Aplicação de rede neural artificial especialista em reconhecimento de transtornos vocais moderados
A voz é um elemento primordial para a realização de grande parte das atividades feitas pelos seres humanos, sejam elas do âmbito de lazer ou de trabalho. Distúrbios vocais ocorrem em um número elevado de pessoas, e podem ser causados por diversos motivos, sendo assim, tem-se como necessário um diagnóstico rápido e eficiente para o seu devido tratamento. O objetivo desse trabalho foi realizar o reconhecimento de desvios vocais de grau moderado por meio da aplicação de uma rede neural artificial especialista. Para a sua devida execução, foram realizadas diferentes etapas, sendo elas: o tratamento do banco de dados utilizado; o pré-processamento dos sinais de voz; a extração das características da voz (energia e entropia) por meio da Transformada Wavelet Packet, e, por fim, a aplicação da rede neural artificial especialista, na qual foram realizados treinamentos e testes. Foi possível obter uma taxa de acerto total de 82,2% utilizando a energia extraída dos sinais de voz, ao mesmo tempo que, utilizando a entropia, foi obtida uma taxa de 99,5% de acerto.
Aplicação de rede neural artificial especialista em reconhecimento de transtornos vocais moderados
-
DOI: 10.22533/at.ed.3732123021
-
Palavras-chave: Distúrbios da voz. Transformada Wavelet Packet. Perceptron Multicamadas.
-
Keywords: Voice disorders. Wavelet Packet Transform. Perceptron Multilayer.
-
Abstract:
The voice is a key element for the accomplishment of most of the activities done by human beings, whether recreation or work. Vocal disorders occur in a large number of people and can be caused by several reasons, so a fast and efficient diagnosis is necessary for its proper treatment. The objective of this study was to recognize moderate vocal disorders by the application of a specialized artificial neural network. For its proper implementation, certain steps were required, namely: the database treatment used; preprocessing of voice signals; the extraction of voice characteristics (energy and entropy) using the Wavelet Packet Transform, and, finally, the application of the specialist artificial neural network. It was possible to achieve a total hit rate of 82.2% using the energy extracted from the signals while using entropy, a 99.5% accuracy rate was obtained.
-
Número de páginas: 13
- Mateus Morikawa
- Vinícius Baratieri Suterio
- María Eugenia Dajer
- Eduardo Henrique da Silva
