Upload
others
View
1
Download
0
Embed Size (px)
Citation preview
295วารสารวจยและพฒนา มจธ. ปท 40 ฉบบท 2 เมษายน - มถนายน 2560
บทคดยอ
งานวจยนนำาเสนอเทคนคการจำาแนกวรรณยกตไทย5เสยงสำาหรบระบบรจำาการพดภาษาไทยโดยใชสญญาณ
ไฟฟากลามเนอจากกลามเนอคอเปนอนพตใหกบระบบมการเกบขอมลสญญาณไฟฟากลามเนอจากอาสาสมครทงหมด10
คนโดยออกเสยงพดคำาโดดภาษาไทย105คำาซงครอบคลมการออกเสยงวรรณยกตทง5เสยงสญญาณทไดจะถกนำามา
ผานกระบวนการเตรยมสญญาณเบองตนและนำาไปคำานวณคาลกษณะเดนของสญญาณไฟฟากลามเนอจำานวน160คา
จากนนทำาการประเมนลกษณะเดนดงกลาวโดยใชตวประเมนอารอเอส(RES)และเลอกลกษณะเดนจากผลการประเมน
เพอเปนอนพตใหกบตวจำาแนกโดยปรบจำานวนอนพตเปน35791215182124และ27ตามลำาดบในการ
ฝกสอนและทดสอบระบบจะใชเทคนคการจำาแนกสองรปแบบ คอ การจำาแนกแบบสามขนตอนโดยใชโครงขายประสาท
เทยมสามโครงขายและการจำาแนกแบบขนตอนเดยวโดยใชโครงขายประสาทเทยมหนงโครงขายจากผลการทดลองพบวา
รปแบบการจำาแนกแบบสามขนตอนมประสทธภาพดกวาการจำาแนกแบบขนตอนเดยวโดยใหความแมนยำาสงสด95.56%
จากสญญาณไฟฟากลามเนอของอาสาสมครS04เมอใชจำานวนลกษณะเดน21ตว
คำ�สำ�คญ :ระบบรจำาการพด/สญญาณไฟฟากลามเนอ/วรรณยกตไทย
นยวด ศรสวรรณ1 พรชย พฤกษภทรานนต2 และ ชศกด ลมสกล3*
มหาวทยาลยสงขลานครนทร วทยาเขตหาดใหญ ต.คอหงส อ.หาดใหญ จ.สงขลา 90110
การจำาแนกวรรณยกตไทยโดยใชสญญาณไฟฟากลามเนอ
* Corresponding Author : [email protected] นกศกษาปรญญาเอกภาควชาวศวกรรมไฟฟาคณะวศวกรรมศาสตร2 รองศาสตราจารยภาควชาวศวกรรมไฟฟาคณะวศวกรรมศาสตร3 รองศาสตราจารยภาควชาวศวกรรมไฟฟาคณะวศวกรรมศาสตร
296 วารสารวจยและพฒนา มจธ. ปท 40 ฉบบท 2 เมษายน - มถนายน 2560
Niyawadee Srisuwan1 Pornchai Phukpattaranont2 and Chusak Limsakul3* Prince of Songkla University, Hat Yai Campus, Karnjanavanit Road, Kho Hong, Hat Yai, Songkhla 90110
This paper proposes the technique for classifying five Thai tones using Electromyography (EMG) signals. Two channels of EMG signals were captured from the neck muscles while a subject spoke 105 Thai isolated words including five tones. The EMG signals were collected from a total number of 10 subjects. After EMG capturing and pre-processing, 160 features, including time domain and frequency domain features were calculated. These features were evaluated by RES (ratio of Euclidean and Standard deviation) criterion. The features with high RES values were selected. They were used as an input of Artificial Neural Network (ANN) classifier, in which the number of inputs were adjusted to 3, 5, 7, 9, 12, 15, 18, 21, 24, and 27. For training and testing processes, we used two pattern classification techniques. One was the single-step classification using one ANN. The other was the three-step classification using three ANNs. Results showed that the three-step classification exhibited a better performance. The maximal classification accuracy was 95.56% from subject S04 when 21 features were used.
Keywords : Speech Recognition / Electromyography / Thai Tone
Abstract
Classification of Thai Tones using Electromyography Signals
* Corresponding Author : [email protected] Doctoral Candidate, Department of Electrical Engineering, Faculty of Engineering.2 Associate Professor, Department of Electrical Engineering, Faculty of Engineering.3 Associate Professor, Department of Electrical Engineering, Faculty of Engineering.
297วารสารวจยและพฒนา มจธ. ปท 40 ฉบบท 2 เมษายน - มถนายน 2560
1. บทนำ� ระบบรจำาการพดโดยใชสญญาณไฟฟากลามเนอถก
พฒนามาจากระบบรจำาการพดแบบเดม (conventional
automaticspeechrecognition,ASR)ซงใชสญญาณ
เสยงพดเปนขอมลเขาหรออนพต(input)ของระบบโดย
ระบบใหมนจะใชขอมลของสญญาณไฟฟากลามเนอ
(Electromyography,EMG)ทเกยวของกบการออกเสยง
พดมาเปนอนพตใหกบระบบแทน หรออาจจะใชทงสอง
สญญาณรวมกน ซงจากการทบทวนวรรณกรรมพบวา
สญญาณไฟฟากลามเนอดงกลาวสามารถใชเปนตวแทน
ของสญญาณเสยงพดได
สาเหตทระบบรจำาการพดแบบใหมนถกพฒนาขนมา
มสาเหตหลกอย 4 ประการ ซงในสวนของเหตผล 3
ประการแรกเปนปญหาทเกดขนจากการใชงานระบบรจำา
การพดแบบเดม ปญหาแรกคอ ปญหาการใชงานระบบ
ขณะทมเสยงรบกวนอยางมาก ซงทำาใหสญญาณเสยงท
ปอนเขาสระบบถกรบกวนดวยสญญาณรบกวนดงกลาว
ดงนนอนพตของระบบจะผดเพยนและทำาใหระบบจำาแนก
ขอมลผดพลาด ปญหาทสองคอ เมอตองการสอสารดวย
ขอมลทเปนสวนตวหรอเปนความลบ เชน การประยกต
ใชงานทางดานทหาร ธนาคาร เปนตน การใชงานดวย
ระบบรจำาการพดแบบเดมจะทำาใหขอมลอาจถกเปดเผย
ซงจะสงผลตอความปลอดภยของขอมลและผใชงานได
สำาหรบปญหาทสามของการใชงานระบบรจำาการพดแบบ
เดม คอ ระบบจะไมสามารถใชงานไดเมอถกใชงานใน
สถานการณทการสอสารดวยเสยงพดเปนไปไดยาก เชน
ขณะทผพดสวมชดซงมหนากากปกปดใบหนา ไดแก ชด
ดบเพลงชดอวกาศชดปองกนสารเคมเปนตนนอกจากน
ระบบรจำาการพดแบบใหมทถกพฒนาขนยงสามารถนำามา
ประยกตใชเปนเครองมอชวยในการสอสารสำาหรบผปวย
หรอผสงอายทมปญหาเกยวกบการออกเสยงพดเชนการ
ไดรบการผาตดมะเรงกลองเสยง การไดรบความกระทบ
กระเทอนทางสมองจนเกดปญหากบระบบประสาทท
เกยวของกบกลไกการพดเปนตนผปวยเหลานไมสามารถ
พดไดอยางปกตเหมอนคนทวไปถงแมวาจะมอปกรณหรอ
เทคนคทจะชวยใหผปวยสามารถพดไดเชนวธการพดโดย
ใชอากาศจากกระเพาะอาหาร (esophageal speech)
การใชเครองชวยพดอเลกโทรลารงซ (electrolarynx)
เปนตนแตอปกรณและเทคนคเหลานยงไมมประสทธภาพ
เพยงพอ
ระบบรจำาการพดแบบใหมนถกพฒนาขนโดยนกวจย
หลายกลม เรมตนเมอป ค.ศ. 1985 นกวจยชาวญปน
Sugie และ Tsunoda [1] ไดเลงเหนถงปญหาของการ
เพมขนของผปวยทมความบกพรองของระบบการทำางาน
ดานการสรางเสยงพดจงไดพฒนาอปกรณการสรางเสยง
เทยมใหกบผปวยโดยใชสญญาณไฟฟากลามเนอซงไดจาก
การตรวจจบสญญาณไฟฟากลามเนอรอบปาก เพอใชใน
การจำาแนกสระภาษาญปน5เสยงซงกลาวไดวางานวจยน
เปนตนแบบของแนวคดการพฒนาระบบรจำาการพดโดยใช
สญญาณไฟฟากลามเนอ ในเวลาตอมางานวจยดงกลาว
ถกพฒนามาอยางตอเนองโดยหลากหลายกลมนกวจย
โดยในชวงเรมแรกของงานวจย เปนการรจำาสระ [1-3]
คำาพดโดด[4]และพยางค[5]ซงเปนการรจำาจำานวนคำา
ไมมากนกดงนนขอจำากดของงานวจยดงกลาวคอการ
ประยกตใชงานถกจำากดอยในวงแคบ เพอใหสามารถนำา
ระบบนไปใชงานไดหลากหลายมากขน ระบบดงกลาวจง
ถกพฒนาไปเปนการรจำาคำาพดแบบตอเนองซงสามารถรจำา
คำาพดไดมากขนโดยเรมขนเปนครงแรกเมอปค.ศ.2006
โดยJouและคณะ[6]งานวจยนสามารถสรางระบบรจำา
คำาพดตอเนองทสามารถรจำาคำาศพทภาษาองกฤษได 108
คำาและไดมการพฒนามาอยางตอเนองจนถงปจจบน เมอ
เรวๆนงานวจยของDengและคณะ[7]กเรมพฒนาระบบ
ใหเปนการรจำาคำาพดตอเนองเชนเดยวกน ซงสามารถรจำา
คำาศพทภาษาองกฤษไดถง202คำา
งานวจยดงกลาวมามขอจำากดในดานภาษาของผใชงาน
กลาวคอ ระบบถกพฒนาขนสำาหรบผใชงานสำาหรบแตละ
ภาษาโดยเฉพาะซงความแตกตางของภาษาทหลากหลาย
มผลทำาใหระบบรจำาการพดแบบใหมนถกพฒนาขนใน
หลากหลายภาษาไดแกภาษาองกฤษ[7-12]ภาษาญปน
[2],[13-14]ภาษาจน[15-16]ภาษาเกาหล[17]ภาษา
โปรตเกส[18]ภาษาสเปน[5]ภาษาอารบค [3]ภาษา
เซอรเบย [19] เปนตน เชนเดยวกบในบทความนทได
พฒนาระบบดงกลาวใหสามารถใชไดกบผใชทใชภาษาไทย
ในการสอสารโดยเฉพาะอยางยงเพอสามารถนำาไปใชงาน
กบผปวยหรอผสงอายทมปญหาตามทกลาวไวแลวขางตน
ซงอาจจะไมสามารถพดภาษาอนไดนอกจากภาษาไทย
298 วารสารวจยและพฒนา มจธ. ปท 40 ฉบบท 2 เมษายน - มถนายน 2560
ภาษาไทยเปนภาษาทมลกษณะเฉพาะซงแตกตาง
ไปจากภาษาอน กลาวคอ เปนภาษาทมวรรณยกต ซง
วรรณยกตคอ การเปลยนแปลงของระดบเสยง คำาทม
วรรณยกตแตกตางกนจะทำาใหความหมายของคำาเปลยนไป
อยางสนเชง ดงนนการออกแบบระบบเพอใหสามารถรจำา
วรรณยกตไดจงเปนประเดนสำาคญทถกพจารณาในขนแรก
สำาหรบงานวจยน
งานวจยทผานมา[20-21]ไดทำาการออกแบบระบบการ
จำาแนกวรรณยกตไทย 5 เสยง โดยไดออกแบบตำาแหนง
อเลกโทรดทเหมาะสมในการตรวจจบสญญาณไฟฟา
กลามเนอของเสยงวรรณยกตดงกลาว ซงเปนตำาแหนง
ของกลามเนอบรเวณขางกลองเสยงและกลามเนอบรเวณ
สวนลางสดของลำาคอ จากการพจารณาลกษณะของ
สญญาณไฟฟากลามเนอของการพดคำาพดทมวรรณยกต
ทง 5 เสยง พบวามความแตกตางกนอยางเหนไดชด
แสดงดงรปท1
ซงความแตกตางของสญญาณดงกลาวทำาใหงาย
ตอการจำาแนกเสยงวรรณยกตไทย สำาหรบงานวจยใน
ภาษาอนๆ นนพบวาไมจำาเปนตองใชสญญาณไฟฟา
กลามเนอจากตำาแหนงดงกลาว ซงโดยทวไปจะใช
สญญาณไฟฟาบรเวณกลามเนอหนาและใตคางกเพยงพอ
แลว เนองจากกลามเนอบรเวณนครอบคลมการออกเสยง
หนวยเสยงทงหมดแลว (ยกเวนเสยงวรรณยกต)อยางไร
กตามสำาหรบภาษาอนๆเชนภาษาองกฤษเปนภาษาท
ไมมเสยงวรรณยกต แตจะมลกษณะการออกเสยงทเนน
เสยงสงเสยงตำาซงเกดจากการเปลยนแปลงของระดบเสยง
เชนเดยวกบเสยงวรรณยกต อยางไรกตามลกษณะของ
การเนนเสยงสงตำาดงกลาวไมไดทำาใหความหมายของคำา
เปลยนแปลงดงนนจงไมจำาเปนตองจำาแนกในสวนน
เมอไดตำาแหนงทเหมาะสมในการจำาแนกวรรณยกต
แลวสำาหรบในกระบวนการจำาแนกมการออกแบบรปแบบ
การจำาแนกของตวจำาแนกโดยใชเทคนคการจำาแนกแบบ
สามขนตอนซงใชโครงขายประสาทเทยมสามโครงขาย
ซงพบวาระบบดงกลาวสามารถจำาแนกเสยงวรรณยกต
ไดทง 5 เสยง โดยทมความแมนยำาในการจำาแนก80%
อยางไรกตาม เทคนคดงกลาวถกออกแบบโดยใชขอมล
ของสญญาณไฟฟากลามเนอจากอาสาสมครเพยง 1 คน
ดงนนเพอใหสามารถนำาเทคนคทออกแบบไปใชไดกบขอมล
ของสญญาณไฟฟากลามเนอจากอาสาสมครทครอบคลม
มากขน งานวจยนจงนำาเสนอการปรบปรงเทคนคการ
จำาแนกวรรณยกต โดยการออกแบบจะอางองขอมลของ
สญญาณไฟฟากลามเนอจากอาสาสมคร 10 คน (S01-
S10) เพอปรบปรงรปแบบการจำาแนกแบบสามขนตอน
ใหสามารถนำาไปใชงานไดกบสญญาณไฟฟากลามเนอ
อนๆ โดยจะปรบปรงในสวนของการคดเลอกลกษณะเดน
การปรบปรงประสทธภาพในการจำาแนกโดยเพมจำานวน
ลกษณะเดน การเลอกจำานวนลกษณะเดนทเหมาะสม
นอกจากน จะทำาการเปรยบเทยบความแมนยำาทไดจาก
การจำาแนกดวยเทคนคทไดออกแบบ(การจำาแนกแบบสาม
ขนตอน)กบการจำาแนกแบบดงเดมซงเปนการจำาแนกแบบ
ขนตอนเดยวโดยใชโครงขายประสาทเทยมหนงโครงขาย
รปท 1 รปแบบของสญญาณไฟฟากลามเนอของการออกเสยงพดคำาพดทมวรรณยกตทง 5 เสยง คอ สามญ (mid tone) เอก(lowtone)โท(fallingtone)ตร(hightone)และจตวา(risingtone)ซงเปนการออกเสยงคำาวา“ด,ด,ด,ด,ด”
299วารสารวจยและพฒนา มจธ. ปท 40 ฉบบท 2 เมษายน - มถนายน 2560
2. วสด อปกรณ และ วธก�รวจย 2.1 วสด อปกรณ
วสดและอปกรณทใชในการทดลองประกอบดวย
เครองวดสญญาณ MOBI6 ซงผลตโดยบรษท TMS
internationalประเทศเนเธอรแลนดใชสำาหรบการบนทก
สญญาณไฟฟากลามเนอ อเลกโทรดแบบผวหนาชนด
Ag/AgClยหอARBOมขนาดเสนผานศนยกลางภายนอก
2.4 เซนตเมตร และขนาดเสนผานศนยกลางภายใน
(สวนของเจล) 1 เซนตเมตร ซงผลตโดยบรษท Tyco
healthcareGroupLPประเทศเยอรมนใชสำาหรบตรวจจบ
สญญาณไฟฟากลามเนอ และอปกรณสำาหรบประมวลผล
สญญาณไฟฟากลามเนอ ซงกคอ คอมพวเตอรและ
โปรแกรม ซงโปรแกรมทใชในการตรวจวดสญญาณไฟฟา
กลามเนอคอPortilabและโปรแกรมทใชในการประมวลผล
สญญาณไฟฟากลามเนอ คอ MATLAB นอกจากนยงม
วงจรสรางสญญาณการกดสวตซเพอสรางสญญาณสำาหรบ
การกำาหนดขอบเขตของสญญาณไฟฟากลามเนอขณะ
พด ซงสญญาณสวนนจะถกตอเขากบเครองวดสญญาณ
MOBI6
2.2 วธก�รวจย
2.2.1 ก�รเกบขอมลสญญ�ณไฟฟ�กล�มเนอ
รปท 2 แสดงแผนภาพการเกบขอมลของ
สญญาณไฟฟากลามเนอโดยเรมจากการตดอเลกโทรด
ลงบนตำาแหนงของผวหนงทใชในการตรวจจบสญญาณ
ไฟฟากลามเนอของเสยงพดวรรณยกต ซงเปนตำาแหนง
ของกลามเนอคอ2ตำาแหนง(2ชองสญญาณ)ทไดถก
ออกแบบไวแลว[20-21]ทำาการตรวจวดสญญาณดงกลาว
ขณะทอาสาสมครออกเสยงพด โดยใชเครองวดสญญาณ
MOBI6 ซงมทงหมด 6 ชองสญญาณ สำาหรบในการ
ทดลองนจะใชเพยง 3 ชองสญญาณ คอ ชองสญญาณ
ท1(Ch.1)และชองสญญาณท2(Ch.2)จะถกใชใน
การตรวจจบสญญาณไฟฟากลามเนอและชองสญญาณท
6 (Ch.6) จะถกใชสำาหรบตรวจวดสญญาณการกดสวตซ
(Marker) ซงสญญาณการกดสวตซจะถกใชสำาหรบการ
กำาหนดจดเรมตนของการบนทกสญญาณไฟฟากลามเนอ
และการกำาหนดขอบเขตของสญญาณไฟฟากลามเนอของ
คำาพดแตละเสยง จะมการกดสวตซเมอเรมพดและปลอย
สวตซเมอพดคำาพดในแตละคำาจบ ซงทำาใหสามารถระบ
ไดวาสญญาณทอยในชวงการกดสวตซเปนสญญาณทเกด
จากการพดจรง ไมใชสญญาณอนๆ เชน สญญาณทเกด
จากการไอ จาม กลนนำาลาย หรอการขยบกลามเนอ
บรเวณทจบสญญาณโดยไมไดตงใจเปนตนสญญาณการ
กดสวตซจะถกบนทกไปพรอมกบสญญาณไฟฟากลามเนอ
อก 2ชองสญญาณซงทงสองสญญาณจะเปนสญญาณ
ทขนานกน โดยความถในการชกตวอยางของสญญาณ
ทง 3 ชองสญญาณกำาหนดไว 1024 เฮรตซ โดยขอมล
ของสญญาณทงหมดจะถกบนทกลง SD card ภายใน
Mobi6หลงจากนนจะทำาการดงขอมลของสญญาณโดยใช
โปรแกรมPortilab
300 วารสารวจยและพฒนา มจธ. ปท 40 ฉบบท 2 เมษายน - มถนายน 2560
ในการทดลองนอาสาสมครจะออกเสยงพดคำาโดด
ภาษาไทยทงหมด 105 คำา ซงประกอบดวยคำาพดทม
โครงสรางของพยญชนะและสระเหมอนกน 21 คำา โดย
แตละคำาจะออกเสยงวรรณยกตครบทง5เสยงแสดงดง
ตารางท1
รปท 2 แสดงลกษณะการเกบขอมลของสญญาณไฟฟากลามเนอ และแสดงตำาแหนงอเลกโทรดสำาหรบตรวจจบสญญาณไฟฟา กลามเนอสำาหรบการทดลองน
301วารสารวจยและพฒนา มจธ. ปท 40 ฉบบท 2 เมษายน - มถนายน 2560
แตละคำาพดจะถกพดซำา9ครงโดยทำาการเกบขอมล
สญญาณไฟฟากลามเนอของอาสาสมครทงหมด 10 คน
อายระหวาง18-50ปโดยมจำานวนเพศชายและเพศหญง
เทากน ดงนนจะไดขอมลสญญาณไฟฟากลามเนอทงหมด
945 ขอมล (105 คำา x 9 ครง) สำาหรบอาสาสมคร
แตละคน
2.2.2 ก�รเตรยมสญญ�ณเบองตน
- การกำาจดสญญาณรบกวน
สญญาณไฟฟากลามเนอทไดจากกระบวนการ
เกบขอมลมสญญาณรบกวนปนอยมาก ไดแก สญญาณ
รบกวน 50 เฮรตซ สญญาณรบกวนจากการเคลอนท
(motion artifact) และ สญญาณคลนไฟฟาหวใจ
(Electrocardiography,ECG)โดยเทคนคทใชในการกำาจด
ต�ร�งท 1คำาพดทใชในการฝกสอนและทดสอบระบบ21ชดคำาพด(105คำา)
302 วารสารวจยและพฒนา มจธ. ปท 40 ฉบบท 2 เมษายน - มถนายน 2560
สญญาณรบกวน จะใชตวกรองความถแถบผาน (band
pass filter) ซงมความถตดผาน (cut off frequency)
อยในชวง 30-350 เฮรตซ ซงสามารถกำาจดสญญาณ
รบกวนจากการเคลอนท และลดทอนสญญาณรบกวน
คลนไฟฟาหวใจได โดยตวกรองความถแถบผานทใช คอ
ตวกรองชนดบตเตอรเวรธ (Butterworth) อนดบท 5
ซงสามารถกำาจดสญญาณรบกวนคลนไฟฟาหวใจไดมาก
ทสดนอกจากนนตวกรองนอตช(Notchfilter)จะถกใช
สำาหรบกำาจดสญญาณรบกวน50เฮรตซ
-การตรวจจบจดเรมตนและจดสนสดของ
สญญาณ
หลงจากผานการกรองสญญาณรบกวนแลว
สญญาณไฟฟากลามเนอจะถกนำามาทำาการวเคราะห
หาจดเรมตนและจดสนสดของสญญาณไฟฟากลามเนอ
ขณะพด โดยเรมจากการตดสญญาณไฟฟากลามเนอของ
แตละคำาพดออกมากอน ซงไมไดตดมาจากจดเรมตนและ
จดสนสดของสญญาณไฟฟากลามเนอทแทจรง แตจะตด
มาจากการใชสญญาณจากการกดสวตซเปนตวกำาหนด
ขอบเขตโดยจะดงสญญาณมา2500ตวอยาง(samples)
จากขอบเขตดงกลาว หลงจากนนจะนำาสญญาณทถกตด
ไปวเคราะหหาจดเรมตนและจดสนสดของสญญาณไฟฟา
กลามเนอทแทจรงของคำาพดนนๆ โดยใชวธทเรยกวา
Threestandarddeviationthreshold[22]ซงเปนการ
คำานวณหาคาขดแบง(threshold)เพอใชในการกำาหนดจด
เรมตนและจดสนสดของสญญาณไฟฟากลามเนอทแทจรง
โดยคำานวณจากคาผลรวมของคาเฉลยและสามเทาของคา
เบยงเบนมาตรฐานของสญญาณอางองซงสญญาณอางอง
คอ สญญาณสญญาณไฟฟากลามเนอในขณะทไมมการ
ออกเสยงพดหรอขณะเงยบ
รปท 3ภาพจรงขณะทำาการทดลองเกบขอมลสญญาณไฟฟากลามเนอของอาสาสมครซงบทความนจะใชสญญาณไฟฟากลามเนอจากตำาแหนงกลามเนอคอ2ตำาแหนงเทานนสำาหรบสญญาณจากตำาแหนงอนๆจะไมถกใชในบทความน
303วารสารวจยและพฒนา มจธ. ปท 40 ฉบบท 2 เมษายน - มถนายน 2560
2.2.3 ก�รคำ�นวณค�ลกษณะเดนของสญญ�ณ
สญญาณไฟฟากลามเนอของคำาพดแตละคำา
หลงจากผานกระบวนการเตรยมสญญาณเบองตน จะถก
นำามาคำานวณลกษณะเดนของสญญาณ(feature)เปนการ
สกดลกษณะสำาคญของสญญาณ (feature extraction)
เพอใชเปนตวแทนของคำาพดนนๆในงานวจยนลกษณะเดน
ของสญญาณไฟฟากลามเนอจะถกคำานวณโดยใชสมการท
(1)-(15) ซงถกนำามาใชกนอยางแพรหลายในงานวจยทาง
ดานน และมความครอบคลมลกษณะเดนทงในแกนเวลา
และในแกนความถ
กำาหนดให xn คอ ขอมลของสญญาณไฟฟา
กลามเนอทคอมพวเตอรทำาการชกตวอยาง (sampling)
เขามาครงท n โดยท N คอ จำานวนขอมลทงหมด
และกำาหนดให Pi คอ กำาลงไฟฟาสเปคตรม (power
spectrum)คาทiและfiคอความถทตำาแหนงiและM คอ N/2-1 การคำานวณลกษณะเดนมรายละเอยด
ดงตอไปน
-คารากเฉลยกำาลงสอง(RootMeanSquare,
RMS)
(1)
- คาความแปรปรวน(Variance,VAR)
(2)
- คาความยาวรปคลน(WaveformLength,WL)
(3)
- คาแอมพลจดของวลลสน(WillisonAmplitude,
WAMP)
(4)
- คาจดตดศนย(ZeroCrossing,ZC)
(5)
- คาการเปลยนแปลงความชน (Slope Sign
Change,SSC)
(6)
- คาผลรวมของคาสมบรณ (Integrated
AbsoluteValue,IAV)
(7)
- คาเฉลยของคาสมบรณ (Mean Absolute
Value,MAV)
(8)
- คาเฉลยของคาสมบรณแบบใหนำาหนกแบบท1
(ModifiedMeanAbsoluteValue,MMAV1)
(9)
- คาเฉลยของคาสมบรณแบบใหนำาหนกแบบท2
(ModifiedMeanAbsoluteValue,MMAV2)
(10)
304 วารสารวจยและพฒนา มจธ. ปท 40 ฉบบท 2 เมษายน - มถนายน 2560
- คาเฉลยของสญญาณ(Mean,MN)
(11)
- คาความชนของคาเฉลยคาสมบรณ (Mean
AbsoluteValueSlope,MAVS)
(12)
โดยทSคอจำานวนการแบงสญญาณ-1
- คาความถกลาง(MedianFrequency,MDF)
(13)
- คาเฉลยของความถ (Mean Frequency,
MNF)
(14)
- คาสเปคตรลโมเมนต (Spectral Moment,
SM)
(15)
เมอnคออนดบของสเปคตรลโมเมนต
จากสมการดงกลาว การคำานวณลกษณะเดน
แตละชนดจะใหคาพารามเตอร 1 ตว ยกเวนลกษณะ
เดนชนดMAVSจากสมการ (12)จะใหคาพารามเตอร
5ตวซงถกเรยกวาMAVS_1MAVS_2MAVS_3
MAVS_4และMAVS_5สำาหรบลกษณะเดนชนดSM
จากสมการท(15)จะเปนการคำานวณสเปคตรลโมเมนต4
อนดบคอ123และ5ซงจะไดลกษณะเดน4ตวคอ
SM1SM2SM3และSM5
รปท4แสดงการคำานวณลกษณะเดนของสญญาณ
ไฟฟากลามเนอซงแบงออกเปน2รปแบบคอ
รปแบบท 1) คำานวณโดยใชขอมลของสญญาณ
ทงหมด แตละสญญาณจะมความยาวเทากบ N โดยใชสมการท (1)-(15) ยกเวนสมการท (12) ซงจะทำาใหได
ลกษณะเดน17ตว
รปแบบท 2) คำานวณโดยแบงสญญาณไฟฟา
กลามเนอออกเปน 6 สวนเทาๆ กน ซงแตละสวนจะม
ความยาวของสญญาณเทากบ N/6 แลวนำาสญญาณใน
แตละสวนมาคำานวณโดยใชสมการท (1)-(15) (เทคนค
ทประยกตจากการคำานวณลกษณะเดนชนด MAVS) คา
ลกษณะเดนในแตละสวนจะถกเรยกใหม โดยใชตวเลขซง
อยดานหลงเครองหมายสญประกาศ (underscore) เปน
ตวบงชสวนของสญญาณทนำามาคำานวณ เชน RMS_1
คอ ลกษณะเดนชนด RMS ของสญญาณสวนทหนง
เปนตนจากการคำานวณสมการ(12)สำาหรบทง6สวน
ของสญญาณ จะไดลกษณะเดนตวใหม 5 ตว สำาหรบ
สมการอนๆจะไดลกษณะเดนชนดละ6ตว(6x17=102)
ในสวนนจะไดลกษณะเดนทงหมด107ตว
นอกจากนน ลกษณะเดนทไดจากการคำานวณใน
รปแบบท 2) จะถกนำาไปหาคาผลรวมและคาเฉลยของ
ลกษณะเดนจากทง 6 สวนของสญญาณ ซงจะทำาใหได
ลกษณะเดนตวใหม โดยในการเรยกชอลกษณะเดนชนด
ใหมนจะใชคำาวา “SUM” และ “MEAN” ตามดวยเครองหมายสญประกาศนำาหนา เชนSUM_RMSคอ
ผลรวมของRMS_1ถงRMS_6เปนตนในสวนนจะ
ไดลกษณะเดนทงหมด36ตว
เทคนคการคำานวณลกษณะเดนโดยแบงสญญาณ
ออกเปนสวนๆ แลวคำานวณลกษณะเดนในแตละสวน
ของสญญาณ จะทำาใหสามารถวเคราะหไดวา สญญาณ
ตรงสวนใดมผลในการจำาแนกวรรณยกต หรอทกสวนของ
สญญาณมผลในการจำาแนกวรรณยกต
จากทกลาวมาขางตนในสวนของการคำานวณ
ลกษณะเดนของสญญาณไฟฟากลามเนอทงสองรปแบบ
จะไดจำานวนลกษณะเดนทงหมด160ตว
305วารสารวจยและพฒนา มจธ. ปท 40 ฉบบท 2 เมษายน - มถนายน 2560
2.2.4 ก�รประเมนลกษณะเดน
ลกษณะเดนของสญญาณไฟฟากลามเนอทงหมด
ทถกคำานวณจากหวขอ 2.2.3 จะถกนำามาประเมนเพอ
วดความสามารถในการแบงกลมขอมลของลกษณะเดน
แตละตวโดยใชตวประเมนอารอเอส(RES)ซงแสดงดง
สมการท (16) ซงพบวามประสทธภาพในการประเมน
ลกษณะเดนของสญญาณไฟฟากลามเนอ ในทศทางเดยว
กบความแมนยำาในการจำาแนกของตวจำาแนก[23]
(16)
โดยท คอคาเฉลยของระยะทางแบบยคลด
(Euclidean distance) ซงเปนการวดระยะทางระหวาง
กลมขอมลโดยวดจากจดศนยถวง (centroid) ของขอมล
แตละกลมเพอวดการกระจายของขอมลระหวางกลมแลว
นำามาหาคาเฉลย
คอ คาเฉลยของสวนเบยงเบนมาตรฐาน
(standard deviation) ซงวดการกระจายภายในกลม
ขอมลแลวนำามาหาคาเฉลย รายละเอยดการคำานวณ
ถกแสดงใน[23]
การประเมนลกษณะเดนโดยใชตวประเมน
อารอเอสถกแบงออกเปน2รปแบบดงน
รปท 4ลกษณะเดนของสญญาณไฟฟากลามเนอจากการคำานวณทงสองรปแบบ(Feature(1)และFeature(2))
306 วารสารวจยและพฒนา มจธ. ปท 40 ฉบบท 2 เมษายน - มถนายน 2560
รปแบบท 1) การประเมนลกษณะเดนสำาหรบ
ใชในระบบจำาแนกแบบขนตอนเดยว (single step of
classification)โดยประเมนความสามารถในการแบงกลม
ขอมลออกเปน 5 กลม ซงเปนกลมของเสยงวรรณยกต
ทง5เสยงรปแบบนจะจำาแนกวรรณยกตออกมา5เสยง
ภายในขนตอนเดยว
รปแบบท 2) การประเมนลกษณะเดนสำาหรบ
ใชในระบบจำาแนกแบบสามขนตอน (three steps of
classification) ดงแสดงในรปท 5 รปแบบนจะจำาแนก
วรรณยกตออกมาทละขนตอน โดยขนตอนแรกจะจำาแนก
วรรณยกตออกมาสามกลม (โดยพจารณาวรรณยกตทง
5 เสยง) คอ กลมวรรณยกตเอก กลมวรรณยกตจตวา
และกลมวรรณยกตอนๆ(สามญโทตร)ขนตอนทสอง
เปนการจำาแนกวรรณยกตออกเปน2กลม(โดยพจารณา
เฉพาะวรรณยกตสามญโทและตร)คอกลมวรรณยกต
ตรและกลมวรรณยกตอนๆ(สามญโท)ขนตอนทสาม
เปนการจำาแนกวรรณยกตออกเปน 2 กลมเชนเดยวกน
(โดยพจารณาเฉพาะวรรณยกตสามญและโท)คอกลม
วรรณยกตสามญและกลมวรรณยกตโท
ดงนนในรปแบบนจะแบงการประเมนออกเปน3
กลมยอยตามขนตอนของการจำาแนก ซงจะประเมนความ
สามารถในการแบงกลมขอมลออกเปน 3 กลม 2 กลม
และ2กลมตามลำาดบ
รปท 5 แผนภาพแสดงรปแบบการจำาแนกแบบสามขนตอนในการจำาแนกวรรณยกตไทย 5 เสยง คอ สามญ (mid tone) เอก(lowtone)โท(fallingtone)ตร(hightone)และจตวา(risingtone)
2.2.5 ก�รเลอกลกษณะเดน
ขนตอนนเปนการเลอกลกษณะเดนเพอใชเปน
อนพตใหกบตวจำาแนก โดยทำาการเลอกลกษณะเดนใน
แตละรปแบบการประเมน โดยมขนตอนในการเลอก
ลกษณะเดนดงตอไปน
1)เลอกลกษณะเดนทมคาอารอเอสสงทสด 10
อนดบแรกสำาหรบสญญาณไฟฟากลามเนอของอาสาสมคร
แตละคน (10 คน) ดงนนในขนตอนนจะไดลกษณะเดน
ทงหมด100ตว
2)พจารณาลกษณะเดนทงหมด (100 ตว) ท
ถกเลอกจากหวขอท 1) จากนน หาความถของลกษณะ
เดนแตละตว ซงความถสงสดเทากบ 10 นนคอ ขอมล
สญญาณไฟฟากลามเนอของอาสาสมครทง 10 คน ม
ลกษณะเดนตวนนปรากฏอยในกลมของลกษณะเดนทม
อารอเอสสงสด10อนดบแรกจากหวขอท1)
3)เรยงลำาดบลกษณะเดนจากความถสงสดไปหา
ความถตำาสดอยางไรกตามในกรณทความถของลกษณะ
เดนเทากน จะเรยงลำาดบโดยพจารณาคาอารอเอสเฉลย
ซงคำานวณจากคาเฉลยของอารอเอสของสญญาณไฟฟา
กลามเนอจากอาสาสมครทงหมด
307วารสารวจยและพฒนา มจธ. ปท 40 ฉบบท 2 เมษายน - มถนายน 2560
การเลอกลกษณะเดนจากวธดงกลาว จะทำาให
ไดลกษณะเดนเพยงชดเดยว ทสามารถนำาไปใชไดกบ
สญญาณไฟฟากลามเนอของอาสาสมครทงหมดเนองจาก
กระบวนการเลอกลกษณะเดนขางตน เลอกจากการ
พจารณาขอมลของสญญาณไฟฟากลามเนอจากอาสา
สมครทงหมด
2.2.6 กระบวนก�รจำ�แนก
ในกระบวนการนจะทำาการฝกสอน (training)
และทดสอบระบบ(testing)โดยใชโครงขายประสาทเทยม
เปนตวจำาแนก เพอจำาแนกวรรณยกต 5 เสยง โดยนำา
ลกษณะเดนทไดจากหวขอ 2.2.5 มาเปนอนพตใหกบตว
จำาแนกโดยทำาการทดลองปรบจำานวนอนพตของโครงขาย
ประสาทเทยมโดยใชจำานวนลกษณะเดน35791215
182124และ27ตามลำาดบโดยเรยงลำาดบลกษณะเดน
ทดทสดจากกระบวนการเลอกลกษณะเดนในหวขอ2.2.5
ในการทดลองน จะทดสอบประสทธภาพของ
รปแบบการจำาแนกแบบสามขนตอนโดยใชโครงขาย
ประสาทเทยมสามโครงขายซงเปนเทคนคทไดนำาเสนอใน
งานวจยทผานมา[21]และไดรบการปรบปรงในบทความน
โดยจะเปรยบเทยบกบการจำาแนกแบบขนตอนเดยวซงใช
โครงขายประสาทเทยมหนงโครงขาย (รปแบบทวไป) ซง
ไดกลาวไวเบองตนในหวขอ2.2.4
รปท5แสดงรปแบบการจำาแนกแบบสามขนตอน
โดยใชโครงขายประสาทเทยมสามโครงขาย ในแตละ
โครงขายจะใชลกษณะเดนทแตกตางกน โดยโครงขาย
ทหนงจะใชในการจำาแนกวรรณยกตเอกและจตวาในกรณ
ทผลการจำาแนกออกมาเปนวรรณยกตอนๆระบบจะสงตอ
ไปทโครงขายทสองซงใชในการจำาแนกวรรณยกตตร ใน
กรณทผลการจำาแนกออกมาเปนวรรณยกตอนๆ ระบบก
จะสงตอไปทโครงขายทสามซงใชในการจำาแนกวรรณยกต
สามญและโท รายละเอยดการทำางานของระบบถกแสดง
ใน[21]
สญญาณไฟฟากลามเนอทใชในการทดสอบระบบ
(testing) จะใชขอมลของชดคำาพดท 1 2 8 9 และ
15 ในตารางท 1 สำาหรบขอมลทเหลอจะถกใชสำาหรบ
กระบวนการฝกสอนระบบ เพอเปนการทดสอบวาระบบท
ออกแบบสามารถจำาแนกวรรณยกตไดกลาวคอถงแมวา
จะออกเสยงคำาพดทมองคประกอบของพยญชนะและสระ
ตางกน แตวรรณยกตเดยวกน ระบบจะสามารถจดกลม
คำานนใหอยในกลมวรรณยกตเดยวกนได
3. ผลก�รทดลอง รปท6แสดงผลความแมนยำาในการจำาแนกวรรณยกต
5เสยงสำาหรบรปแบบการจำาแนกทงสองรปแบบคอ(ก)
การจำาแนกแบบขนตอนเดยว และ (ข) การจำาแนกแบบ
สามขนตอน โดยเปรยบเทยบความแมนยำาในการจำาแนก
ของสญญาณไฟฟากลามเนอของอาสาสมครทง 10 คน
(S01-S10)ขณะทมการเพมจำานวนลกษณะเดนจาก3ตว
จนถง27ตวโดยเพมครงละ3ตวจะเหนไดวาสญญาณ
ไฟฟากลามเนอของอาสาสมครเกอบทงหมดจากทงสอง
รปแบบการจำาแนก ใหผลไปในทศทางเดยวกน กลาวคอ
เมอจำานวนลกษณะเดนเพมขนความแมนยำาในการจำาแนก
จะเพมขนดวย โดยความแมนยำาจะเพมขนอยางมาก
ในชวงการปรบจำานวนลกษณะเดนจาก 3 เปน 6 และ
ความแมนยำาจะเพมขนเลกนอยและคอยๆ คงทในชวง
การปรบจำานวนลกษณะเดนตงแต12ตวเปนตนไป
เมอพจารณาในแตละชวงของการปรบจำานวนลกษณะ
เดน จะเหนไดวาสญญาณไฟฟากลามเนอของอาสาสมคร
แตละคนใหผลความแมนยำาทแตกตางกน ซงมความ
แตกตางระหวางความแมนยำาสงสดและตำาสดอยางเหน
ไดชด พจารณาผลการจำาแนกแบบขนตอนเดยวซงแสดง
ในรปท 6(ก) ณ ตำาแหนงการใชจำานวนลกษณะเดน
3ตวจะเหนไดวาความแมนยำาสงสดคอ76.67%เปน
ผลความแมนยำาของ S04 ในขณะทความแมนยำาตำาสด
คอ 37.33% ไดจากสญญาณของ S02 จะเหนไดวาม
ความแตกตางกน39.34%และเมอพจารณาณตำาแหนง
การใชจำานวนลกษณะเดนทใหความแมนยำาสงสดจาก
รปแบบการจำาแนกแบบขนตอนเดยวพบวาการใชจำานวน
ลกษณะเดน 24 ตว ใหความแมนยำาสงสดซงไดรบจาก
สญญาณ S04 เชนเดยวกน โดยความแมนยำาทได คอ
94.22% ในขณะทความแมนยำาตำาสด คอ 49.78%ซง
เปนสญญาณของS02เชนเดยวกนโดยทความแตกตาง
ระหวางความแมนยำาสงสดและตำาสดณตำาแหนงการใช
ลกษณะเดน24ตวคอ44.44%ดงนนแสดงใหเหนวา
สญญาณของS04 ใหผลความแมนยำาสงสดและS02
308 วารสารวจยและพฒนา มจธ. ปท 40 ฉบบท 2 เมษายน - มถนายน 2560
ใหผลความแมนยำาตำาสด โดยทมความแตกตางระหวาง
ความแมนยำาสงสดและตำาสดมากซงใหผลเชนเดยวกนกบ
รปแบบการจำาแนกแบบสามขนตอนในรปท6(ข)นอกจากน
เมอพจารณาการจำาแนกแบบสามขนตอน จะเหนไดวา
S02ใหผลความแมนยำาทแตกตางกบสญญาณอนๆอยาง
เหนไดชดโดยใหความแมนยำาทตำามากอยางไรกตามการ
เพมจำานวนลกษณะเดน สามารถเพมความแมนยำาในการ
จำาแนก โดยใหผลการเปลยนแปลงไปในทศทางเดยวกน
สำาหรบขอมลสญญาณทงหมด(S01-S10)
(ก)
(ข)
รปท 6 กราฟแสดงผลความแมนยำาในการจำาแนกวรรณยกต 5 เสยง ซงเปรยบเทยบความแมนยำาของขอมลสญญาณไฟฟา กลามเนอของอาสาสมครทง10คน(S01-S10)เมอมการเพมจำานวนลกษณะเดนจาก3ถง27ตวโดยเพมครงละ3ตว(ก) การจำาแนกแบบขนตอนเดยว(ข)การจำาแนกแบบสามขนตอน
พจารณาเฉพาะสญญาณ S04 ซงใหผลการจำาแนก
ดทสดจากทงสองรปแบบการจำาแนก พบวา สำาหรบการ
จำาแนกแบบขนตอนเดยว การเพมจำานวนลกษณะเดน
24ตวใหความแมนยำาสงสด(94.22%)ซงสามารถเพม
ความแมนยำา19.55%เมอเปรยบเทยบกบการใชจำานวน
ลกษณะเดนเพยง 3 ตว ในขณะทการจำาแนกแบบสาม
ขนตอนการเพมจำานวนลกษณะเดน21ตวใหผลความ
แมนยำาสงสด(95.56%)ซงความแมนยำาเพมขน10.67%
เมอเปรยบเทยบกบการใชจำานวนลกษณะเดนเพยง3ตว
ดงนนจะเหนไดวารปแบบการจำาแนกแบบสามขนตอน
ใหความแมนยำาทดกวาการจำาแนกแบบขนตอนเดยวและ
ใชจำานวนลกษณะเดนนอยกวา
อยางไรกตาม จากผลการทดลองสวนนยงไมสามารถ
สรปจำานวนลกษณะเดนทเหมาะสมในงานวจยนไดอยาง
309วารสารวจยและพฒนา มจธ. ปท 40 ฉบบท 2 เมษายน - มถนายน 2560
ชดเจน เนองจากความแมนยำาสงสดทเกดขนในแตละ
สญญาณ เกดจากการใชจำานวนลกษณะเดนทแตกตางกน
ดงนนเพอใหสามารถวเคราะหจำานวนลกษณะเดนท
เหมาะสม และระบอตราการเปลยนแปลงของความ
แมนยำาในขณะทมการปรบจำานวนลกษณะเดนไดอยาง
ชดเจน จงนำาผลความแมนยำาในการจำาแนกวรรณยกต 5
เสยงของสญญาณไฟฟากลามเนอทงหมด (S01-S10)
มาคำานวณหาคาเฉลย
รปท 7 เปนผลความแมนยำาเฉลยซงถกแสดงใน
รปแบบของแผนภมแทง โดยทกราฟเสนตรงแสดงคา
การเปลยนแปลงความแมนยำาในการจำาแนกเมอจำานวน
ลกษณะเดนเพมขนพจารณาการจำาแนกแบบขนตอนเดยว
รปท7(ก)จะเหนวาในชวงการปรบจำานวนลกษณะเดนจาก
3 เปน 6 ความแมนยำาเพมขนมากทสด โดยเพมขน
15.47%หลงจากนนความแมนยำาจะเพมขนเพยงเลกนอย
โดยทความแมนยำาสงสดไดจากการใชจำานวนลกษณะเดน
27 ตว (76.93%) สำาหรบการจำาแนกแบบสามขนตอน
รปท 7(ข) จะเหนวาในชวงการปรบจำานวนลกษณะเดน
จาก3เปน6ความแมนยำาเพมขนมากทสดเชนเดยวกน
โดยเพมขน 6.71% หลงจากนนความแมนยำาจะเพมขน
เพยงเลกนอย โดยทความแมนยำาสงสดไดจากการใช
จำานวนลกษณะเดน 27 ตว (80.27%) อยางไรกตาม
ถงแมวาอตราการเพมขนของความแมนยำาเฉลยของการ
จำาแนกแบบสามขนตอนในชวงการปรบจำานวนลกษณะ
เดนจาก3เปน6จะตำากวาการจำาแนกแบบขนตอนเดยว
แตความแมนยำาเฉลยของการจำาแนกแบบสามขนตอนกยง
คงสงกวาการจำาแนกแบบขนตอนเดยว
(ก)
(ข)
รปท 7กราฟแกนปฐมภม (ซาย)แสดงผลความแมนยำาเฉลยในการจำาแนกวรรณยกต5 เสยงซงคำานวณจากขอมลสญญาณ ไฟฟากลามเนอของอาสาสมครทง10คน(S01-S10)เมอมการเพมจำานวนลกษณะเดนจาก3ถง27ตวโดยเพมครงละ3ตว กราฟแกนทตยภม (ขวา) แสดงคาการเปลยนแปลงความแมนยำาในการจำาแนกเมอจำานวนลกษณะเดนเพมขน (ก) การจำาแนก แบบขนตอนเดยว (ข) การจำาแนกแบบสามขนตอนหมายเหต : แถบคาคลาดเคลอน (error bar) แสดงชวงความเชอมน (confidenceinterval)95%
310 วารสารวจยและพฒนา มจธ. ปท 40 ฉบบท 2 เมษายน - มถนายน 2560
รปท 8 แสดงการเปรยบเทยบความแมนยำาเฉลย
ในการจำาแนกวรรณยกต5เสยงระหวางรปแบบการจำาแนก
แบบขนตอนเดยวและการจำาแนกแบบสามขนตอนจะเหน
ไดวาการจำาแนกแบบสามขนตอนมความแมนยำาสงกวา
การจำาแนกแบบขนตอนเดยวซงจะแตกตางอยางเหนไดชด
เมอพจารณา ณ ตำาแหนงทมการใชจำานวนลกษณะเดน
เพยง 3 ตว โดยทการจำาแนกแบบสามขนตอนมความ
แมนยำาเฉลยสงกวา 11.6% เมอเพมจำานวนลกษณะเดน
มากขนจะเหนไดวามความแตกตางเพยงเลกนอยระหวาง
ความแมนยำาเฉลยของทงสองรปแบบ
รปท 8 แผนภมแทงแสดงการเปรยบเทยบความแมนยำาเฉลยในการจำาแนกระหวางรปแบบการจำาแนกแบบขนตอนเดยวและ การจำาแนกแบบสามขนตอนหมายเหต:แถบคาคลาดเคลอน(errorbar)แสดงชวงความเชอมน(confidenceinterval)95%
4. วเคร�ะหผลก�รทดลอง ในสวนของการวเคราะหผลการทดลอง จะวเคราะห
ใน 4 ประเดนหลก ไดแก ประสทธภาพของระบบ
เมอเพมจำานวนลกษณะเดนใหกบระบบ ประสทธภาพ
ในการจำาแนกของสญญาณจากอาสาสมครแตละคน
ประสทธภาพของรปแบบการจำาแนกสองรปแบบ และ
คณลกษณะของลกษณะเดนทถกเลอก
ประเดนแรก พจารณาประสทธภาพของระบบเมอ
เพมจำานวนลกษณะเดนใหกบระบบ จากผลการทดลอง
จะเหนไดวา การเพมจำานวนลกษณะเดนสามารถเพม
ความแมนยำาใหกบระบบ โดยทการเพมลกษณะเดน 27
ตว ใหความแมนยำาเฉลยสงสดสำาหรบทงสองรปแบบ
การจำาแนก อยางไรกตาม การเพมจำานวนอนพตใหกบ
ตวจำาแนก ยงเพมจำานวนอนพตมากขนจะทำาใหเวลาใน
การประมวลผลสญญาณชาลง ดงนนจำานวนลกษณะเดน
ทเหมาะสมในงานวจยน จงตองพจารณาทงในแงของ
ความแมนยำาและเวลาในการประมวลผล ซงจากรปท
7(ก)และรปท7(ข)แสดงใหเหนวาจำานวนลกษณะเดน
ทเหมาะสมสำาหรบการจำาแนกแบบขนตอนเดยวและสาม
ขนตอนคอ12ตวและ9ตวตามลำาดบทงนเนองจาก
การเพมจำานวนลกษณะเดนหลงจากจำานวนดงกลาวทำาให
ความแมนยำาเพมขนเพยงเลกนอยเทานนกลาวคอสำาหรบ
การจำาแนกแบบขนตอนเดยว ความแมนยำาทเพมขน
หลงจากเพมจำานวนลกษณะเดน12ตวเปนตนไปมอตรา
การเพมขนอยในชวงระหวาง 0.49-1.38% สำาหรบการ
จำาแนกแบบสามขนตอน ความแมนยำาทเพมขนหลงจาก
เพมจำานวนลกษณะเดน9ตวเปนตนไปมอตราการเพมขน
อยในชวงระหวาง 0-1.41% การทความแมนยำาเพมขน
เพยงเลกนอยในชวงหลงของการเพมจำานวนลกษณะเดน
อาจจะเปนเพราะวาลกษณะเดนทเพมเขาไปเปนลกษณะ
เดนทมคณลกษณะใกลเคยงกบลกษณะเดนกอนหนาหรอ
กลาวไดวาเปนลกษณะเดนทความซำาซอนกน ทำาใหความ
แมนยำาในการจำาแนกเพมขนเพยงเลกนอยหรอไมเพมขน
เลย
ประเดนทสองพจารณาประสทธภาพในการจำาแนกของ
สญญาณจากอาสาสมครแตละคน จากการทดลองจะเหน
ไดวา สญญาณไฟฟากลามเนอของอาสาสมครแตละคน
ใหผลความแมนยำาทแตกตางกนออกไป ซงในการทดลอง
นพบวา สญญาณไฟฟากลามเนอของอาสาสมคร S04
เปนสญญาณทใหผลการจำาแนกทดทสด และ สญญาณ
ไฟฟากลามเนอของอาสาสมคร S02 เปนสญญาณทให
ผลการจำาแนกตำาทสดซงสาเหตททำาใหเกดความแตกตาง
ของสญญาณไฟฟากลามเนอของอาสาสมครแตละคน
นาจะเกดจากสวนของกระบวนการเกบขอมลของสญญาณ
311วารสารวจยและพฒนา มจธ. ปท 40 ฉบบท 2 เมษายน - มถนายน 2560
ไฟฟากลามเนอ กลาวคอ ธรรมชาตในการออกเสยงพด
ของอาสาสมครแตละคนแตกตางกน ถงแมวาเสยงพดท
ออกมาจะมลกษณะของเสยงทถกตองและชดเจน แต
วธการขยบปากเพอออกเสยงพดของแตละคนแตกตางกน
ซงอาสาสมครทมการขยบปากถกตองตามหลกการออก
เสยงเพอเปลงเสยงออกมาจะไดสญญาณไฟฟากลามเนอ
ทมแอมพลจดชดเจน และทำาใหมความแตกตางของ
สญญาณไฟฟากลามเนอของคำาพดแตละคำา ทำาใหงาย
ตอการจำาแนกคำาพด ในทางตรงกนขาม อาสาสมคร
บางคนไมคอยมการขยบปากขณะออกเสยง กลาวคอ
มการเคลอนไหวของอวยวะในการออกเสยงพดนอยซงม
ผลทำาใหเกดการทำางานของสญญาณไฟฟากลามเนอนอย
ดงนนสญญาณไฟฟากลามเนอทไดจะมแอมพลจดตำาและ
มความแตกตางของสญญาณไฟฟากลามเนอของคำาพด
แตละคำานอย ดงนนการควบคมลกษณะการออกเสยงพด
ของอาสาสมครใหคงทเปนปจจยสำาคญทจะชวยเพม
ประสทธภาพและความนาเชอถอใหกบระบบได
ประเดนตอมา พจารณาประสทธภาพของรปแบบการ
จำาแนกสองรปแบบ คอ รปแบบการจำาแนกแบบขนตอน
เดยวโดยใชโครงขายประสาทเทยมหนงโครงขาย และ
รปแบบการจำาแนกแบบสามขนตอนโดยใชโครงขาย
ประสาทเทยมสามโครงขาย จากผลการทดลอง จะเหน
ไดวาการจำาแนกแบบสามขนตอนโดยใชโครงขายประสาท
เทยมสามโครงขายใหผลความแมนยำาเฉลยสงกวา แต
อยางไรกตามการจำาแนกแบบสามขนตอนมความซบซอน
และใชเวลาในการประมวลผลมากกวาการจำาแนกแบบ
ขนตอนเดยวถงสามเทา ดงนนถาระบบตองการความเรว
ในการประมวลผลการจำาแนกแบบขนตอนเดยวนาจะเปน
ทางเลอกทดกวา เนองจากความแมนยำาในการจำาแนก
ตำากวาการจำาแนกแบบสามขนตอนเพยงเลกนอย(1.78%
เมอพจารณาณตำาแหนงทใหความแมนยำาสงสดการใช
จำานวนลกษณะเดน 21 ตว) อยางไรกตาม การจำาแนก
แบบสามขนตอนจะใหความแมนยำาเฉลยทสงกวาการ
จำาแนกแบบขนตอนเดยวอยางเหนไดชด (9.77%) เมอ
มการใชจำานวนลกษณะเดนเพยงเลกนอย เชน การใช
ลกษณะเดนเพยง3ตวเปนตน
ประเดนสดทาย พจารณาคณลกษณะของลกษณะ
เดนทถกเลอก ซงจะพจารณาลกษณะเดนทถกใชสำาหรบ
การจำาแนกแบบสามขนตอน เนองจากผลการทดลอง
แสดงใหเหนวา การจำาแนกแบบสามขนตอนโดยใช
โครงขายประสาทเทยมสามโครงขายมประสทธภาพดกวา
การจำาแนกแบบขนตอนเดยวโดยใหความแมนยำาสงสดเมอ
เพมจำานวนลกษณะเดน27ตวอยางไรกตามจะพจารณา
ลกษณะเดนเพยง9ตวเนองจากการเพมจำานวนลกษณะ
เดนมากกวา 9 ตวมผลในการเพมความแมนยำาเพยง
เลกนอย
ตารางท2แสดงลกษณะเดนทถกใชสำาหรบการจำาแนก
แบบสามขนตอน ซงจะแบงเปนลกษณะเดนยอย 3 ชด
ในแตละขนตอนจะใชลกษณะเดนแตกตางกน จะเหนวา
ลกษณะเดนทถกเลอกสวนใหญเปนลกษณะเดนในรปแบบ
ทสอง ซงมาจากการคำานวณโดยแบงสญญาณไฟฟา
กลามเนอออกเปน 6 สวนเทาๆ กน ดงนนจะเหนไดวา
ลกษณะเดนในรปแบบนมประสทธภาพในการจำาแนก
วรรณยกตไดดเนองจากเปนลกษณะเดนทคำานวณมาจาก
บางสวนของสญญาณ ซงในแตละสวนของสญญาณมผล
ในการจำาแนกวรรณยกตแตกตางกน
1 2 3
ลำดบ ลกษณะเดนสำหรบการจำแนกแบบสามขนตอน
MMAV2 MAV_3
MMAV1_3 ZC_3
RMS_3 ZC
MMAV1 ZC_4
WAMP_4
IAV_6 WL_6 SSC_6 ZC_6
RMS_6 WAMP_6 MMAV1_6
SSC SSC_5
SSC_3 SSC_4 SSC_2
WAMP_3 ZC_2
RMS_2 MNF_2
SUM_MNF MAV_2
123456789
ต�ร�งท 2ลกษณะเดนทถกเลอกจากหวขอ2.2.4และ2.2.5สำาหรบใชในรปแบบการจำาแนกแบบสามขนตอน
312 วารสารวจยและพฒนา มจธ. ปท 40 ฉบบท 2 เมษายน - มถนายน 2560
พจารณาลกษณะเดนทใชในแตละขนตอนของการ
จำาแนก ในการจำาแนกขนตอนทหนงซงใชในการจำาแนก
วรรณยกตเอกและจตวา ลกษณะเดนสวนใหญเปน
ลกษณะเดนทคำานวณจากสวนท 3 และสวนท 4 ของ
สญญาณ ในการจำาแนกขนตอนทสองซงใชในการจำาแนก
วรรณยกตตร ลกษณะเดนสวนใหญเปนลกษณะเดนท
คำานวณจากสวนท 6 ของสญญาณ สำาหรบการจำาแนก
ขนตอนทสามซงใชในการจำาแนกวรรณยกตสามญและโท
ลกษณะเดนสวนใหญเปนลกษณะเดนทคำานวณจากสวนท
2และสวนท3ของสญญาณดงนนจะเหนไดวาในแตละ
สวนของสญญาณมผลในการจำาแนกวรรณยกตแตกตางกน
กลาวคอสวนท3และสวนท4ของสญญาณมผลในการ
จำาแนกวรรณยกตเอกและจตวาออกจากกลมวรรณยกต
อนๆสวนท6ของสญญาณมผลในการจำาแนกวรรณยกต
ตรออกจากกลมของวรรณยกตโทและสามญและสวนท2
และสวนท3ของสญญาณมผลในการจำาแนกวรรณยกต
สามญและโทออกจากกน
จากผลการทดลองทงหมดเมอเปรยบเทยบกบงานวจย
กอนหนา [21] ซงไดนำาเสนอเทคนคการจำาแนกแบบสาม
ขนตอน โดยออกแบบจากสญญาณไฟฟากลามเนอจาก
อาสาสมครเพยง1คนซงพบวาเทคนคนสามารถจำาแนก
วรรณยกต 5 เสยงได โดยมความแมนยำาในการจำาแนก
80% อยางไรกตาม การทดลองดงกลาวยงไมสามารถ
ยนยนไดวา เทคนคนจะมประสทธภาพเพยงพอเมอนำาไป
ใชกบสญญาณไฟฟากลามเนออนๆ จากผลการทดลองน
จะเหนไดวาเทคนคการจำาแนกแบบสามขนตอนทไดนำา
เสนอมประสทธภาพเพยงพอในการจำาแนกวรรณยกต
5 เสยง ซงไดปรบปรงเทคนคดงกลาวในสวนของการ
คดเลอกลกษณะเดนและการเพมจำานวนลกษณะเดนให
กบระบบ
5. สรปผลก�รทดลอง งานวจยนเปนการปรบปรงเทคนคการจำาแนกแบบ
สามขนตอนซงใชโครงขายประสาทเทยมสามโครงขายใน
การจำาแนกวรรณยกตไทย 5 เสยง โดยการใชขอมลของ
สญญาณไฟฟากลามเนอของอาสาสมคร 10 คนในการ
ออกแบบ โดยไดปรบปรงในสวนของกระบวนการคำานวณ
ลกษณะเดนคดเลอกลกษณะเดนและเพมจำานวนลกษณะ
เดนเพอเปนอนพตใหกบโครงขายประสาทเทยมนอกจากน
ทำาการเปรยบเทยบรปแบบการจำาแนกสองรปแบบคอการ
จำาแนกแบบสามขนตอนและการจำาแนกแบบขนตอนเดยว
จากผลการทดลองพบวา การจำาแนกแบบสามขนตอนม
ประสทธภาพดกวาการจำาแนกแบบขนตอนเดยว โดยให
ความแมนยำาสงสด 95.56% จากขอมลสญญาณไฟฟา
กลามเนอ S04 และความแมนยำาเฉลย 80.27% จาก
ขอมลสญญาณไฟฟากลามเนอทงหมด นอกจากน เมอ
พจารณาจากความแมนยำาเฉลยการใชจำานวนลกษณะเดน
27 ตว ใหความแมนยำาสงสด แตอยางไรกตาม จำานวน
ลกษณะเดนทเหมาะสม คอ 9 ตว เนองจากการเพม
จำานวนลกษณะเดนมากกวา 9 ตว จะเพมประสทธภาพ
ในการจำาแนกเพยงเลกนอย
อยางไรกตาม การทดลองนเปนการคดเลอกลกษณะ
เดนโดยการจดอนดบลกษณะเดนตามผลการประเมนดวย
ตวประเมนแบบอารอเอส ซงวธน ทำาใหลกษณะเดนทใช
อาจมความสมพนธกนนนกแสดงวาขอมลมความซำาซอน
ซงมผลทำาใหความแมนยำาในการจำาแนกไมเพมขน แตจะ
ไปเพมพารามเตอรเขาไปในระบบ ทำาใหการประมวลผล
ชาลง นอกจากน ในการเพมจำานวนลกษณะเดนครงละ
3ตวทำาใหไมสามารถระบไดชดวาลกษณะเดนตวใดมผล
ในการเพมหรอลดประสทธภาพของระบบ ดงนน งาน
ตอไปจะปรบปรงในสวนของเทคนคการเลอกลกษณะเดน
โดยใชเทคนคการคนหา(Searchstageybasedfeature
selection)เพอใหไดลกษณะเดนทเหมาะสม
6. กตตกรรมประก�ศ งานวจยนไดรบการสนบสนนโดยโครงการรวมใหทน
ปรญญาเอกกาญจนาภเษก (คปก.) ระหวางสำานกงาน
กองทนสนบสนนการวจย (สกว.) และมหาวทยาลย
สงขลานครนทร(สญญาเลขทPHD/0164/2552)
7. เอกส�รอ�งอง 1.Sugie,N.andTsunoda,K.,1985,“ASpeechProsthesisEmployingaSpeechSynthesizerVowel
DiscriminationfromPerioralMuscleActivitiesand
VowelProduction,” IEEE Transactions on Biomedical
Engineering,32(7),pp.485-490.
313วารสารวจยและพฒนา มจธ. ปท 40 ฉบบท 2 เมษายน - มถนายน 2560
2.Kubo,T.,Yoshida,M.,Hattori,T.andIkeda,
K., 2014, “Towards Excluding Redundancy inElectrodeGridforAutomaticSpeechRecognition
basedonSurfaceEMG,” Neurocomputing,134,
pp.15-19.
3.Fraiwan, L., Lweesy, K., Al-Nemrawi, A.,
Addabass, S. and Saifan, R., 2011, “Voiceless Arabic vowels recognition using facial EMG,” Medical & Biological Engineering & Computing,
49(7),pp.811-818.
4.Chan,A.D.,Englehart,K.B.,Hudgins,B.and
Lovely,D.F.,2006,“MultiexpertAutomaticSpeech
Recognition using Acoustic and Myoelectic
Signals,” IEEE Transactions on Biomedical
Engineering,53(4),pp.676-685.
5.Lopez-Larraz,E.,Mozos,O.M.,Antelis,J.M.
andMinguez, J., 2010, “Syllable-based speechrecognition using EMG,” Annual International
Conference of the IEEE Engineering in Medicine
and Biology Society,EMBC,pp.4699-4702.
6.Jou,S.C.S.,Schultz,T.,Walliczek,M.,Kraft,F.
andWaibel,A.,2006,“TowardsContinuousSpeechRecognition using Surface Electromyography,” INTERSPEECH 2006,ICSLP.
7.Deng, Y., Colby, G., Heaton, J.T. and
Meltzner,G.S.,2012,“SignalProcessingAdvances for the MUTE sEMG-based Silent Speech
RecognitionSystem,” IEEE Military Communications
Conference,pp.1-6.
8.Wand,M.,Janke,M.andSchultz,T.,2014,
“TacklingSpeakingModeVarietiesinEMG-based
Speech Recognition,” IEEE Transactions on
Biomedical Engineering,61(10),pp.2515-2526.
9.Betts, B.J. and Jorgensen, C., 2005,
“Small Vocabulary Recognition using Surface
Electromyography in an Acoustically Harsh
Environment,” NASA TM-2005-21347.
10.Zhou, Q., Jiang, N., Englehart, K. and
Hudgins, B., 2009, “Improved Phoneme-based
MyoelectricSpeechRecognition,” IEEE Transactions on Biomedical Engineering,58(8),pp.2016-2023.
11.Arjunan,S.P.,Kumar,D.K.,Yau,W.C.and
Weghorn,H.,2006,“UnspokenVowelRecognitionusing Facial Electromyogram,” Proceedings of
IEEE Engineering in Medicine and Biology Society,
pp.2191-2194.
12.Morse,M.S.,Day,S.H.,Trull,B.andMorse,
H.,1989,“UseofMyoelectricSignalstoRecognize
Speech,” Proceedings of IEEE Engineering in
Medicine and Biology Society,pp.1793-1794.
13.Manabe, H. and Zhang, Z., 2004,
“Multi-stream HMM for EMG-based Speech
Recognition,” Proceedings of IEEE Engineering in Medicine and Biology Society,2,pp.4389-4392.
14.Bu, N., Tsuji, T., Arita, J. and Ohga,
M., 2005, “Phoneme Classification for Speech
SynthesizerusingDifferentialEMGSignalsbetween
Muscles,” Proceedings of IEEE Engineering in
Medicine and Biology Society,pp.5962-5966.
15.Jia,X.,Wang,X.,Li,J.,Yang,D.andSong,
Y.,2006,“UnvoicedChineseDigitalRecognitionbasedonFacialMyoelectricSignal,” International Conference on Communications, Circuits and
Systems,1,pp.598-601
16.Lyu,M.,Xiong,C.andZhang,Q.,2014,
“Electromyography (EMG)-based Chinese Voice
Command Recognition,” IEEE International
Conference on Information and Automation,pp.
926-931.
17.Lee, K.S., 2008, “EMG-based Speech
Recognition using HiddenMarkovModels with
GlobalControlVariables,” IEEE Transactions on Biomedical Engineering,55(3),pp.930-940.
18.Freitas, J., Teixeira, A. andDias,M.S.,
2012, “Towards a Silent Speech Interface forPortuguese,”Biosignals,pp.91-100.
314 วารสารวจยและพฒนา มจธ. ปท 40 ฉบบท 2 เมษายน - มถนายน 2560
19.Topalović,M.,Damnjanović,Đ.,Peulić,A.,Blagojević,M.andFilipović,N.,2015,“Syllable-basedSpeechRecognitionusingElectromyography
andDecisionSetClassifier,” Biomedical Engineering:
Applications, Basis and Communications,27(02).
20.Srisuwan, N., Phukpattaranont, P. and
Limsakul, L., 2011, “Feature Selection for ThaiTone Classification based on Surface EMG,” Procedia Engineering,32,pp.253-259.
21.Srisuwan, N., Phukpattaranont, P. and
Limsakul,L.,2013,“ThreeStepsofNeuralNetwork Classification for EMG-based Thai Tones
SpeechRecognition,” Proceeding of International Conference on Electrical Engineering/Electronics
Computer Telecommunications and Information
Technology (ECTI-CON),pp.1-6.
22.Di Fabio, R.P., 1987, “Reliability of Computerized Surface Electromyography for
DeterminingtheOnsetofMuscleActivity,” Physical Therapy,67(1),pp.43-48.
23.Phinyomark, A.,Hirunviriya, S., Limsakul,
C. and Phukpattaranont, P., 2010, “Evaluation ofEMGFeatureExtractionforHandMovement
Recognition based on Euclidean Distance and
Standard Deviation,” International Conference
on Electrical Engineering/Electronics Computer
Telecommunications and Information Technology
(ECTI-CON),pp.856-860.