Khảo sát một số phương pháp xử lý tín hiệu tiên tiến và giảm nhiễu xung trong thông tin

Bộ GIáO DụC Và ĐàO TạO
TRờng đại học bách khoa hà nội
------------------------------------------

luận văn thạc sĩ khoa học

KHảO SáT MộT Số PHơNG PHáP Xử Lý tín hiệu
TIÊN TIếN Và GIảM nhiễu XUNG TRONG THÔNG TIN

ngành: kỹ thuật điện tử

Phạm hồng thịnh

Ngời hớng dẫn khoa học: TS. đỗ hoàng tiến

Hà nội 2006

Tai ngay!!! Ban co the xoa dong chu nay!!! 17061131476981000000


MụC LụC
Trang
Mục lục
Các chữ viết tắt
Lời nói Đầu
Chơng 1- GiớI THIệU ................................................................................. 1
1.1 Tín hiệu và thông tin ...................................................................... 1
1.2 Các phơng pháp xử lý tín hiệu....................................................... 2
1.3 Các ứng dụng xử lý tín hiệu số........................................................ 4
Chơng 2- NHIễU Và Sự BIếN DạNG ..................................................... 18
2.1 Giới thiệu...................................................................................... 18

2.2 Nhiễu trắng ................................................................................... 20
2.3 NhiƠu mµu .................................................................................... 21
2.4 NhiƠu xung ................................................................................... 22
2.5 NhiƠu xung tøc thêi ...................................................................... 24
2.6 NhiƠu nhiƯt ................................................................................... 25
2.7 Nhiễu phát xạ ............................................................................... 26
2.8 Nhiễu điện từ ................................................................................ 27
2.9 Các biến dạng kênh ...................................................................... 28
Chơng 3- ớc lợng Bayes và MÔ HìNH MARKOV ẩN .............. 29
3.1 Ước lợng Bayes ........................................................................... 29
3.1.1 Nguyên lý ớc lợng Bayes .................................................... 29
3.1.2 Các bộ ớc lợng Bayes ......................................................... 30
3.2 Mô hình Markov ẩn ...................................................................... 36
3.2.1 Mô hình thống kê đối với quá trình không dừng ..................... 37
3.2.2 Mô hình Markov ẩn................................................................ 39
3.2.3 Lập mô hình Markov ẩn ......................................................... 46


3.2.4. Giải mà tín hiệu dùng mô hình Markov ẩn ............................ 51
3.2.5. Ước lợng tín hiệu trong nhiễu dựa trên HMM .................... 54
3.2.6 Kết hợp và phân tách mô hình tín hiệu và nhiễu ..................... 57
3.2.7 Các bộ lọc Wiener dựa trên HMM ......................................... 58
3.3 Kết luận........................................................................................ 60
Chơng 4- MÔ HìNH Dự ĐOáN TUYếN TíNH ........................................ 61
4.1 MÃ hóa dự ®o¸n tun tÝnh ........................................................... 61
4.2 Bé dù ®o¸n híng thn, hớng ngợc và mạng lới .................... 69
4.3 Các bộ dự đoán dạng ngắn và dạng dài ......................................... 76
4.4 Mô hình dự đoán tuyến tính băng con........................................... 78
4.5 Khôi phục tín hiệu sử dụng mô hình dự đoán tuyến tính ............... 80
4.6 KÕt ln........................................................................................ 86

Ch¬ng 5- NHIƠU XUNG ........................................................................... 87
5.1 NhiƠu xung ................................................................................... 87
5.2 Các mô hình thống kê cho nhiễu xung .......................................... 91
5.3 Các bộ lọc trung bình.................................................................... 95
5.4 Loại bỏ nhiễu xung sử dụng mô hình dự đoán tuyến tính .............. 97
5.5 Phục hồi các đĩa ghi lu trữ ........................................................ 102
5.6 KÕt ln...................................................................................... 104
Ch¬ng 6- XUNG NHIƠU TøC ThêI....................................................... 105
6.1 Các dạng sóng nhiễu tức thời ...................................................... 105
6.2 Các mô hình xung nhiễu tức thời ................................................ 107
6.3 Sự phát hiƯn xung nhiƠu.............................................................. 111
6.4 Lo¹i bá biÕn d¹ng xung nhiƠu..................................................... 114
6.5 KÕt ln ...................................................................................... 119
KÕT LN ................................................................................................ 120
Tµi liƯu tham kh¶o


Lời nói đầu
Nguyên lý xử lý tín hiệu đóng một vai trò ngày càng trọng tâm trong sự phát
triển các hệ thống xử lý thông tin và viễn thông hiện đại, và có một giới hạn ứng
dụng rất rộng trong công nghệ đa phơng tiện, xử lý tín hiệu nghe nhìn, thông tin di
động cellular, quản lý mạng thích ứng, các hệ thống radar, phân tích mô hình mẫu,
xử lý tín hiệu y học, dữ báo dự liệu, hình thành hệ thống quyết định, .v.v.. Lý thuyết
và ứng dụng của xử lý tín hiệu có liên quan đến sự nhận dạng, lập mô hình, sử dụng
các cấu trúc và mô hình mẫu trong một quá trình tín hiệu. Các tín hiệu quan sát
thờng bị biến dạng, thiếu hụt và nhiễm nhiễu. Do đó, vấn đề giảm và loại bỏ nhiễu
đối với sự biến dạng kênh đóng một vai trò quan träng trong hƯ thèng xư lý tÝn hiƯu.
Mơc ®Ých qun luận văn này trình bày một cách có cấu trúc và mạch lạc lý thuyết
và ứng dụng các phơng pháp xử lý tín hiệu và giảm nhiễu.
Luận án này đợc thiết lập trong 6 chơng nh sau:

Chơng 1 bắt đầu víi sù giíi thiƯu viƯc xư lý tÝn hiƯu vµ xem xét lại vắn tắt
các phơng pháp luận và các ứng dụng xử lý tín hiệu.
Chơng 2 sẽ trình bày các khái niệm về nhiễu và sự biến dạng. Xem xét một
số loại nhiễu khác nhau, bao gồm nhiễu nhiệt, nhiễu phát xạ, nhiễu âm, nhiễu điện
từ và các biến dạng kênh.
Chơng 3 trình bày các khái niệm cơ bản về ớc lợng Bayes và xem xét các
mô hình Markov ẩn (HMMs) đối với các tín hiệu không dừng. Chơng này bắt đầu
với sự giới thiệu việc lập mô hình các tín hiệu không dừng rồi sau đó tập trung vào
nguyên lý và ứng dụng các mô hình Markov ẩn. Mô hình Markov ẩn đợc giới thiệu
nh một mô hình Bayes, đồng thời xem xét các phơng pháp thực hiện HMMs và sử
dụng chúng để mà hóa và phân loại tín hiệu. Trong chơng cũng nói đến ứng dụng
HMMs trong việc giảm nhiễu.
Chơng 4 xem xét các mô hình dự đoán tuyến tính và dự đoán tuyến tính băng
con. Sự dự đoán hớng thuận, dự dự đoán hớng ngợc và các bộ dự đoán mạng lới
đợc nghiên cứu. Chơng này giới thiệu một bộ dự đoán cải tiến nhằm lập mô hình


cấu trúc tơng quan dạng ngắn và dạng dài. Chơng này kết thúc bằng các ứng dụng
của mô hình dự đoán tuyến tính nhằm khôi phục tín hiệu.
Chơng 5 và chơng 6 bao gồm việc lập mô hình, sự phát hiện và loại bỏ
nhiễu xung và xung nhiễu tức thời. Trong chơng 5, nhiễu xung đợc mô hình nh
một quá trình trạng thái nhị phân không dừng và một mô hình ngẫu nhiên cho nhiễu
xung đợc xem xét. Để loại bỏ nhiễu xung, các bộ lọc trung bình và một phơng
pháp dựa trên mô hình dự đoán tuyến tính của quá trình tín hiệu đợc xem xét.
Trong chơng 13, phơng pháp mô hình mẫu cơ bản, phơng pháp HMM cơ bản và
phơng pháp mô hình tự hồi quy AR (autoregresive) cơ bản đợc xem xét nhằm loại
loại bỏ xung nhiễu tøc thêi.


Chơng I- GIớI THIệU

Xử lý tín hiệu có liên quan đến việc lập mô hình, sự phát hiện, nhận dạng và sử
dụng các mẫu, cấu trúc trong một qui trình tín hiệu. Các ứng dụng của các phơng
pháp xử lý tín hiệu bao gồm âm thanh Hifi, truyền hình vô tuyến số, điện thoại di
động, nhận dạng tiếng nói, truyền hình chất lợng cao, radar, sonar, khảo sát địa lý,
điện tư y häc, vµ nãi chung trong bÊt cø hƯ thống nào có liên quan đến sự truyền tin
hoặc xử lý thông tin. Lý thuyết xử lý tín hiệu đóng một vai trò quan trọng trong sự
phát triển các hệ thống thông tin số và tự động, có khả năng phát, thu và mà hóa
thông tin tối u. Nguyên lý xử lý tín hiệu thống kê đặt nền tảng cho mô hình phân
phối tín hiệu ngẫu nhiên và môi trờng truyền dẫn.
1.1 Tín hiệu và thông tin
Tín hiệu có thể đợc định nghĩa nh là sự biến đổi một định tính mà ở đó thông
tin mang các trạng thái, đặc điểm cấu tạo, quỹ đạo, quá trình hoạt động hay dự định
trớc của tín hiệu nguồn đang xem xét. Tín hiệu là một phơng tiện để mang thông
tin. Thông tin trong tín hiệu có thể đợc sử dụng bởi con ngời hoặc các thiết bị cho
sự truyền tin, dự báo, quyết định mô hình, điều khiển, thăm dò .v.v. Hình 1.1 minh
häa mét nguån th«ng tin theo sau bëi mét hệ thống tín hiệu thông tin, một kênh
thông tin truyền từ phía phát đến phía thu. Thông thờng, có một sơ đồ hoạt động
sắp xếp thông tin I(t) vào trong tín hiệu x(t) mang thông tin, chức năng sơ đồ này có
thể biểu thị nh T[.] và biểu diễn nh sau
x(t) = T[I(t)]

(1.1)

VÝ dơ, trong sù trun tin tiÕng nãi, cơ chế phát ra tiếng cung cấp một phơng
tiện cho ngời nói để sắp xếp mỗi từ thành tín hiệu phát âm rõ ràng mà có thể truyền
lan đến ngời nghe. Để truyền một từ w, ngời nói phát ra mét tÝn hiƯu ©m chn
cđa tõ; tÝn hiƯu ©m x(t) này có thể bị nhiễm bởi nhiễu xung quanh và/hoặc bị biến
dạng bởi các kênh thông tin khác, hoặc bị méo do các dị thờng phát âm của ngời

nói, và nơi nhận xẽ nhận đợc tín hiệu có nhiễu y(t). Thêm vào đó để mang từ đÃ
nói, tín hiệu phát âm có dung lợng mang thông tin trên đặc điểm nói, giọng nói và
cảm xúc của ngời nói. Ngời nghe trích thông tin này bằng việc xử lý tín hiệu y(t).
Trong các thập niên gần đây, lý thuyết và ứng dụng của xử lý tín hiệu số đóng
một vai trò quan trọng trong sự phát triển các hệ thống công nghệ thông tin và viễn
thông hiện đại.

Hình 1.1 Minh häa hƯ thèng trun tin vµ xư lý tÝn hiệu.
Các phơng pháp xử lý tín hiệu rất quan trọng đến khả năng truyền thông và sự
phát triển của con ngời/máy móc thông minh có ảnh hởng đến những lĩnh vực nh
là sự nhận dạng tiếng nói và mô hình đối với các hệ thống truyền thông. Nói chung,
xử lý tín hiệu số quan tâm đến hai lĩnh vực chính của lý thuyết thông tin:
(a)

mà hóa, phát, thu, lu trữ và biểu diễn các tín hiệu có hiệu năng và
đáng tin cậy trong các hệ thống truyền tin, và

(b) tách thông tin từ tín hiệu nhiễu để nhận dạng mô hình, phát hiện, dự
báo, quyết định cấu hình, tăng cờng tín hiệu, tự động hóa .v.v.
Sau đây chúng ta xem xét 4 phơng pháp tổng quát cho các vấn đề xử lý tín
hiệu.
1.2 Các phơng pháp xử lý tín hiệu
Các phơng pháp xử lý tín hiệu đà đa ra sự liên hợp thuật toán nhằm mục đích
tối u hóa việc sử dụng thông tin để đạt đợc chế độ làm việc tốt nhất.
Dựa vào các phơng pháp đà dùng, các thuật toán xử lý tín hiệu có thể phân chia
thành một hoặc tổ hợp của bốn loại chính. Đó là phơng pháp xử lý tín hiệu phi
tham số, xử lý tín hiệu dựa trên mô hình, xử lý tín hiệu thống kê Bayes và mạng thần
kinh. Các phơng pháp này đợc miêu tả một cách vắn tắt sau đây.

1.2.1 Xử lý tín hiệu phi tham số
Phơng pháp phi tham số ngụ ý rằng không lợi dụng mô hình tham số tạo ra tín
hiệu, hay mô hình phân bố thống kê của tín hiệu. Tín hiệu đợc xử lý dựa vào một
dạng sóng hoặc một dÃy số. Phơng pháp phi tham số không chuyên cho bất kỳ tín
hiệu riêng biệt nào, chúng có các phơng pháp ứng dụng rộng rÃi mà có thể đợc áp
dụng đến bất kỳ tín hiệu nào bất chấp đặc điểm hay nguồn tín hiệu. Nhợc điểm của
phơng pháp này là chúng không lợi dụng các đặc điểm riêng của quá trình tín hiệu
để dẫn đến sự cải tiến phong phú trong quá trình xử lý. Vài ví dụ của phơng pháp
phi tham số bao gồm phơng pháp lọc số và phơng pháp xử lý tín hiệu biến đổi cơ
bản chẳng hạn nh các quan hệ phân tích/ tổng hợp Fourier và biến đổi cosin rời rạc.
1.2.2 Xử lý tín hiệu dựa trên mô hình
Phơng pháp xử lý tín hiệu dựa trên mô hình sử dụng một mô hình tham số của
quá trình tạo ra tín hiệu. Mô hình tham số thờng miêu tả các cấu trúc dự đoán và
các mẫu kỳ vọng trong quy trình tín hiệu, và có thể dùng để dự báo các giá trị tơng
lai của tín hiệu từ quỹ đạo quá khứ của nó. Phơng pháp dựa trên mô hình thờng
thực hiện chức năng ngoài phơng pháp phi tham số, bởi vậy chúng dùng nhiều
thông tin hơn trong cấu trúc của một mô hình xử lý tín hiệu. Tuy nhiên, chúng nhạy
với các sai lệch của một tín hiệu từ dÃy các tín hiệu đợc miêu tả bởi mô hình. Mô
hình tham số sử dụng rộng rÃi nhất là mô hình dự đoán tuyến tính. Các mô hình dự
đoán tuyến tính thuận lợi để phát triển các phơng pháp xử lý tín hiệu hiện đại cho
một giới hạn rộng các øng dơng nh m· hãa tiÕng nãi tèc ®é bit thấp trong công
nghệ di động cellular, mà hóa video số, phân tích phổ độ phân giải cao, xử lý tín
hiệu radar và nhận dạng tiếng nói.
1.2.3 Xử lý tín hiệu thống kê Bayes
Sự thăng giáng của một tín hiệu ngẫu nhiên thuần túy, hay sự phân bố của một
dÃy tín hiệu trong không gian tín hiệu không thể đợc mô phỏng bởi một phơng
trình dự đoán nhng có thể đợc diễn tả trong các số hạng của các giá trị thèng kª


trung bình và đợc mô hình bởi hàm phân bố xác suất trong không gian tín hiệu

nhiều chiều. Nguyên lý Bayes cung cấp một hệ thống tổng quát đối với việc xử lý
thống kê của các tín hiệu ngẫu nhiên, thành lập và giải các công thức ớc lợng và
các bài toán quyết định hệ thống.
1.3 Các ứng dụng xử lý tín hiệu số
Trong những năm gần đây sự phát triển và tính thơng mại của những máy tính
số có công suất lớn ngày càng tăng đà đợc bổ sung bởi sự phát triển của những
thuật toán xử lý tín hiệu số hiện đại và cho nhiều ứng dụng khác nhau, chẳng hạn
nh giảm nhiễu, thông tin liên lạc, radar, sonar, xử lý tín hiệu âm thanh và hình ảnh,
nhận dạng mô hình, khảo sát địa lý, dự báo dữ liệu, và xử lý nhiều ngân hàng dữ liệu
lớn cho việc nhận dạng, trích dẫn và tổ chức của những cấu trúc và mô hình tiềm ẩn
cha đợc biết đến. Hình 1.2 chỉ ra sự phân loại tổng quát một số ứng dụng của xử
lý tín hiệu số. Phần này xem xét vài ứng dụng chủ yếu của các phơng pháp xử lý
tín hiệu số.

Hình 1.2 Phân loại các ứng dơng cđa xư lý tÝn hiƯu sè.
1.3.1 Gi¶m nhiƠu thÝch ứng
Trong sự truyền tiếng nói từ một môi trờng âm thanh có nhiễu nh sự chuyển
động xe hơi hay tàu lửa, hay một kênh điện thoại có nhiễu, thì tín hiệu tiếng đợc


quan sát trong quá trình nhiễu cộng ngẫu nhiên. Trong các hệ thống đo lờng tín
hiệu, tín hiệu mang thông tin thờng bị ô nhiễm bởi nhiễu từ môi trờng xung quanh
cđa nã. Quan s¸t tÝn hiƯu nhiƠu y(m) cã thể đợc mô hình nh sau
y(m) = x(m) + n(m)

(1.2)

trong ®ã x(m) vµ n(m) lµ tÝn hiƯu vµ nhiƠu, vµ m là biến số thời gian rời rạc. Trong
vài trờng hợp, ví dụ khi sử dụng điện thoại di động trong một xe hơi đang chuyển
động, hay khi sử dụng một dụng cụ thông tin vô tuyến trong buồng lái máy bay, nó

có thể đợc đo lờng và ớc lợng ngay biên độ của nhiễu xung quanh dùng một
micro định hớng. Sau đó tín hiệu x(m) đợc khôi phục bằng cách trừ ớc lợng
nhiễu từ tín hiệu nhiễu.

Hình 1.3 chỉ ra một hệ thống khử nhiễu thích nghi hai đầu vào cho sự tăng
cờng tiếng nói có nhiễu. Trong hệ thống này một micro định hớng dẫn tín hiệu
nhiễu x(m)+n(m) nh đầu vào, và một micro định hớng thứ hai định vị trí ở một vài
hớng cách nhau để đo lờng nhiễu n(m+). Hệ số suy giảm và thời gian trễ cung
cấp một mô hình đơn giản hóa các hiệu ứng truyền lan của nhiễu đến các vị trí khác
nhau trong không gian mà các micro đặt đến. Nhiễu từ micro thứ hai đợc xử lý bởi
một bộ lọc số thích nghi để làm cân bằng nó với tín hiệu tiếng nói bị nhiễm nhiễu,
rồi sau đó trừ đi từ tín hiệu nhiễu để loại nhiễu ra ngoài.


Trong nhiỊu øng dơng, vÝ dơ t¹i phÝa thu cđa mét hƯ thèng th«ng tin, kh«ng chØ
cã sù truy cËp giá trị tức thời của nhiễu đang nhiễm mà tín hiệu nhiễu cũng có giá
trị. Trong trờng hợp này, nhiễu không thể khử ra ngoài nhng có thể giảm mang
một ý nghĩa trung bình sử dụng các thống kê của quá trình tín hiệu và nhiễu. Hình
1.4 biểu diễn một d·y bé läc Wiener cho sù gi¶m nhiƠu thÝch nghi chỉ khi tín hiệu
nhiễu sẵn có.

Độ suy giảm các hệ số của mỗi tần số tín hiệu nhiễu đợc ớc lợng bằng tỷ số
S/N tại tần số đó.
1.3.2 Hiệu chỉnh kênh mù
Hiệu chỉnh kênh là khôi phục tín hiệu bị biến dạng trong quá trình truyền tải
kênh thông tin với biên độ không đều hay đáp ứng pha không tuyến tính. Khi đáp
ứng kênh là đại lợng cha biết quá trình khôi phục tín hiệu thì gọi là hiệu chỉnh
mù. Víi hiƯu chØnh mï, trong hƯ thèng th«ng tin sè cho viƯc lo¹i bá nhiƠu giao thoa
tùa ký tù do kênh không lý tởng và nhiều đờng dẫn truyền lan, trong sự nhận dạng
tiếng nói thì loại bỏ các ảnh hởng của micro và các kênh thông tin, sửa hình ảnh

biến dạng, phân tích dữ liệu địa chấn, .v.v..


H×nh 1.5. minh häa cÊu h×nh cđa mét bé hiƯu chỉnh lựa chọn trực tiếp. Bộ hiệu
chỉnh kênh mù này đợc tạo thành từ hai phần riêng biệt: một bộ hiệu chỉnh thích
nghi loại bỏ một phần lớn sự biến dạng kênh, theo sau là một khối lựa chọn phi
tuyến cho sự cải thiện ớc lợng đầu vào kênh. Đầu ra của khối chọn là đánh giá
cuối cùng của đầu vào kênh, và nó đợc sử dụng nh tín hiệu chuẩn để định hớng
quá trình thích ứng bộ hiệu chỉnh.

Hình 1.5 Cấu hình bộ hiệu chỉnh kênh mù có điều khiển.
1.3.3 Phân loại tín hiệu và nhận dạng mô hình
Sự phân loại tín hiệu đợc sử dụng trong các hệ thống tách sóng, nhận dạng mô
hình và lựa chọn khả năng. Phân loại tín hiệu, mục đích là để thiết kÕ mét hƯ thèng
cùc tiĨu sai sè ®èi víi viƯc d¸n nh·n mét tÝn hiƯu b»ng mét trong mét sè dÃy tín
hiệu thích hợp. Để thiết kế một bộ phân loại, tập các mô hình đợc gán cho các dÃy
tín hiệu mà đợc quan tâm trong ứng dụng. Dạng đơn giản nhất mà mô hình có thể
giả định là một dÃy hay tập mà của các dạng sóng, mỗi loại làm đại diện mô hình
mẫu cho một trong các dÃy tín hiệu. Mô hình hoàn thiện hơn cho mỗi dÃy tín hiệu là
dạng hàm phân bố xác suất. Trong sự phân biệt pha, một tín hiệu đợc dán nhÃn gần
nhất hoặc thích hợp nhất. Ví dụ, trong sự truyền tin của một dòng bit nhị phân trên
kênh băng thông, hệ thống khóa dịch pha nhị phân (BPSK) các tín hiệu bit 1 cho
dạng sóng Ac sin c t và bit “0” cho d¹ng sãng - A c sinω c t. Tại phía thu, bộ mà hóa có
R

R

R

R

R

R

R

R

nhiệm vụ phân loại và dán nhÃn tín hiệu nhiễu thu đợc nh là bit 1 hoặc 0.
Hình 1.6 minh họa một bộ thu t¬ng quan cho mét hƯ thèng lËp tÝn hiƯu BPSK. Bé


thu có hai bộ tơng quan, mỗi bộ đợc chơng trình hóa với một trong hai ký tự đại
diện bởi trạng thái nhị phân 1 hoặc 0.

Bộ mà hóa tơng quan tín hiệu đầu vào không dán nhÃn với mỗi ký tự đại diện
và chọn đại diện nào có sự tơng quan cao hơn với đầu vào.


Hình 1.7 minh họa sự sử dụng một bộ phân loại trong một ngôn từ giới hạn, hệ
thống nhận dạng tiếng nói từ cách ly. Giả sử có V từ trong bảng ngôn từ. Đối với
mỗi từ một mô hình đợc gán, trên nhiều mẫu khác nhau của từ đà nói, giữ lấy các
đặc tính trung bình và các biến đổi thống kê của từ. Bộ phân biệt truy cập đến một
dÃy V+1 mô hình cho mỗi từ trong danh sách ngôn từ và một mô hình thêm vào cho
các khoảng thời gian yên lặng. Trong sự nhận dạng pha tiếng nói, nhiệm vụ là mÃ
hóa và dán nhÃn một dÃy riêng tiếng nói, làm đại diện cho một từ dà nói không dán
nhÃn nh một trong các từ thích hợp V hoặc khoảng yên lặng. Đối với mỗi từ đại
diện, bộ phân loại tính toán điểm ghi xác suất và chọn ra từ với điểm ghi cao nhất.
1.3.4 Mô hình dự đoán tuyến tính tiếng nói

Các mô hình dự đoán tuyến tính đợc sử dụng rộng rÃi trong nhiều øng dơng xư
lý tiÕng nãi nh m· hãa tèc ®é bit thấp trong công nghệ cellular, nhận dạng và tăng
cờng tiếng nói. Tiếng nói phát ra do hít không khí vào phổi và thở ra xuyên qua
dây thanh hầu và cơ quan thanh âm làm cho dây thanh hầu rung lên. Một cách ngẫu
nhiên, không khí, nhiễu lu thông từ phổi đợc tạo hình dạng quang phổ và đợc
khuếch đại bởi sự rung lên của dây thanh hầu và sự cộng hởng của cơ quan thanh
âm. Hiệu ứng rung động các dây thanh hầu và cơ quan thanh âm đa đến độ đo
lờng tơng quan và khả năng dự đoán trên các biến đổi ngẫu nhiên của không khí
từ phổi. Hình 1.8 minh họa mô hình tạo tiếng nói. Nguồn mô tả phổi và tạo ra một
tín hiệu kích thích ngẫu nhiên. Tín hiệu này đợc lọc, đầu tiên bởi một bộ lọc độ cao
mô hình của các dây thanh hầu rồi đến mô hình của cơ quan thanh âm.
Nguồn chính của sự tơng quan trong tiếng nói là cơ quan thanh âm đợc mô
hình bởi một bộ dự đoán tuyến tính. Bộ dự đoán tuyến tính dự báo biên ®é cđa tÝn
hiƯu t¹i thêi ®iĨm m, x(m), sư dơng mét tỉ hỵp tun tÝnh cđa P mÉu tríc [x(m1),…, x(m-P)] nh sau
P

xˆ(m) = ∑ ak x(m − k )

(1.3)

k =1

với x (m) là dự đoán của x(m), và vectơ a T [a 1 , , aT ] là các hệ số vectơ của bộ dự
P

đoán bậc P

P

R

R

R

R


Hình 1.8 Mô hình dự đoán tuyến tính của tiếng nói.
Sai số dự đoán e(m) là độ chênh lệch giữa mẫu hiện tại x(m) và giá trị dự đoán
của nó x (m) , đợc định nghĩa nh sau
e( m) = x(m)

P

ak x(m k)

k =1

(1.4)

Sai số dự đoán e( m) cũng có thể đợc giải thích nh là sự kích thích ngẫu nhiên
hay gọi là hàm lợng đổi mới của x(m). Từ phơng trình (1.4), tín hiệu phát ra bởi
một bộ dự đoán tuyến tính có thể tổng hỵp nh sau
P

x (m) = ∑ ak x(m − k ) + e (m)
k =1

(1.5)

Phơng trình (1.5) miêu tả mô hình tổng hợp tiếng nói, minh họa trong hình 1.9.

1.3.5 M· hãa sè tÝn hiƯu audio
Mơc ®Ých trong thiÕt kÕ của bộ mà hóa là đạt đợc sự trung thực cao với số bit
mỗi mẫu càng ít càng tốt và chi phí thiết bị có thể. Thông thờng có hai loại chính
của bộ mà hóa audio: mà hóa mô hình cơ bản, dùng trong việc mà hóa tiếng nói tốc
độ bit thấp trong các ứng dụng nh công nghệ cellular; và bộ mà hóa chuyển đổi cơ
bản, dùng trong việc mà hóa tiếng và audio hi-fi số chất lợng cao.


Hình 1.10 Sơ đồ khối cấu trúc của một bộ mà hóa tiếng nói mô hình cơ bản.
Hình 1.10 chỉ ra một cấu trúc đơn giản của một bộ tổng hợp mà hóa tiếng đợc
sử dụng trong điện thoại cellular số. Tín hiệu tiếng đợc mô hình nh đầu ra cđa bé
läc kÝch thÝch bëi tÝn hiƯu ngÉu nhiªn. KÝch thích ngẫu nhiên mô tả không khí xuyên
qua phổi, và bộ lọc mô tả các rung động của các dây thanh hầu và cơ quan thanh
âm. Tại phía phát, tiếng nói đợc chia đoạn thành các khối trong suốt chiều dài
khoảng 30 ms và trong khoảng thời gian này các tham số tiếng nói đợc giả định là
dừng. Mỗi khối của các mẫu tiếng nói đợc phân tích để trích và truyền đi một bộ
kích thích và các tham số của bộ lọc có thể đợc sử dụng để tổng hợp tiếng nói. Tại
phía thu các tham số và sự kích thích đợc sử dụng để khôi phục lại tiếng nói.

Hình 1.11 Bộ mà hóa chuyển đổi cơ bản.


Bộ mà hóa chuyển đổi cơ bản chỉ ra trong hình 1.11. Mục đích của sự chuyển
đổi là chuyển tín hiệu sang một dạng phù hợp với chính nó để giải thích, vận dụng
hữu ích và thuận lợi hơn. Trong hình 1.11 tín hiệu đầu vào đợc biến đổi sang miền
tần số dùng một bộ lọc băng, hay biến đổi Fourier rời rạc, hoặc biến đổi cosin rời
rạc. Ba thuận lỵi chÝnh cđa viƯc m· hãa tÝn hiƯu trong miỊn tÇn sè:

(a)

Phỉ tÇn cđa mét tÝn hiƯu cã mét cÊu trúc tơng đối rõ ràng, ví dụ hầu
hết công suất tín hiệu thờng tập trung vào các vùng phổ thấp hơn.

(b) Biên tần tơng đối thấp sẽ bị che chắn trong vùng lân cận của biên tần
lớn và do đó có thể đợc mà hóa thô mà không giảm bất kỳ khả năng
nghe đợc nào.
(c)

Các mẫu tần số trực giao nhau và có thể đợc mà hóa độc lập với các
mức khác nhau.

Số bit chỉ định mỗi tần số của một tín hiệu là một biến số. Số bit đó phản ánh sự
hiện diện của tần số đó để tạo lại tín hiệu chất lợng cao. Trong bộ mà hóa thích
nghi sự phân phối các bit cho các tần số khác nhau đợc hình thành để thay đổi theo
các biến đổi thời gian của phổ công suất tín hiệu.
1.3.6 Phát hiƯn tÝn hiƯu trong nhiƠu
Trong sù ph¸t hiƯn c¸c tÝn hiệu trong nhiễu, mục đích là xác định có phải sự
quan sát tồn tại một mình nhiễu hay nó có chứa đựng tín hiệu. Sự quan sát tín hiệu
nhiễu y(m) có thể đợc mô hình nh sau
y( m) = b (m) x( m ) + n(m)

(1.6)

trong đó x(m) là tín hiệu cần phát hiện, n(m) là nhiễu và b(m) là một chuỗi trạng thái
giá trị nhị phân của bộ chỉ báo để mà b(m)=1 sẽ chỉ báo có mặt tín hiệu x(m) và
b(m)=0 sẽ chỉ báo rằng tín hiệu vắng mặt. Nếu tín hiệu x(m) có một dạng đà biết thì
một bộ tơng quan hay một bộ lọc thích ứng có thể đợc sử dụng để tách tín hiệu
nh hình 1.12.

H×nh 1.12 CÊu h×nh cđa mét bé läc thÝch øng theo sau bởi một bộ so sánh
ngỡng để tách tín hiệu trong nhiễu.
Đáp ứng xung h(m) của bộ lọc thích ứng cho sự phát hiện một tín hiệu x(m) là
biến thái đảo thời gian của x(m) đợc cho bởi
h(m) = x( N − 1 − m)

0 ≤ m ≤ N 1

(1.7)

với N là chiều dài của x(m). Đầu ra của bộ lọc thích ứng đợc cho bởi
N 1

z(m) = h(m k ) y (m)
m=0

(1.8)

Đầu ra bộ lọc thích ứng so sánh với một giá trị ngỡng và sự chọn lựa nhị phân
đợc hình thành nh sau
nếu z(m) ngỡng
còn lại

trong đó b(m) là ớc lợng chuỗi chỉ báo trạng thái nhị phân b(m), và nó có thể
không đúng nếu tỷ lệ S/N thấp. Bảng 1.1 liệt kê bốn kÕt qu¶ cã thĨ. Sù chän lùa møc
ngìng cã ¶nh hởng đến độ nhạy bộ tách sóng.
b
0

0
1

b(
) 0
1
0

Kết quả
Không có tín hiệu
Đúng
Không có tín hiệu
(Lỗi)
Có tín hiệu
(Cảnh báo sai)

Bảng 1.1 Bốn kết quả có thể cho phát hiện tín hiệu.
Mức ngỡng càng cao, sự hợp lý càng ít và nhiễu sẽ đợc sắp xếp nh tín hiệu,
vậy tỷ lệ cảnh báo lỗi giảm xuống, nhng xác suất sắp xếp nhầm của tín hiệu nh
nhiễu tăng. Nguy cơ chọn một giá trị ngỡng có thể đợc biểu diễn nh sau


R (Ngìng = θ )= PFalse Alarm (θ ) + PMiss ( )

(1.10)

Sự chọn lựa ngỡng phản ảnh sự cân đối giữa tỷ lệ phân biệt sai và tỷ lệ cảnh
báo sai.
1.3.7 Thu sóng hớng tính: Dạng chùm
Dạng sóng chùm là sự xử lý không gian của sóng phẳng thu đợc từ một mảng

cảm biến để mà các sóng tới tại một góc không gian riêng đợc truyền qua, trong
khi các hớng khác đến bị suy giảm. Sóng chùm đợc sư dơng trong viƯc xư lý tÝn
hiƯu radar vµ sonar để lái các tín hiệu thu hớng theo sự định híng mong mn, vµ
trong xư lý tiÕng nãi cho viƯc giảm các ảnh hởng của nhiễu xung quanh.
Để giải thích quá trình hình thành sóng chùm, xét một bộ cảm biến tuyến tính
nh trong hình 1.13. DÃy các bộ cảm biến đợc sắp xếp trên một đờng thẳng trong
không gian cách nhau một khoảng d. Xét một sóng phẳng trờng xa hình sin với tần
số F0 đang lan truyền hớng đến các bộ cảm biến tại một góc tới . Mảng cảm biến
R

R

lấy mẫu sóng đầu vào khi nó đang truyền lan trong không gian. Thời gian trễ cho
sóng chạy với khoảng cách d giữa các bộ cảm biến đợc cho bởi
(1.11)
trong đó c là tốc độ truyền lan của sóng trong môi trờng. Độ lệch pha tơng ứng
với độ trễ đợc cho bởi
(1.12)
với T 0 là chu kỳ của sóng hình sin.
R

R

Bằng việc chèn vào sự điều chỉnh thời gian trễ thích hợp trong đờng dẫn của
các mẫu tại mỗi bộ cảm biến, rồi lấy giá trị trung bình các đầu ra bộ cảm biến, tín
hiệu đến từ định hớng sẽ đợc đồng chỉnh thời gian và kết hợp nhất quán, trong
khi các hớng khác đến sẽ chịu sự khử và suy giảm. Hình 1.13 minh họa một bộ lập
dạng sóng chùm nh một dÃy các bộ lọc số sắp xếp trong không gian. DÃy bộ lọc
hoạt ®éng nh mét hƯ thèng xư lý tÝn hiƯu kh«ng gian – thêi gian hai chiÒu.

Việc lọc không gian cho phép bộ lập dạng sóng chùm lái theo một chiều hớng
mong muốn, chẳng hạn hớng theo hớng dọc thì tín hiệu thu đợc có một cờng độ
cực đại. Pha của mỗi bộ lọc điều khiển thời gian trễ, và có thể đợc điều chỉnh để
kết hợp nhất quán các tín hiệu. Đại lợng đáp ứng tần số của mỗi bộ lọc đợc dùng
để loại bỏ nhiễu ra ngoài băng.
1.3.8 Giảm nhiễu Dolby
Hệ thống giảm nhiễu Dolby hoạt động bằng việc tăng năng lợng và tỷ số S/N
phổ tần cao của các tín hiệu audio. Năng lợng các tín hiệu audio hầu hết tập trung
vào bộ phận phổ tần số thấp (dới 2 kHz). Các tần số cao hơn mang tín hiệu chất
lợng hơn nhng có năng lợng tơng đối thấp, và có thể bị suy giảm chỉ cần một
lợng nhiễu thấp. Ví dụ khi một tín hiệu đợc ghi trên đĩa từ, nhiễu huýt gió ¶nh