نوع مقاله : مقاله کامل پژوهشی

نویسندگان

• هادی سلطانی زاده ¹
• پوریا شریفی ²
• علی مالکی ³

¹ ایران،‌سمنان، دانشگاه سمنان، دانشکده مهندسی برق و کامپیوتر

² گروه آموزشی الکترونیک، دانشکده مهندسی برق و کامپیوتر، دانشگاه سمنان، سمنان، ایران

³ دانشکده مهندسی برق و کامپیوتر، دانشگاه سمنان، سمنان، ایران

چکیده

از دست دادن صدا و حنجره یک معضل بزرگ برای افراد با اختلالات گفتاری محسوب می‌شود. این اتفاق عواقب جدی و منفی بر کیفیت زندگی فردی و گروهی این اشخاص به ‌ویژه در محیط‌های کاری ایجاد می‌کند. توسعه یک سیستم هوشمند بر پایه سیگنال‌های الکترومایوگرام با قابلیت تشخیص گفتار (بدون استفاده از صوت) می‌تواند دریچه امیدی برای افرادی که حنجره و صدای خود را بر اثر سرطان از دست ‌داده‌اند باشد. اگرچه در این حوزه پژوهش‌هایی برای زبان‌های مختلف انجام شده است اما برای زبان فارسی پژوهشی صورت نگرفته است. در این مقاله برای اولین بار، بازشناسی واژگان فارسی با استفاده از الکترومایوگرام عضلات چهره انجام پذیرفت. بدین منظور، سیگنال‌های sEMG از هشت عضله چهره شش داوطلب هنگام بیان دوازده کلمه زبان فارسی جمع‌آوری شد. سپس ویژگی‌های MFL، VAR، DAMV، LTKE، IQR و Cardinality از هر کانال و هر پنجره از سیگنال استخراج گردید و 432 ویژگی حاصل از هر سیگنال با استفاده از روش تحلیل مؤلفه اصلی به 49 ویژگی تقلیل یافت. درنهایت به‌ منظور بازشناسی دوازده کلمه زبان فارسی، ویژگی‌ها به طبقه‌بندهای SVM، KNN و RF داده شد. میانگین صحت طبقه‌بندی به ترتیب 16/83 %، 91/81 % و 97/78 % به دست آمد. ارزیابی نتایج این مقاله گویای آن است که با استفاده از سیگنال‌های EMG می‌توان کلمات محدود زبان فارسی را با صحت خوبی بازشناسی نمود.

کلیدواژه‌ها

• الکترومایوگرام چهره
• کلمات فارسی
• رابط گفتاری بی‌صدا
• بازشناسایی کلمات

موضوعات

• برهم‌کنش انسان و رایانه

عنوان مقاله [English]

Persian words recognition using facial electromyogram signals

نویسندگان [English]

• Hadi Soltanizadeh ¹
• Pouria Sharifi ²
• Ali Maleki ³

¹ Electrical & Computer Eng. Dept., Semnan University., Semnan, Iran

² Electronics Dept., Electrical and Engineering, Semnan University, Semnan, Iran.

³ Assistant Professor, Faculty of Electrical and Computer Engineering,Semnan University

چکیده [English]

Losing of voice and larynx is a major problem for people with speech disorders. It creates serious and negative consequences on the quality of individual and group life of these people, especially in working environments. The development of an intelligent system based on electromyogram signals with the ability to recognize speech (without using sound) can be a window of hope for people who lost their larynx and voice due to cancer. Although progress and studies in this field are growing in our country and in different languages, but these studies have not been done for the Persian language. In this article, for the first time, recognition of Persian words was done using electromyogram of facial muscles. For this purpose, sEMG signals were collected from eight facial muscles and six volunteers while speaking twelve Persian words. Then, MFL, VAR, DAMV, LTKE, IQR and Cardinality features were extracted from each channel and each window from the signal, and the 432 features from each signal were reduced to 33 features using the PCA principal component analysis method. Finally, in order to recognize twelve Persian words, the features were given to SVM, KNN and RF classifiers. The average classification accuracy was 83.16%, 81.91% and 78.97%, respectively. Our evaluation in this article gives the hope that by using EMG signals it is possible to recognize the limited words of Persian language.

کلیدواژه‌ها [English]

• Facial electromyogram
• Persian words
• Silent speech interface
• Word recognition