- Trang Chủ
- Khoa học tự nhiên
- Đồ án tốt nghiệp: Thuật toán xử lý tiếng nói trong Speech Enhancement và đánh giá tính hiệu quả của thuật toán
Xem mẫu
- Đồ án tốt nghiệp
Thuật toán xử lý tiếng
nói trong Speech
Enhancement và đánh
giá tính hiệu quả của
thuật toán
- Đồ án tốt nghiệp PDF by http://www.ebook.edu.vn
CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM
Độc lập – Tự do – Hạnh phúc
LỜI CAM ĐOAN
Kính gửi: Hội đồng bảo vệ đồ án tốt nghiệp Khoa Điện tử _ Viễn thông _
Trường Đại học Bách Khoa Đà Nẵng.
Em tên là: Nguyễn Thị Ngọc Diệp
Hiện đang học lớp 04ĐT1- Khoa: Điện tử - Viễn thông – Trường: Đại học
Bách Khoa Đà Nẵng.
Nhóm em xin cam đoan nội dung của đồ án này không phải là bản sao chép
của bất cứ đồ án hoặc công trình đã có từ trước.
Sinh viên thực hiện
Nguyễn Thị Ngọc Diệp
SVTH: Nguyễn Thị Ngọc Diệp Trang 1
- Đồ án tốt nghiệp PDF by http://www.ebook.edu.vn
MỤC LỤC
LỜI CAM ĐOAN .................................................................................................. 1
MỤC LỤC .............................................................................................................. 2
DANH MỤC CÁC TỪ VIẾT TẮT VÀ CÁC THUẬT NGỮ TIẾNG ANH ........ 8
MỞ ĐẦU .............................................................................................................. 10
CHƯƠNG 1: TỔNG QUAN VỀ NÂNG CAO CHẤT LƯỢNG TIẾNG NÓI ... 13
1.1 Giới thiệu chương ................................................................................ 13
1.2 Nâng cao chất lượng tiếng nói là gì ? .................................................. 13
1.3 Lý thuyết về tín hiệu và nhiễu ............................................................. 15
1.3.1 Tín hiệu, hệ thống và xử lý tín hiệu ................................................... 15
1.3.1.1 Tín hiệu .............................................................................................. 15
1.3.1.2 Nguồn tín hiệu .................................................................................... 15
1.3.1.3 Hệ thống và xử lý tín hiệu .................................................................. 16
1.3.1.4 Phân loại tín hiệu................................................................................ 16
1.4 Lý thuyết về nhiễu ............................................................................... 17
1.4.1 Nguồn nhiễu ....................................................................................... 17
1.4.2 Nhiễu và mức tín hiệu tiếng nói trong các môi trường khác nhau..... 19
1.5 Tín hiệu rời rạc theo thời gian ............................................................. 20
1.5.1 Tín hiệu bước nhảy đơn vị ................................................................. 21
1.5.2 Tín hiệu xung đơn vị .......................................................................... 21
1.5.3 Tín hiệu hàm mũ ................................................................................ 21
1.5.4 Tín hiệu hàm sin rời rạc ..................................................................... 21
1.6 Phép biến đổi Fourier của tín hiệu rời rạc DTFT ................................ 22
1.6.1 Sự hội tụ của phép biến đổi Fourier ................................................... 22
SVTH: Nguyễn Thị Ngọc Diệp Trang 2
- Đồ án tốt nghiệp PDF by http://www.ebook.edu.vn
1.6.2 Quan hệ giữa biến đổi Z và biến đổi Fourier ..................................... 22
1.6.3 Phép biến đổi Fourier ngược .............................................................. 23
1.6.4 Các tính chất của phép biến đổi Fourier ............................................ 23
1.6.5 Phân tích tần số (phổ) cho tín hiệu rời rạc ......................................... 24
1.6.6 Phổ tín hiệu và phổ pha ...................................................................... 25
1.7 Các thuật toán sử dụng nâng cao chất lượng tiếng nói........................ 26
1.7.1 Trừ phổ ............................................................................................... 26
1.7.2 Mô hình thống kê ............................................................................... 26
1.8 Tín hiệu tiếng nói................................................................................. 26
1.9 Cơ chế tạo tiếng nói ............................................................................. 28
1.9.1.1 Bộ máy phát âm của con người.......................................................... 28
1.9.2 Mô hình kỹ thuật của việc tạo tiếng nói ............................................. 28
1.9.3 Phân loại âm ....................................................................................... 29
1.9.4 Thuộc tính âm học của tiếng nói ........................................................ 29
1.10 Kết luận chương .................................................................................. 29
CHƯƠNG 2 : ĐÁNH GIÁ CHẤT LƯỢNG TIẾNG NÓI .................................. 30
2.1 Giới thiệu chương ................................................................................ 30
2.2 Phương pháp đánh giá chủ quan.......................................................... 30
2.2.1 Các phương pháp đánh giá tuyệt đối.................................................. 31
2.2.1.1 Phương pháp đánh giá tuyệt đối ACR ............................................... 31
2.2.2 Các phương pháp đánh giá tương đối ................................................ 31
2.2.2.1 Đánh giá bằng phương pháp so sánh các mẫu tín hiệu ...................... 31
2.2.2.2 Phương pháp đánh giá theo sự suy giảm chất lượng ......................... 32
2.3 Phương pháp đánh giá khách quan ...................................................... 33
SVTH: Nguyễn Thị Ngọc Diệp Trang 3
- Đồ án tốt nghiệp PDF by http://www.ebook.edu.vn
2.3.1 Đo tỷ số tín hiệu trên nhiễu trên từng khung ..................................... 33
2.3.2 Đo khoảng cách phổ dựa trên LPC .................................................... 35
2.3.2.1 Phương pháp đo LLR ......................................................................... 35
2.3.2.2 Phương pháp đo IS ............................................................................. 36
2.3.2.3 Phương pháp đo theo khoảng cách cepstrum ..................................... 36
2.3.3 Đánh giá mô phỏng theo cảm nhận nghe của con người ................... 37
2.3.3.1 Phương pháp đo Weighted Spectral Slope......................................... 37
2.3.3.2 Phương pháp đo Bark Distortion ....................................................... 38
2.3.3.3 Phương pháp đánh giá cảm nhận chất lượng thoại PESQ ................. 39
2.4 Kết luận chương .................................................................................. 39
CHƯƠNG 3: THUẬT TOÁN SPECTRAL–SUBTRACTION VÀ WIENER
FILTERING ......................................................................................................... 41
3.1 Giới thiệu chương ................................................................................ 41
3.2 Sơ đồ khối chung của Spectral Subtraction và Wiener Filtering ........ 41
3.3 Thuật toán Spectral Subtraction .......................................................... 41
3.3.1 Giới thiệu chung ................................................................................. 41
3.3.2 Spectral subtraction đối với phổ biên độ ........................................... 42
3.3.3 Spectral subtraction đối với phổ công suất ........................................ 43
3.4 Thuật toán Wiener Filtering ................................................................ 45
3.4.1 Giới thiệu chung ................................................................................. 45
3.4.2 Nguyên lý cơ bản của Wiener Filtering ............................................. 46
3.5 Overlap và Adding trong quá trình xử lý tín hiệu tiếng nói ................ 48
3.5.1 Phân tích tín hiệu theo từng frame ..................................................... 48
3.5.2 Overlap và Adding ............................................................................. 49
SVTH: Nguyễn Thị Ngọc Diệp Trang 4
- Đồ án tốt nghiệp PDF by http://www.ebook.edu.vn
3.6 Ước lượng và cập nhật nhiễu............................................................... 50
3.6.1 Voice activity detection ..................................................................... 51
3.6.2 Quá trình ước lượng và cập nhật nhiễu .............................................. 51
3.7 Kết luận chương .................................................................................. 52
CHƯƠNG 4: THỰC HIỆN VÀ ĐÁNH GIÁ CÁC THUẬT TOÁN .................. 53
4.1 Giới thiệu chương ................................................................................ 53
4.2 Quy trình thực hiện và đánh giá thuật toán ......................................... 53
4.3 Lưu đồ thuật toán Spectral Subtraction ............................................... 55
4.4 Lưu đồ thuật toán Wiener Filtering ..................................................... 56
4.5 Thực hiện thuật toán ............................................................................ 57
4.6 Đánh giá chất lượng tiếng nói đã được xử lý ...................................... 59
4.6.1 Cơ sở dữ liệu cho việc đánh giá ......................................................... 59
4.6.2 Tổng quan về quy trình đánh giá ....................................................... 59
4.6.3 Kiểm tra độ tin cậy của các phương pháp đánh giá ........................... 60
4.6.4 Thực hiện đánh giá ............................................................................. 62
4.6.4.1 Đánh giá thuật toán với các hệ số dự đoán ban đầu ........................... 62
4.6.4.2 Tối ưu hệ số alpha cho thuật toán WF ............................................... 65
4.6.4.3 Hệ số gamma cho thuật toán SS......................................................... 67
4.6.4.4 Đánh giá thuật toán sau khi đã tối ưu................................................. 68
4.6.4.5 Đánh giá độ ổn định của thuật toán trong môi trường nhiễu khác..... 69
4.6.5 Kết luận chương ................................................................................. 71
TÀI LIỆU THAM KHẢO ............................................................................... 72
KẾT LUẬN ĐỒ ÁN VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI ............................... 75
PHỤ LỤC ............................................................................................................. 76
SVTH: Nguyễn Thị Ngọc Diệp Trang 5
- Đồ án tốt nghiệp PDF by http://www.ebook.edu.vn
DANH MỤC CÁC HÌNH VẼ VÀ BẢNG
Hình 1.1 Tín hiệu tiếng nói [2]. ........................................................................... 15
Hình 1.2 Dạng và sự phân bố phổ năng lượng trung bình nhiễu trên xe [4]....... 18
Hình 1.3 Dạng và sự phân bố phổ năng lượng trung bình của nhiễu trên tàu [4].
.............................................................................................................................. 18
Hình 1.4 Dạng và sự phân bố phổ năng lượng trung bình của nhiễu trong nhà
hàng[4]. ................................................................................................................ 19
Hình 1.5 Mức nhiễu và tiếng nói (được đo bằng SPL dB) trong các môi trường
khác nhau [4]. ....................................................................................................... 20
Hình 1.6 Mẫu tiếng nói “eee” được lấy mẫu với tần số lấy mẫu 8kHz [11]. ...... 25
Hình 1.7 Dạng sóng tín hiệu tiếng nói của câu “The wife helped her husband” và
dạng sóng của phụ âm “f” trong từ “wife, dạng sóng của đoạn nguyên âm “er”
trong từ “her” [11]. ............................................................................................... 27
Hình 1.8 mặt cắt dọc của cơ quan tạo tiếng nói [11]........................................... 28
Hình 1.9 mô hình kỹ thuật tạo tiếng nói[11]. ...................................................... 28
Hình 1.10 bảng phân loại âm vị trong tiếng Anh của người Mỹ [11] ................. 29
Bảng 2.1.Thang điểm đánh giá chất lượng tiếng nói theo MOS [12] .................. 31
Bảng 2.4. Thang điểm đánh giá chất lượng tín hiệu tiếng nói theo CCR ............ 32
Bảng 2.5. Thang đánh giá DCR ........................................................................... 32
Hình 3.1 Sơ đồ khối cho hai thuật toán SS và WF .............................................. 41
Hình 3.2 Sơ đồ khối của thuật toán Spectral subtraction [26]. ........................... 45
Hình 3.3 Sơ đồ khối của thuật toán Wiener Filtering. ........................................ 48
Hình 3.4 Phân tích tín hiệu thành các frame [31]................................................ 49
Hình 3.5 quá trình thực hiện overlap và adding [32]. ......................................... 50
Hình 4.1. Sơ đồ thực hiện và đánh giá thuật toán tăng cường ............................ 53
Hình 4.2 Lưu đồ thuật toán SS ............................................................................ 55
Hình 4.3 Lưu đồ thuật toán WF........................................................................... 56
Hình 4.4 dạng sóng và spectrogram của tín hiệu sạch ........................................ 57
Hình 4.5 Dạng sóng và phổ của tín hiệu bị nhiễu xe hơi với SNR = 10dB ........ 57
SVTH: Nguyễn Thị Ngọc Diệp Trang 6
- Đồ án tốt nghiệp PDF by http://www.ebook.edu.vn
Hình 4.6 Dạng sóng và spectrogram của tín hiệu sau khi xử lý nhiễu xe hơi bằng
SS với SNR = 10dB. ............................................................................................ 58
Hình 4.7 Dạng sóng và spectrogram của tín hiệu sau khi xử lý nhiễu xe hơi bằng
WF với SNR = 10dB. ........................................................................................... 58
Hình 4.8 Quy trình thực hiện đánh giá ................................................................ 60
Hình 4.9. Đồ thị kiểm tra độ ổn định của đánh giá OE đối với nhiễu xe hơi...... 61
Hình 4.10. Đồ thị kiểm tra độ ổn định của đánh giá OE đối với nhiễu người nói
xung quanh ........................................................................................................... 61
Hình 4.11 Đồ thị đánh giá Objective với hệ số IS=0.2, NoiseMargin=3 ............ 63
Hình 4.12 Đồ thị đánh giá Objective với hệ số IS=0.15, NoiseMargin=2. ......... 64
Hình 4.14 Đồ thị đánh giá objective với hệ số alpha=0.5, 0.8,0.9 với IS=0.15 và
NoiseMargin = 2 .................................................................................................. 66
Hình 4.15 Đồ thị đánh giá objective với hệ số gamma = 1 và gamma = 2. ........ 67
Hình 4.16 Đồ thị đánh giá với IS=0.15 NoiMargin= 2 và alpha = 0.8 cho thuật
toán WF, gama=1 cho thuật toán SS. ................................................................... 69
Hình 4.17 Đồ thị đánh giá OE với nhiễu người nói xung quanh. ....................... 70
SVTH: Nguyễn Thị Ngọc Diệp Trang 7
- Đồ án tốt nghiệp PDF by http://www.ebook.edu.vn
DANH MỤC CÁC TỪ VIẾT TẮT VÀ CÁC THUẬT NGỮ TIẾNG
ANH
Từ viết
Tiếng Anh Nghĩa tiếng Việt
tắt
SNR Signal Noise Ratio Tỉ số tín hiệu trên nhiễu
PC Personal Computer Máy tính cá nhân
SPL Sound Pressure Level Mức áp suất của âm thanh
Tối thiểu hoá sai lệch trung
MMSE Minium Mean-Squared Error
bình bình phương
SVD Singular Value Decomposition Phép phân tích giá trị đơn
DFT Discrete Fourier Transform Phép biến đổi Fourier rời rạc
FFT Fast Fourier Transform Phép biến đổi Fourier nhanh
Phép biến đổi Fourier của tín
DTFT Discrete-Time Fourier Transform
hiệu rời rạc.
ZT Z Transform Phép biến đổi Z
ROC Region of Convergence Miền hội tụ
Inverse Discrete Fourier Phép biến đổi ngược Fourier
IDTFT
Transform rời rạc
Hệ thống tuyến tính và bất
LTI Linear Time-Invariant
biến theo thời gian
InternationalTelecommunications Hiệp hội tiêu chuẩn viễn
ITU-T
Union-Telecommunication thông quốc tế
ACR Absolute Categories Rating Đánh giá theo giá trị tuyệt đối
Đánh giá theo quan điểm
MOS Mean Opinion Scores
người nghe
CCR Comparison Category Rating Đánh giá bằng cách so sánh
DCR Degradation Category Rating Đánh giá suy giảm chất lượng
SVTH: Nguyễn Thị Ngọc Diệp Trang 8
- Đồ án tốt nghiệp PDF by http://www.ebook.edu.vn
SE Subjective Evaluation Đánh giá chủ quan
OE Objective Evaluation Đánh giá khách quan
IS Itakura_Saito
LLR Log likehook Raito
WSS Weighted Spectral Slope Đo theo trọng số của phổ
LPC Linear Prediction Coefficients Hệ số dự đoán tuyến tính
Thăm dò sự hoạt động của
VAD Voice Activity Detection
tiếng nói
Speech Enhancement Nâng cao chất lượng tiếng nói
Thuật toán giảm nhiễu tín
SS Spectral Subtraction hiệu tiếng nói bằng phương
pháp trừ phổ.
Thuật toán giảm nhiễu tín
WF Wiener Filter hiệu tiếng nói bằng cách sử
dụng bộ lọc Wiener.
Thuật toán giảm nhiễu tín
Statistical-model-based hiệu tiếng nói dựa trên
nguyên lý thống kê
Khung tín hiệu.
Frame
Hamming Cửa sổ Hamming
Overlap và Adding Xếp chồng và cộng
SVTH: Nguyễn Thị Ngọc Diệp Trang 9
- Đồ án tốt nghiệp PDF by http://www.ebook.edu.vn
MỞ ĐẦU
Trong cuộc sống, tiếng nói đóng một vai trò rất quan trọng đối với con
người. Cùng với tiếng nói là sự xuất hiện của rất nhiều các loại dịch vụ thoại như
ngày nay. Tuy nhiên việc bảo toàn được tín hiệu tiếng nói trên các dịch vụ này là
điều vô cùng khó khăn do sự mất mát và suy giảm tín hiệu và nhất là ảnh hưởng
của nhiễu sẽ làm cho tín hiệu tiếng nói không còn như ban đầu. Vì lý do đó mà
các thuật toán về Speech Enhancement ra đời. Tuy không thể bảo toàn được y
nguyên tín hiệu ban đầu nhưng sử dụng các thuật toán này ta có thể tăng cường
được chất lượng tiếng nói và giảm bớt nhiễu nền để tín hiệu sau khi xử lý đến
người nghe vẫn mang đầy đủ nội dung thông tin và không gây khó chịu bởi nhiễu
đối với người nghe. Vì vậy, Speech Enhancement đóng một vai trò rất quan trọng
trong lĩnh vực thoại.
Xuất phát từ thực tế này nhóm đã bắt tay vào tìm hiểu về Speech
Enhancement, nghiên cứu các thuật toán của nó để thực hiện và đánh giá hiệu
quả của các thuật toán đó trong môi trường thực tế.
Để thực hiện được đồ án, nhóm đã phân chia thành 3 phần tương ứng với 3
thành viên :
- Nguyễn Ngọc Trung : nghiên cứu và thực hiện thuật toán xử lý tiếng nói
sử dụng phương pháp Spectral Subtraction.
- Nguyễn Phúc Nguyên : nghiên cứu và thực hiện thuật xử lý tiếng nói sử
dụng bộ lọc Wiener.
- Nguyễn Thị Ngọc Diệp : nghiên cứu và thực hiện các phương pháp đánh
giá từ các kết quả đạt được của 2 thuật toán trên trong môi trường thực tế.
Để thực hiện được nội dung phần của em thì đồ án của em được kết cấu
thành 2 phần, gồm 5 chương :
Phần 1 : Lý thuyết
Chương 1 : Tổng quan về nâng cao chất lượng tiếng nói. Chương này giới
thiệu một số khái niệm cơ bản về tín hiệu số, các phép biến đổi, tìm hiểu về các
SVTH: Nguyễn Thị Ngọc Diệp Trang 10
- Đồ án tốt nghiệp PDF by http://www.ebook.edu.vn
loại nhiễu , tín hiệu tiếng nói và sự hình thành tiếng nói. Bên cạnh đó còn giới
thiệu khái quát về một số thuật toán trong Speech Enhancement .
Chương 2 : Đánh giá chất lượng tiếng nói. Chương này giới thiệu một số
phương pháp đánh giá hiệu quả của thuật toán giảm nhiễu trong tiếng nói. Gồm
có đánh giá chủ quan và đánh giá khách quan.
Chương 3 : Thuật toán Spectral Subtraction và Wiener Filtering. Chương
này đi sâu vào nghiên cứu nguyên lý cơ bản của từng thuật toán.
Phần 2 : Thực hiện và đánh giá
Chương 4 : Thực hiện và đánh giá thuật toán. Chương này trình bày các kết
quả nhóm đã làm được gồm có thực hiện giảm nhiễu tín hiệu tiếng nói bằng hai
thuật toán đã nghiên cứu ở chương 3. Đồng thời so sánh kết quả thu được bằng
cách dùng các phương pháp đánh giá đã được giới thiệu ở chương 2
Phương pháp nghiên cứu của đồ án là xây dựng lưu đồ của thuật toán, thực
hiện xử lý tiếng nói bằng các thuật toán đó. Dựa trên các kết quả đạt được sau khi
xử lý, sau đó sử dụng các phương pháp đánh giá khách quan để đánh giá tính
hiệu quả của các thuật toán xử lý trong môi trường thực tế.
Đồ án của nhóm đã thực hiện được 2 thuật toán xử lý tiếng nói trong
Speech Enhancement và đưa ra được các kết quả đánh giá khách quan làm cơ sở
để đánh giá tính hiệu quả của 2 thuật toán trên. Đó chính là điểm mới trong đồ án
của nhóm so với các đồ án đã có trước trong cùng chủ đề nghiên cứu.
SVTH: Nguyễn Thị Ngọc Diệp Trang 11
- Đồ án tốt nghiệp PDF by http://www.ebook.edu.vn
SVTH: Nguyễn Thị Ngọc Diệp Trang 12
- Chương 1 : Tổng quan về nâng cao chất lượng tiếng nói
CHƯƠNG 1: TỔNG QUAN VỀ NÂNG CAO CHẤT LƯỢNG TIẾNG NÓI
1.1 Giới thiệu chương
Nội dung của chương trình bày mục đích của nâng cao chất lượng tiếng nói
là gì, các loại nhiễu trong tiếng nói, cách hình thành của tiếng nói và các đặc
điểm cuả tín hiệu tiếng nói. Chương này còn giới thiệu khái quát về các thuật
toán sử dụng trong speech enhancement.
1.2 Nâng cao chất lượng tiếng nói là gì ?
Nâng cao chất lượng tiếng nói liên quan đến việc cải thiện cảm nhận đối với
tiếng nói bị suy giảm chất lượng do sự có mặt của nhiễu trong tiếng nói. Trong
hầu hết các ứng dụng, thì mục đích của nâng cao chất lượng tiếng nói là sự cải
thiện chất lượng và tính dễ nghe của tiếng nói đã bị suy giảm do nhiễu. Sự cải
thiện về chất lượng mà tốt thì nó làm giảm đi sự khó khăn cho người nghe khi
nghe và trong nhiều trường hợp nó còn giúp cho người nghe có thể nghe trong
môi trường có nhiễu với mức độ cao và nhiễu đó tồn tại trong thời gian dài. Các
thuật toán âng cao chất lượng tiếng nói làm giảm và nén nhiễu nền đến một mức
độ nào đó và nó được xem như là các thuật toán nén nhiễu.
Trong nhiều trường hợp, sự cần thiết của việc tăng cường trong tín hiệu
tiếng nói xuất hiện khi tín hiệu tiếng nói hình thành trong vùng có nhiễu hoặc ảnh
hưởng bởi nhiễu trong các kênh truyền thông. Có rất nhiều kịch bản yêu cầu đặt
ra đối với Speech enhancement trong nhiều trường hợp khác nhau, ví dụ đối với
thông tin thoại, trên các hệ thống điện thoại tế bào thì chịu sự ảnh hưởng nhiễu
nền từ ô tô, nhà hàng,.. khi truyền đến đích. Chính vì vậy mà các thuật toán trong
nâng cao chất lượng tiếng nói có thể được sử dụng để cải thiện chất lượng của
tiếng nói tại điểm thu, mặt khác, nó có thể được sử dụng trong các khối tiền xử lý
của hệ thống mã hoá tiếng nói dùng trong các điện thoại tế bào chuẩn [1]. Khi
nhận dạng tiếng nói, tiếng nói bị nhiễu được tiền xử lý bởi các thuật toán nâng
cao chất lượng trước khi được nhận dạng. Trong thông tin liên lạc hàng không,
các kỹ thuật nâng cao tiếng nói cần được sử dụng để cải thiện chất lượng và tính
SVTH: Nguyễn Thị Ngọc Diệp Trang 13
- Chương 1 : Tổng quan về nâng cao chất lượng tiếng nói
dễ nghe của tiếng nói của phi công bị ảnh hưởng bởi nhiễu trong buồng lái. Vì
vậy mà nâng cao chất lượng tiếng nói cũng rất cần thiết trong thông tin liên lạc
của quân sự. Trong hệ thống hội nghị qua thoại, thì nguồn nhiễu xuất hiện ở một
vùng nào đó thì nó sẽ được truyền đến tất cả các vùng khác. Các thuật toán nâng
cao chất lượng tiếng nói được sử dụng như tiền xử lý hoặc làm sạch nhiễu trong
tiếng trước khi được khuếch đại.
Như các ví dụ minh họa ở trên thì mục tiêu của các thuật toán tăng cường
tuỳ thuộc vào các ứng dụng mà chúng ta đang dùng. Xét trên phương diện lý
tưởng, thì chúng ta mong muốn Speech enhancement cải thiện được cả chất
lượng và tính dễ nghe hay sự trong suốt của tiếng nói. Tuy nhiên, xét trên phương
diện thực tế thì các thuật toán Speech enhancement chỉ có thể cải thiện được chất
lượng của tiếng nói. Nó có thể làm giảm được nhiễu nền trong tiếng nói nhưng
nó sẽ làm gia tăng thêm độ méo của tín hiệu tiếng nói, chính điều này làm giảm
đi tính dễ nghe của tiếng nói. Do đó, yêu cầu chính trong việc thiết kế một thuật
toán Speech enhancement phải đảm bảo nén được nhiễu và không được gây ra
méo trong sự cảm nhận tín hiệu tiếng nói.
Giải pháp tổng quát trong các vẩn đề của Speech enhancement phụ thuộc
rất lớn vào ứng dụng chúng ta cần sử dụng, đó là các vần đề như là nguồn nhiễu
và giao thoa gây ra nhiễu, mối liên hệ giữa nhiễu và tín hiệu sạch, số microphone
và cảm biến có thể có. Sự giao thoa có thể xem như là nhiễu hoặc được xem như
tín hiệu tiếng nói, nó tuỳ thuộc vào môi trường ta đang xét, nó có thể được xem
như là sự tranh chấp giữa các speaker. Đặc tính âm nhiễu có thể được cộng thêm
vào tín hiệu sạch nếu âm thanh được hình thành trong căn phòng bị dội âm thanh.
Hơn nữa, nhiễu có thể có tính tương quan hoặc không tương quan về mặt thống
kê với tín hiệu sạch. Số lượng microphone cũng có khả năng ảnh hưởng đến tính
hiệu quả của các thuật toán Speech enhancement.
SVTH: Nguyễn Thị Ngọc Diệp Trang 14
- Chương 1 : Tổng quan về nâng cao chất lượng tiếng nói
1.3 Lý thuyết về tín hiệu và nhiễu
1.3.1 Tín hiệu, hệ thống và xử lý tín hiệu
1.3.1.1 Tín hiệu
Tín hiệu(signal) dùng để chỉ một đại lượng vật lý mang tin tức. Về mặt toán
học, ta có thể mô tả tín hiệu như một hàm theo biến thời gian, không gian hay các
biến độc lập khác. Chẳng hạn như, hàm: x(t) = 20t2 mô tả tín hiệu biến thiên theo
biến thời gian t. Hay một ví dụ khác, hàm: s(x,y) = 3x + 5xy + y2 mô tả tín hiệu
là hàm theo hai biến độc lập x và y, trong đó x và y biểu diễn cho hai tọa độ trong
mặt phẳng [2].
Hai tín hiệu trong ví dụ trên về lớp tín hiệu được biểu diễn chính xác bằng
hàm theo biến độc lập. Tuy nhiên, trong thực tế, các mối quan hệ giưa các đại
lượng vật lý và các biến độc lập thường rất phức tạp nên không thể biểu diễn tín
hiệu như trong hai ví dụ vừa nêu trên.
Hình 1.1 Tín hiệu tiếng nói [2].
Lấy ví dụ tín hiệu tiếng nói – đó là sự biến thiên của áp suất không khí theo
thời gian. Chẳng hạn khi ta phát âm từ “away”, dạng sóng của nó được biểu diễn
như hình trên.
1.3.1.2 Nguồn tín hiệu
Tất cả các tín hiệu đều do một nguồn nào đó tạo ra, theo một cách thức nào
đó. Ví dụ tín hiệu tiếng nói được tạo ra băngg cách ép không khí đi qua dây thanh
SVTH: Nguyễn Thị Ngọc Diệp Trang 15
- Chương 1 : Tổng quan về nâng cao chất lượng tiếng nói
âm. Một bức ảnh có được bằng cách phơi sáng một tấm phim chụp một cảnh/đối
tượng nào đó. Quá trình tạo tín hiệu như vậy thường liên quan đến một hệ thống,
hệ thống này đáp ứng lại một kích thích nào đó. Trong tín hiệu tiếng nói, hệ
thống là hệ thống phát âm, gồm môi, răng, lưỡi, dây thanh…Kích thích liên quan
đến hệ thống được gọi là nguồn tín hiệu. Như vậy ta có nguồn tiếng nói, nguồn
ảnh và các nguồn tín hiệu khác.
1.3.1.3 Hệ thống và xử lý tín hiệu
Hệ thống là một thiết bị vật lý thực hiện một tác động nào đó lên tín hiệu.
Ví dụ, bộ lọc dùng để giảm nhiễu trong tín hiệu mang tin được gọi là một hệ
thống. Khi ta truyền tín hiệu qua một hệ thống, như bộ lọc chẳng hạn, ta nói rằng
đã xử lý tín hiệu đó. Trong trường này, xử lý tín hiệu liên quan đến lọc nhiễu ra
khỏi tín hiệu mong muốn.
Xử lý tín hiệu là ý muốn nói đến một loạt các công việc hay các phép toán
được thực hiện trên các tín hiệu nhằm đạt mục đích nào đó, như là tách tin tức
chứa bên trong tín hiệu hoặc là truyền tín hiệu mang tin từ nơi này đến nơi khác.
Ở đây ta cần lưu ý đến định nghĩa hệ thống, nó không chỉ đơn thuần là thiết
bị vật lý mà còn là phần mềm xử lý tín hiệu hoặc là sự kết hợp giữa phần cứng và
phần mềm. Ví dụ khi xử lý số tín hiệu bằng mạch logic, hệ thống xử lý ở đây là
phần cứng. Khi xử lý bằng máy tính số, tác động lên tín hiệu bao gồm một loạt
các phép toán thực hiện bởi chương trình phần mềm. Khi xử lý bằng các bộ vi xử
lý-hệ thống bao gồm kết hợp cả phần cứng và phần mềm, mỗi phần thực hiện các
công việc riêng nào đó.
1.3.1.4 Phân loại tín hiệu
Các phương pháp ta sử dụng trong xử lý tín hiệu phụ thuộc chặt chẽ vào
đặc điểm của tín hiệu. Có những phương pháp riêng áp dụng cho một loại tín
hiệu nào đó. Do vậy, trước tiên ta cần xem qua cách phân loại tín hiệu liên quan
đến những ứng dụng cụ thể. Chúng ta có thể phân tín hiệu thành các loại :
- Tín hiệu nhiều hướng và tín hiệu đa kênh
- Tín hiệu liên tục và tín hiệu rời rạc
SVTH: Nguyễn Thị Ngọc Diệp Trang 16
- Chương 1 : Tổng quan về nâng cao chất lượng tiếng nói
- Tín hiệu biên độ liên tục và tín hiệu biên độ rời rạc
- Tín hiệu xác định và tín hiệu ngẫu nhiên
1.4 Lý thuyết về nhiễu
1.4.1 Nguồn nhiễu
Nhiễu một hiện thực, nó tồn tại ở mọi nơi, trên đường phố, trên xe, trong
văn phòng, trong nhà hàng, trong các toà nhà. Nó có thể là tiếng xe chạy trên
đường, tiếng ồn trên các công trường xây dựng, tiếng ồn phát ra từ các quạt chạy
trong PC, chuông điện thoại…, nó tồn tại với các hình dạng và hình thức khác
nhau trong cuộc sống hằng ngày của chúng ta.
Nhiễu có thể hình thành ở một nơi cố định, và không thay đổi theo thời
gian, ví dụ như là tiếng ồn phát ra từ quạt chạy trong PC. Nhiễu cũng có thể
không đứng yên một chỗ, ví dụ như nhiễu trong nhà hàng, đó là tiếng nói của
nhiều người xen lẫn với nhiều cách khác nhau với tiếng ồn phát ra từ nhà bếp.
Các đặc tính về phổ cũng như thời gian của nhiễu trong nhà hàng thay đổi không
theo quy luật nên việc nén nhiễu trong các môi trường có nhiễu thay đổi như vậy
sẽ khó khăn hơn nhiều so với các nguồn nhiễu đứng yên không thay đổi.
Các đặc tính đặc biệt khác nhau của các loại nhiễu đó là hình dạng của phổ
và sự phân bố của năng lượng nhiễu trong miền tần số. Ví dụ, nhiễu gây ra bởi
gió thì năng lượng của nó tập trung ở tần số thấp dưới 500Hz. Nhưng đối với
nhiễu trong nhà hàng, trên xe, trên tàu thì khác, năng lượng của nó được phân bố
trên một dải tần số rộng [3].
SVTH: Nguyễn Thị Ngọc Diệp Trang 17
- Chương 1 : Tổng quan về nâng cao chất lượng tiếng nói
Hình 1.2 Dạng và sự phân bố phổ năng lượng trung bình nhiễu trên xe [4].
Hình 1.3 Dạng và sự phân bố phổ năng lượng trung bình của nhiễu trên
tàu [4].
SVTH: Nguyễn Thị Ngọc Diệp Trang 18
- Chương 1 : Tổng quan về nâng cao chất lượng tiếng nói
Hình 1.4 Dạng và sự phân bố phổ năng lượng trung bình của nhiễu trong
nhà hàng[4].
1.4.2 Nhiễu và mức tín hiệu tiếng nói trong các môi trường khác nhau
Điểm tới hạn trong việc thiết kế các thuật toán của Speech enhancement là
sự nhận biết dải biến thiên của tiếng nói và mức độ cường độ nhiễu trong môi
trường thực tế. Từ đó, chúng ta có thể mô tả miền biến thiên của mức độ tỷ số tín
hiệu trên nhiễu(SNR) được bắt gặp trong môi trường thực tế. Điều này rất quan
trọng để đánh giá tính hiệu quả của các thuật toán Speech enhancement trong
việc nén nhiễu và cải thiện chất lượng của tiếng nói trong dải biến thiên của mức
SNR.
Mức độ của tiếng nói và nhiễu được đo lường bằng mức độ âm thanh. Phép
đo lường ở đây là đo mức độ áp suất của âm thanh tính bằng dB SPL(sound
pressure level)[4]. Khoảng cách giữa người nói và người nghe cũng ảnh hưởng
đến mức cường độ âm thanh, nó tương ứng với phép đo được thực hiện khi
microphone được đặt tại những vị trí có khoảng cách khác nhau. Khoảng cách
đặc trưng trong giao tiếp face-to-face là 1m, khi khoảng cách đó tăng gấp đôi thì
mức cường độ âm giảm đi 6 dB[6].
SVTH: Nguyễn Thị Ngọc Diệp Trang 19
nguon tai.lieu . vn