با توجه به پیشرفت‌های صورت‌گرفته در زمینه رباتیک و تعامل انسان و ماشین، تشخیص احساس از روی گفتار اهمیت ویژه‌ای پیدا کرده است. در این مقاله یک طبقه‌بند مبتنی بر مدل احساسی برانگیختگی- جاذبه، برای بازشناسی احساس از روی گفتار استفاده شده است. در این روش، در مرحله اول نمونه‌ها با استفاده از ویژگی‌های متداول عروضی و طیفی بر مبنای سطح برانگیختگی طبقه‌بندی می‌شوند. سپس احساس‌های با سطح برانگیختگی یکسان با استفاده از ویژگی‌های پیشنهادی دینامیکی غیر خطی از یکدیگر جدا می‌شوند. ویژگی‌های دینامیکی غیر خطی از روی مشخصات هندسی فضای فاز بازسازی شده سیگنال گفتار استخراج می‌شوند. بدین منظور چهار منحنی توصیفگر برای بازنمایی مشخصات هندسی فضای فاز بازسازی شده محاسبه می‌شوند. سپس مؤلفه‌های مهم تبدیل کسینوسی گسسته این منحنی‌ها به عنوان ویژگی‌های دینامیکی غیر خطی مورد استفاده قرار می‌گیرند. روش پیشنهادی بر روی پایگاه داده برلین با استفاده از تکنیک 10 تکه برابر ارزیابی شده و نرخ بازشناسی 35/96% و 18/87% برای زنان و مردان به دست آمد. با توجه به تعداد نمونه‌ها در هر گروه جنسیتی، متوسط نرخ بازشناسی 34/92% برای سیستم پیشنهادی به دست آمد. تفاصيل المقالة