقه بندی کننده ی HMM مورد ارزیابی قرار گرفته اند و از میان آن ها، ویژگی غیرخطی TEO-CB-Auto-Envکارآمدترین پارامتر بوده است. در این مقاله، یک ویژگی جدید که آن را (TEO-Pch-LFPC) می نامیم، پیشنهاد شده است. دادگان گفتار استرسی (حالات خنثی، عصبانی، بلند و لمبارد) از پایگاه داده ی SUSAS برداشته شده و نقطه ی قوت کار حاضر این است که در آن، از طبقه بند های ساده تری نسبت به HMM استفاده شده است، یعنی طبقه بندهای استاتیک (KNN، LDA و SVM)، و روش ارزیابی نیز RRM می باشد. با استفاده از ویژگی TEO-Pch-LFPC و طبقه بند SVM، در تفکیک دو حالته، درصد صحت 93.78% و در طبقه بندی چندحالته 70.22% می باشد.