امروز تشخیص صوت به عنوان یکی از ابزار هوش مصنوعی است که هدف آن شناسایی یک فرد از روی صدای شخص است. برای تشخیص صوت توسط ماشین روش های مختلفی وجود دارد که به عنوان یکی از معروف ترین آن ها مدل مارکوف را می توان نام برد. سیستم تشخیص گفتار نوعی فناوری است که به یک رایانه این امکان را می دهد که گفتار و کلمات گوینده را بازشناسی و خروجی آنرا به قالب مورد نظر، مانند متن، ارائه کند. آنچه که در این مطالعه مورد توجه است، تشخیص نوع لکنت در زبان فارسی، با توجه به تعاریف و ویژگی های بیان شده، با استفاده از ماشین بردار پشتیبان، به منظور شناسایی نوع لکنت است. با توجه به مسائل و تاثیراتی که لکنت می تواند بر فرد بگذارد و زندگی شخصی و اجتماعی وی را تحت تاثیر قرار دهد، نیاز به وجود ماشینی که بتواند این اختلال را درست تشخیص دهد تا بتوان اقدامات لازم موجود را در زمان مناسب انجام داد، مورد اهمیت است. در این مطالعه به مدلسازی یک سیستم تشخیص نوع لکنت با استفاده ازالگوریتم داده کاوی و ماشین بردار پشتیبان ) SVMبرای تشخیص نوع لکنت) پرداخته شده است. بعد از ثبت سیگنال صوتی و آماده سازی آن، یک سری ویژگی از سیگنال استخراج شده و به ماشین بردار پشتیبان داده می شود. نتایج حاکی از تفکیک پذیری مناسب و تشخیص لکنت از روی صدا توسط ویژگی فرکانسی صوت و همچنین استفاده از ماشین بردار پشتیبان است. در ابتدا میان دو گروه از صداهای سالم و با لکنت این روش تست شد و سپس میان سیگنال های سالم و انواع مختلف لکنت نیز این ارزیابی بسط داده شد و نتایج به طور مناسبی حاکی از تفکیک پذیری و تشخیص لکنت توسط روش های شناسایی الگو بود.
