ПРИМЕНЕНИЕ МЕТОДОВ ФОНЕТИЧЕСКОГО АНАЛИЗА РЕЧИ ДЛЯ ВЫЯВЛЕНИЯ ЭМОЦИОНАЛЬНО УСТОЙЧИВЫХ И НЕСТАБИЛЬНЫХ СТУДЕНТОВ УНИВЕРСИТЕТА
Данная статья посвящена разработке компьютерной системы, предназначенной для исследования эмоциональной устойчивости человека по речевому сигналу в нормальных и условиях с повышенной напряжённостью на основе методов фонетического анализа речи и критерия минимума требуемой избыточности голосового сигнала. Основная деятельность высшего учебного заведения – образовательный процесс. Для организации учебного процесса необходимо соединить все его элементы, наладить их взаимодействие между собой, определить содержание деятельности преподавателей и студентов. Комфортная и благополучная психологическая атмосфера на занятиях в вузе, несомненно, способствует успешности обучения студентов. Одна из основных задач преподавателя современной высшей школы не только делиться научной информацией с обучающимися, но и создание психологического комфорта в процессе обучения. Исследования эмоционального состояния обучающихся на лекциях и экзаменах является актуальной задачей. В связи с этим разработана и протестирована специальная компьютерная система «Информационная система идентификации дикторов по голосу», способная автоматизировать процесс исследования эмоционального состояния студентов по голосу в комфортных и некомфортных условиях, для выявления эмоционально устойчивых и нестабильных.
Пока никто не оставил комментариев к этой публикации.
Вы можете быть первым.
1. Свид. о гос. регистрации программы для ЭВМ №2015663306 Программа идентификации дикторов по голосу / Васильев Р.А. Зарег. 15.12.2015г. – М.: Роспатент, 2015.
2. Савченко В.В. Информационная теория качества речи // Изв. вузов России. Радиоэлектроника. 2011. Вып. 1. С. 17-27.
3. Савченко В.В., Васильев Р.А. Анализ эмоционального состояния дикторов по голосу на основе фонетического детектора лжи // Научные ведомости Белгородского государственного университета. 2014. Вып. № 21(192) 32/1. С. 186-195.
4. Савченко. В. В., Васильев Р. А. Автоматическая оценка качества речи по критерию минимума требуемой избыточности речевого сигнала // Материалы XI Международной научно-технической конференции посвященной памяти Б.И. Рамеева. Новые информационные технологии и системы. Пензенский государственный университет. 2014. С. 15-19.
5. Васильев Р.А. Биометрическая идентификация пользователей информационных систем на основе кластерной модели элементарных речевых единиц: дис. … к-та тех. наук. М., 2017. 153 с.
6. Николаев Д.Б., Васильев Р.А. Анализ возможности применения голосовой идентификации в системах разграничения доступа к информации // Научный результат // Серия: Информационные технологии. Белгородский государственный университет. 2016. Вып. 1. С 48-57.
7. Алимурадов А. К., Тычков А. Ю., Чураков П. П. // Оценка психоэмоционального состояния человека на основе декомпозиции на эмпирические моды и кепстрального анализа речевых сигналов // Вестник Пензенского государственного университета. – 2018. – № 2 (22). – С. 89–95.
8. Герасимов А.В., Фидельман В.Р. Применение методов классического и модифицированного линейного предсказания для определения порядка линейной модели в задаче акустического кодирования речи // XXIV научные чтения имени академика Н.В. Белова. Тезисы докладов. Нижний Новгород. 2005.
С. 142-144.
9. Кульбак С. Теория информации и статистика. М.: Наука, 1967. 408 с.
10. Савченко В.В., Акатьев Д.Ю. Автотестирование качества произношения речи по принципу минимального информационного рассогласования // Сборник научных трудов «Современные тенденции компьютеризации процесса изучения иностранных языков». Луганск: Восточно-украинский национальный университет. 2005. Вып.3. С.205-206.
11. Васильев Р.А. Исследование особенностей фонетического строя речи и текстонезависимая идентификация дикторов по непрерывной речи // Информационная безопасность регионов. 2012. № 2 (11). С. 57-63.
12. Васильев Р.А. Исследование фонетического строя речи и идентификация дикторов по голосу // Вопросы защиты информации. 2013. № 1 (100). С. 43-51.
13. Васильев Р.А. Исследование особенностей идентификации дикторов по голосу при различиях в произношении дикторов// Безопасность информационных технологий. 2013. № 1. С. 85-86.
14. Васильев Р.А. Исследование особенностей фонетического строя речи и определение национальности диктора при проведении процедуры идентификации по голосу // Информация и безопасность. 2012. Т. 15. № 4. С. 487-494.
15. Райгородский, Д.Я. Практическая психодиагностика / Д.Я. Райгородский. – Самара: Бахрах-М, 2011. – 672 с.
16. Сонин. В.А. Психодиагностическое познание профессиональной деятельности / В.А. Сонин. – СПб.: Речь, 2004. – 408 с.
17. Gray A., Markel J. Distance measures for speech processing. // IEEE Trans. On Acoust., Speech and Lang. processing. Vol. 24 (5), oct. 1976. p. 380 – 291.
18. Garofolo J., Auzanne G., and Voorhees E. The trec spoken document retrieval track: A success story. // In proceedings of the Recherche d'Informations Assiste par Ordinateur: Content Based Multimedia Information Access Conference, 2000. pp. 1-20.
19. Huijbregts M., Ordelman R., Jong F. Annotation of heterogeneous multimedia content using automatic speech recognition // In Proceedings of the second international conference on Semantics And digital Media Technologies (SAMT). Lecture Notes in Computer Science. Berlin. Springer Verlag. December 2007. pp. 78-90.
20. Mamou J., Mass Y., Ramabhadran B., Sznajder B. Combination of multiple speech transcription methods for vocabulary independent search // In proceedings of the ACM SIGIR Workshop `Searching Spontaneous Conversational Speech. Singapore. 2008. pp. 20-27.
21. Rabiner L. A. Tutorial on Hidden Markov Models and Selected Applications in Speech Recognition // Proceedings of the IEEE. 1989. Vol. 77 № 2. pp. 257-285.