Анализ состояния члена экипажа воздушного судна по его речи на базе гауссовых моделей смесей

Работа посвящена исследованию эффективности применения моделей гауссовых смесей для распознавания аномальных отклонений в речи диктора. Предложено практическое применение разрабатываемых алгоритмов для выявления эмоционального состояния члена экипажа по произнесенной им фразе. В качестве основного критерия для различения с помощью модели гауссовых смесей используются спектральные характеристики речевого сигнала. В связи с достаточно небольшим шагом дискретизации по частоте и соответственно с наличием 255 частотных составляющих в спектре сигнала предложено сжатие спектра до 10 составляющих. Такой подход позволил сократить число ключевых параметров в гауссовой модели до 10, что, в свою, очередь, позволило упростить процесс анализа при построении многомерных распределений. Для оценки качества предлагаемого алгоритма были записаны тестовые фразы. При этом имитировались различные психологические состояния диктора. Использовались как простые нерегламентированные речевые конструкции, так и сообщения, регулируемые в порядке Федеральных авиационных правил при проведении радиообмена в гражданской авиации на территории Российской Федерации. С учетом ограничений на предварительные знания модели и кластеризации по спектральным характеристикам все записи модели были выполнены одним диктором. Были рассмотрены три класса эмоционального состояния диктора. На выходе система распознавания ставила такие метки, как спокойное состояние, усталое состояние, стрессовое состояние. Различные состояния искусственно имитировались в процессе подготовки данных. На тестовой выборке из 48 сообщений гауссова модель из 3 компонент и 10 параметров без предварительного обучения сразу позволила достичь результата порядка 65%, в то время как вероятность распознать верный класс при 3-х равных классах априори составляет 33%. В качестве дальнейших исследований предложено применение предварительного обучения с использованием нейронных сетей или корреляционных алгоритмов. Такой подход позволит выполнять дальнейшую кластеризацию на более глубоком уровне, когда, например, определяется пол диктора, определяется типовое сообщение радиообмена, а затем уже выявляется эмоциональное состояние диктора.