فهرست نشریات علمی دسترسی آزاد ایران

از دست دادن صدا و حنجره یک معضل بزرگ برای افراد با اختلالات گفتاری است. این اتفاق عواقب جدی و منفی بر کیفیت زندگی فردی و گروهی این اشخاص به ‌ویژه در محیط‌های کاری ایجاد می‌کند. توسعه‌ی یک سیستم هوشمند بر پایه‌ی سیگنال‌های الکترومایوگرام با قابلیت تشخیص گفتار (بدون استفاده از صوت) می‌تواند دریچه‌ی امیدبخشی برای افرادی که حنجره و صدای خود را بر اثر سرطان از دست ‌داده‌اند باشد. اگر چه در این حوزه پژوهش‌هایی برای زبان‌های مختلف انجام شده اما برای زبان فارسی پژوهشی صورت نگرفته است. در این مقاله برای اولین بار، بازشناسی واژگان فارسی با استفاده از الکترومایوگرام عضلات چهره انجام پذیرفته است. بدین منظور سیگنال‌های sEMG از 8 عضله‌ی چهره‌ی 6 داوطلب هنگام بیان 12 کلمه‌ی زبان فارسی جمع‌آوری شده است. سپس ویژگی‌های MFL، VAR، DAMV، LTKE، IQR و Cardinality از هر کانال و هر پنجره از سیگنال استخراج گردیده و 432 ویژگی حاصل از هر سیگنال با استفاده از روش تحلیل مولفه‌ی اصلی به 49 ویژگی تقلیل یافته است. در نهایت به‌ منظور بازشناسی 12 کلمه‌ی زبان فارسی، ویژگی‌ها به طبقه‌بندهای SVM، KNN و RF داده شده است. میانگین صحت طبقه‌بندی به ترتیب 16/83%، 91/81% و 97/78% به دست آمده است. ارزیابی نتایج این مقاله گویای آن است که با استفاده از سیگنال‌های EMG می‌توان کلمات محدود زبان فارسی را با صحت خوبی بازشناسی نمود.