دوره 22، شماره 2 - ( تابستان 1399 )
جلد 22 شماره 2 صفحات 81-71 |
برگشت به فهرست نسخه ها
مهسا روانبخش1 
، سعید ستایشی* 
2، میرمحسن پدرام3 ، آزاده میرزایی4
، سعید ستایشی* 2، میرمحسن پدرام3 ، آزاده میرزایی4
1- دانشجوی دکتری زبان‌شناسی شناختی، موسسه آموزش عالی علومشناختی، تهران، ایران
2- دانشیار گروه مهندسی هست8ه‌ای، دانشکده فیزیک و انرژی، دانشگاه صنعتی امیرکبیر، تهران، ایران
3- دانشیار گروه مهندسی الکترونیک و کامپیوتر، دانشکده فنی و مهندسی، دانشگاه خوارزمی، تهران، ایران
4- استادیار گروه زبان‌شناسی، دانشکده ادبیات و زبان‌های خارجی، دانشگاه علامه طباطبائی، تهران، ایران
2- دانشیار گروه مهندسی هست8ه‌ای، دانشکده فیزیک و انرژی، دانشگاه صنعتی امیرکبیر، تهران، ایران
3- دانشیار گروه مهندسی الکترونیک و کامپیوتر، دانشکده فنی و مهندسی، دانشگاه خوارزمی، تهران، ایران
4- استادیار گروه زبان‌شناسی، دانشکده ادبیات و زبان‌های خارجی، دانشگاه علامه طباطبائی، تهران، ایران
چکیده: (2348 مشاهده)
مقدمه: گفتار مؤثرترین ابزاری است که انسان‌ها برای انتقال اطلاعات از آن استفاده می‌کنند. گوینده در خلال گفتار خویش علاوه بر واژگان و دستور زبان اطلاعاتی همچون سن، جنسیت و حالت هیجانی خود را منتقل می‌کند. پژوهش‌های فراوانی با رویکردهای گوناگون پیرامون هیجان در گفتار هیجانی انجام شده است. این پژوهش‌ها نشان می‌دهند که هیجان ضمن پیام در گفتار هیجانی از طبیعتی پویا برخودار می‌باشد. این پویایی، مطالعه کمّی هیجان در گفتار هیجانی را با دشواری همراه می‌سازد. این پژوهش به ارزیابی هیجان ضمن پیام از طریق پردازش گفتار هیجانی با استفاده از ویژگی‌های ضرایب کپسترال فرکانس مِل (MFCC) و تبدیل فوریه زمان کوتاه (STFT) پرداخت.
روش کار: داده‌های ورودی، پایگاه‌داده استاندارد گفتار هیجانی Berlin شامل هفت حالت هیجانی خشم، کسلی، انزجار، ترس، شادی، غم و حالت خنثی می‌باشد. با استفاده از نرم افزار MATLAB ابتدا فایل‌های صوتی خوانده شدند. در مرحله بعد نخست ویژگی‌های MFCC و سپس ویژگی‌های STFT استخراج شدند. بردار‌های ویژگی برای هر کدام از ویژگی‌ها بر اساس هفت مقدار آماری کمینه، بیشینه، میانگین، انحراف معیار، میانه، چولگی و کشیدگی محاسبه شدند و به عنوان ورودی شبکه عصبی مصنوعی مورد استفاده قرار گرفتند. در انتها، بازشناسی حالت‌های هیجانی با استفاده از توابع آموزشی مبتنی بر الگوریتم‌های مختلف انجام شد.
یافته‌ها: نتایج بدست آمده نشان داد میانگین و صحت بازشناسی حالت‌های هیجانی با استفاده از ویژگی‌های STFT نسبت به ویژگی‌های MFCC بهتر است. همچنین، حالت‌های هیجانی خشم و غم از نرخ بازشناسی بهتری برخوردار بودند.
نتیجه‌گیری: ویژگی‌های STFT نسبت به ویژگی‌های MFCC هیجان ضمن پیام در گفتار هیجانی را بهتر بازنمایی می‌کنند.
روش کار: داده‌های ورودی، پایگاه‌داده استاندارد گفتار هیجانی Berlin شامل هفت حالت هیجانی خشم، کسلی، انزجار، ترس، شادی، غم و حالت خنثی می‌باشد. با استفاده از نرم افزار MATLAB ابتدا فایل‌های صوتی خوانده شدند. در مرحله بعد نخست ویژگی‌های MFCC و سپس ویژگی‌های STFT استخراج شدند. بردار‌های ویژگی برای هر کدام از ویژگی‌ها بر اساس هفت مقدار آماری کمینه، بیشینه، میانگین، انحراف معیار، میانه، چولگی و کشیدگی محاسبه شدند و به عنوان ورودی شبکه عصبی مصنوعی مورد استفاده قرار گرفتند. در انتها، بازشناسی حالت‌های هیجانی با استفاده از توابع آموزشی مبتنی بر الگوریتم‌های مختلف انجام شد.
یافته‌ها: نتایج بدست آمده نشان داد میانگین و صحت بازشناسی حالت‌های هیجانی با استفاده از ویژگی‌های STFT نسبت به ویژگی‌های MFCC بهتر است. همچنین، حالت‌های هیجانی خشم و غم از نرخ بازشناسی بهتری برخوردار بودند.
نتیجه‌گیری: ویژگی‌های STFT نسبت به ویژگی‌های MFCC هیجان ضمن پیام در گفتار هیجانی را بهتر بازنمایی می‌کنند.
واژه‌های کلیدی: گفتار هیجانی، بازشناسی هیجان، تبدیل فوریه کوتاه مدت، ضرایب کپسترال فرکانس مل، پردازش گفتار هیجانی
نوع مطالعه: پژوهشي اصیل |
موضوع مقاله:
مدل سازی شناختی، پردازش سیگنال و تصویربرداری مغز
دریافت: 1398/2/8 | پذیرش: 1398/9/19 | انتشار: 1399/4/10
دریافت: 1398/2/8 | پذیرش: 1398/9/19 | انتشار: 1399/4/10
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |