Rilevamento del sigmatismo con l'aiuto del Machine Learning

La ricerca è dedicata al rilevamento automatico del sigmatismo nel discorso degli adulti di lingua tedesca. Ha due scopi principali: (1) trovare un set ottimale di caratteristiche audio che forniscono la distinzione tra il discorso normale e quello disordinato; (2) creare un algoritmo di classificazione di Machine Learning (ML) in grado di analizzare le caratteristiche estratte e rilevare il sigmatismo a livello di telefono.Le caratteristiche sono selezionate in base al background fonetico dei suoni considerati.Esse includono le prime tre formanti, l'ampiezza root-mean-square (RMS), i picchi spettrali, il centroide spettrale, l'asimmetria spettrale e i primi 12 coefficienti mel-frequency cepstral (MFCC).Tre metodi ML sono considerati per il rilevamento del sigmatismo: Support Vector Machine, processo gaussiano e reti neurali. Il processo di estrazione delle caratteristiche così come la classificazione automatica sono condotti tramite script Python. Come risultato, il modello basato su SVM con il kernel RBF ha mostrato il più alto tasso di precisione del 90,6%.