Parámetros característicos de señales de voz utilizando Wavelet Packet y ACP para su clasificación mediante máquina de vectores de soporte

Abstract

Analizar los sonidos emitidos por la voz humana es una tarea que ha mostrado interés por grupos de investigadores con distintos fines de estudio; se presenta en esta monografía una metodología que expone la reducción de dimensionalidad de un número de parámetros característicos de las señales de voz por medio del análisis de componentes principales (ACP) el cual es una técnica estadística de síntesis de información, al reducir el número de parámetros característicos mediante ACP se obtiene un conjunto de menor dimensión de variables donde cada variable es una combinación lineal de las variables originales y además estas nuevas variables son independientes entre sí. El objetivo fundamental de reducir el número de parámetros que caracterizan las señales de voz cobra importancia por el hecho de que estos nuevos parámetros servirán de entrenamiento para el diseño de una máquina de vectores de soporte que será capaz de clasificar entre señales de voces sanas y señales de voces con patologías. Se determinaron parámetros característicos de las señales de voz en el dominio de la frecuencia y en el dominio wavelet en el cual se utilizó la transformada wavelet packet. Se realizaron diferentes experimentos en los que los parámetros característicos de las señales de voz fueron determinados utilizando diferentes bases wavelet y distintos niveles de descomposición, lográndose conseguir una base wavelet y un nivel de descomposición en los que el conjunto de señales de voz aportado por el centro de análisis y tratamiento de señales (CATS) fueron clasificados con un 100% de precisión.