جواد سواری - دانشجوی کارشناسی ارشدکنترل
جلیل شیرازی - استادیاردانشگاه آزاد اسلامی واحد گناباد

دراین مقاله شناسایی و دسته بندی واج های زبان انگلیسی ناوابسته به گوینده که ازبانک اطلاعاتی TIMIT استخراج شده و توسط دسته بندی کننده ماشین بردارپشتیبان دسته بندی شده است مورد بررسی قرارمیگیرد تعداد 39 کلاس که هرکلاس معادل یک واج می باشد واج های هرکلاس به قابهای 20میلی ثانیه تقسیم شده و برای هرقاب 13 ضریب MFCC 13ضریب ΔMFCC به عنوان تغییرات سرعت و 13ضریب ΔΔMFCCبه عنوان تغییرات شتاب و درپایان 1ضریب بعنوان NERGY Δ که درمجموع 40ضریب به عنوان بردارهی ویژگی استخراج و محاسبه شده است سپس با استفده ازSVM به عنوان یک روش دسته بندی اقدام به دسته بندی واجهای تست با دقت 93.37درصد شده است نتایج بدست امده نشان دهنده کارایی بالای ویژگیهای استفاده شده درتشخیص واج های انگلیسی مورد استفاده دراین تحقیق می باشد

کپسترال، ماشین بردارپشتیبان، MFCC