چکیده: تخمین اتوماتیک محدوده سنی یکی از مسائل هوش مصنوعی است که به سبب اهمیت آن از سال‌ها پیش بر روی آن مطالعات در حال انجام است. مطالعات بسیاری نیز برای تشخیص محدوده سنی انجام شده است. اما با وجود مطالعات فراوان دقت این سیستم‌ها، همچنان چالشی برای سیستم‌های تخمین سن گوینده است. لذا نیازمند مطالعات بیشتر و کارهای نوینی در این زمینه به ‌ویژه برای گویندگان فارسی‌ زبان است. هدف در این سیستم‌ها بالابردن دقت تخمین سن است. لذا همیشه با دو چالش اساسی در این حوزه روبه‌رو هستیم: یافتن یک روش مناسب برای استخراج ویژگی از سیگنال گفتار و یافتن روشی مطمئن و قابل‌اطمینان برای دسته‌بندی داده‌ها. هدف اصلی در این تحقیق، تخمین سن ازروی سیگنال گفتار توسط ویژگی کپسترال نرمالیزه شده توان (PNCC) جهت بخش استخراج ویژگی در یک سیستم تخمین سن و یافتن بهترین مقدار برای داشتن درصد خطای کمتر است. همچنین مقایسة عملکرد این ویژگی با سایر ویژگی‌های متداول نظیر MFCC، MHEC و BFCC نیز مورد بررسی قرار گرفته است. برای طبقه بندی نیز از طبقه بند SVM استفاده شده است. این روش در سه، چهار، پنج و شش کلاس انجام شده که بهترین نتیجه در طبقه بندی سه کلاسه با استفاده از روش استخراج ویژگیPNCC به دست آمده که دقت آن برابر با 6/78 % است.