Ses sinyalinden duygu tanıma

Konuşma sinyalleri insanlar arasındaki hızlı ve en doğal iletişim yöntemlerindendir. Bu durum araştırmacıları, insan ve makine etkileşimini daha hızlı ve verimli hale getirmek için konuşma sinyalinden duygu tanıma alanında çalışmaya sevk etti. Bu tez çalışmasında Kızgın, Nötr, Mutlu ve Üzgün duygu sınıflarına ait ve toplamda 393 veriden oluşan EmoSTAR adlı Türkçe - İngilizce örnekler içeren bir veri tabanı kullanılmıştır. İki farklı dil örneğinin olması duygunun telaffuz ve dilden bağımsız olduğunu göstermek için elverişlidir. Bu veri tabanı kullanılarak, her bir konuşma sinyalinden Mel Frekansı Kepstrum Katsayları (Mfkk) ve buna ek olarak sıfırıncı Mfkk, enerji ve birinci-ikinci türevleri eklenerek farklı öz nitelikler elde edilerek incelenmiştir. Ayrıca Mfkk çıkarılırken belirlenen çerçeve uzunluğu ve kaydırma süreleri de değiştirilerek sonuçlara olan etkisi incelenmiştir. Bu tez çalışmasında Hu Momentleri ve Doğrusal Öngörü Katsayısı (DÖK) öznitelikleri de kullanılarak analizler yapılmıştır. Elde edilen öznitelikler Destek Vektör Makineleri (DVM) ve K En Yakın Komşu (k-EK) sınıflandırıcıları ile çapraz doğrulama yöntemi kullanılarak değerlendirilmiş ve %98,7 başarı oranı elde edilmiştir. Ayrıca bu çalışmada EmoDB veri seti test kümesi olarak kullanılıp, farklı veri setleri arasında doğrulama işlemi gerçekleştirildi. Çalışmanın son aşamasında Temel Bileşenler Analizi ile boyut indirgeme işlemi yapılmış, böylelikle işlem zamanı ve başarı oranı açısından iyi sonuçlar elde edildiği gözlenmiştir.