علی محمد نادری - دانشجوی کارشناسی ارشد هوش مصنوعی – دانشگاه آزاد اسلامی قزوین،قزوین،ایران
امید سجودی شیجانی - عضو هیئت علمی ،گروه مهندسی کامپیوتر،دانشگاه آزاد اسلامی قروین، قزوین،ایران

گریه تنها وسیله ارتباطی برای نوزاد است. درک ویژگیهای گریه نوزاد برای تعیین مبنایی برای استفاده از گریه به عنوان یک ابزار برای تشخیص پاتولوژیک و احتمالا شناسایی نوزادان بسیار ضروری است.هدف از این تحقیق بررسی وضعیت نوزادان با استفاده از تجزیه و تحلیل گریه آنها برای شناسایی سریع تر نارس بودن و مشکلات ناشی از این موضوع و همچنین کمک به تشخیص و افزایش شانس زندگی می باشد. در این مقاله تلاش شده است که نوزاد را از گریه خود شناسایی کند. آزمایشات برای ضرایب پیش بینی خطی (۱LPC)، ضریب پیش بینی خطی Cepstral (LPCC۲) و ضریب Cepstral فرکانس Mel (MFCC۳) و MFCC (T-MFCC۴) مبتنی بر انرژی به عنوان ویژگی ورودی به یک طبقه بند ارسال شود. نتایج آزمایش ها نشان می دهد که استخراج ویژگی با روش MFCC بهتر از سایر روش ها عمل می کند. یکی از دلایل عملکرد بهتر این الگوریتم این واقعیت باشد که MFCC به منظور تقلید فرآیند ادراک انسان طراحی شده و از این رو جنبه های شناختی مربوط به طیف کوتاه مدت گریه نوزاد را بخوبی نشان می دهد.

طبقه بندی – پردازش سیگنال – گریه نوزاد – ضرایب پیش بینی خطی