Đồ án: "Tìm hiểu về Speech Enhancement" ppsx

Đồ án tốt nghiệp
Luận văn
Đề tài: "Tìm hiểu về Speech
Enhancement"
SVTH: Nguyễn Thị Ngọc Diệp Trang 1
Đồ án tốt nghiệp
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
MỤC LỤC
LỜI CAM ĐOAN 2
MỤC LỤC 2
DANH MỤC CÁC TỪ VIẾT TẮT VÀ CÁC THUẬT NGỮ TIẾNG ANH 5
MỞ ĐẦU 6
CHƯƠNG 1: TỔNG QUAN VỀ NÂNG CAO CHẤT LƯỢNG TIẾNG NÓI 10
CHƯƠNG 2 : ĐÁNH GIÁ CHẤT LƯỢNG TIẾNG NÓI 26
SVTH: Nguyễn Thị Ngọc Diệp Trang 2
Đồ án tốt nghiệp
CHƯƠNG 3: THUẬT TOÁN SPECTRAL–SUBTRACTION VÀ WIENER
FILTERING 36
CHƯƠNG 4: THỰC HIỆN VÀ ĐÁNH GIÁ CÁC THUẬT TOÁN 47
KẾT LUẬN ĐỒ ÁN VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI 67

PHỤ LỤC 68
DANH MỤC CÁC HÌNH VẼ VÀ BẢNG
Hình 1.1 Tín hiệu tiếng nói [2] 12
Hình 1.2 Dạng và sự phân bố phổ năng lượng trung bình nhiễu trên xe [4] 14
Hình 1.3 Dạng và sự phân bố phổ năng lượng trung bình của nhiễu trên tàu [4].
15
Hình 1.4 Dạng và sự phân bố phổ năng lượng trung bình của nhiễu trong nhà
hàng[4] 15
Hình 1.5 Mức nhiễu và tiếng nói (được đo bằng SPL dB) trong các môi trường
khác nhau [4] 17
Hình 1.6 Mẫu tiếng nói “eee” được lấy mẫu với tần số lấy mẫu 8kHz [11] 22
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] 23
Hình 1.8 mặt cắt dọc của cơ quan tạo tiếng nói [11] 24
Hình 1.9 mô hình kỹ thuật tạo tiếng nói[11] 24
Hình 1.10 bảng phân loại âm vị trong tiếng Anh của người Mỹ [11] 25
Bảng 2.1.Thang điŒm đánh giá chất lượng tiếng nói theo MOS [12] 27
Bảng 2.4. Thang điŒm đánh giá chất lượng tín hiệu tiếng nói theo CCR 28
Bảng 2.5. Thang đánh giá DCR 28
Hình 3.1 Sơ đồ khối cho hai thuật toán SS và WF 36
SVTH: Nguyễn Thị Ngọc Diệp Trang 3
Đồ án tốt nghiệp
Hình 3.2 Sơ đồ khối của thuật toán Spectral subtraction [26] 40
Hình 3.3 Sơ đồ khối của thuật toán Wiener Filtering 42
Hình 3.4 Phân tích tín hiệu thành các frame [31] 43
Hình 3.5 quá trình thực hiện overlap và adding [32] 44
Hình 4.1. Sơ đồ thực hiện và đánh giá thuật toán tăng cường 47
Hình 4.2 Lưu đồ thuật toán SS 49
Hình 4.3 Lưu đồ thuật toán WF 50

Hình 4.4 dạng sóng và spectrogram của tín hiệu sạch 51
Hình 4.5 Dạng sóng và phổ của tín hiệu bị nhiễu xe hơi với SNR = 10dB 51
Hình 4.6 Dạng sóng và spectrogram của tín hiệu sau khi xử lý nhiễu xe hơi bằng
SS với SNR = 10dB 52
Hình 4.7 Dạng sóng và spectrogram của tín hiệu sau khi xử lý nhiễu xe hơi bằng
WF với SNR = 10dB 52
Hình 4.8 Quy trình thực hiện đánh giá 54
Hình 4.9. Đồ thị kiŒm tra độ ổn định của đánh giá OE đối với nhiễu xe hơi 54
Hình 4.10. Đồ thị kiŒm tra độ ổn định của đánh giá OE đối với nhiễu người nói
xung quanh 55
Hình 4.11 Đồ thị đánh giá Objective với hệ số IS=0.2, NoiseMargin=3 56
Hình 4.12 Đồ thị đánh giá Objective với hệ số IS=0.15, NoiseMargin=2 58
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 59
Hình 4.15 Đồ thị đánh giá objective với hệ số gamma = 1 và gamma = 2 61
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 62
Hình 4.17 Đồ thị đánh giá OE với nhiễu người nói xung quanh 63
SVTH: Nguyễn Thị Ngọc Diệp Trang 4
Đồ án tốt nghiệp
DANH MỤC CÁC TỪ VIẾT TẮT VÀ CÁC THUẬT NGỮ TIẾNG
ANH
Từ viết
tắt
Tiếng Anh Nghĩa tiếng Việt
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
MMSE Minium Mean-Squared Error
Tối thiŒu hoá sai lệch trung

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
DTFT Discrete-Time Fourier Transform
Phép biến đổi Fourier của tín
hiệu rời rạc.
ZT Z Transform Phép biến đổi Z
ROC Region of Convergence Miền hội tụ
IDTFT
Inverse Discrete Fourier
Transform
Phép biến đổi ngược Fourier
rời rạc
LTI Linear Time-Invariant
Hệ thống tuyến tính và bất
biến theo thời gian
ITU-T
InternationalTelecommunication
s Union-Telecommunication
Hiệp hội tiêu chuẩn viễn
thông quốc tế
ACR Absolute Categories Rating Đánh giá theo giá trị tuyệt đối
MOS Mean Opinion Scores Đánh giá theo quan điŒm
SVTH: Nguyễn Thị Ngọc Diệp Trang 5
Đồ án tốt nghiệp
người nghe
CCR Comparison Category Rating Đánh giá bằng cách so sánh
DCR Degradation Category Rating Đánh giá suy giảm chất lượng
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
VAD Voice Activity Detection
Thăm dò sự hoạt động của
tiếng nói
Speech Enhancement Nâng cao chất lượng tiếng nói
SS Spectral Subtraction
Thuật toán giảm nhiễu tín
hiệu tiếng nói bằng phương
pháp trừ phổ.
WF Wiener Filter
Thuật toán giảm nhiễu tín
hiệu tiếng nói bằng cách sử
dụng bộ lọc Wiener.
Statistical-model-based
Thuật toán giảm nhiễu tín
hiệu tiếng nói dựa trên
nguyên lý thống kê
Frame
Khung tín hiệu.
Hamming Cửa sổ Hamming
Overlap và Adding Xếp chồng và cộng
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
SVTH: Nguyễn Thị Ngọc Diệp Trang 6

Đồ án tốt nghiệp
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 thŒ bảo toàn được y
nguyên tín hiệu ban đầu nhưng sử dụng các thuật toán này ta có thŒ tăng cường
được chất lượng tiếng nói và giảm bớt nhiễu nền đŒ 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 hiŒu về Speech
Enhancement, nghiên cứu các thuật toán của nó đŒ thực hiện và đánh giá hiệu
quả của các thuật toán đó trong môi trường thực tế.
ĐŒ thực hiện được đồ án, nhóm đã phân chia thành 3 phần tương ứng với 3
thành viên :
-  : nghiên cứu và thực hiện thuật toán xử lý tiếng nói
sử dụng phương pháp Spectral Subtraction.
-  : nghiên cứu và thực hiện thuật xử lý tiếng nói sử
dụng bộ lọc Wiener.
-  : 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.
ĐŒ 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 hiŒu về các
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
SVTH: Nguyễn Thị Ngọc Diệp Trang 7
Đồ án tốt nghiệp
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 đŒ 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
đŒ đánh giá tính hiệu quả của 2 thuật toán trên. Đó chính là điŒm 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 8
Đồ án tốt nghiệp
SVTH: Nguyễn Thị Ngọc Diệp Trang 9
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
điŒm 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 thŒ 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 thŒ được sử dụng đŒ cải thiện chất lượng của
tiếng nói tại điŒm thu, mặt khác, nó có thŒ 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 đŒ cải thiện chất lượng và tính
dễ nghe của tiếng nói của phi công bị ảnh hưởng bởi nhiễu trong buồng lái. Vì
SVTH: Nguyễn Thị Ngọc Diệp Trang 10
Chương 1 : Tổng quan về nâng cao chất lượng tiếng nói
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 thŒ cải thiện
được chất lượng của tiếng nói. Nó có thŒ 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 thŒ có. Sự giao thoa có thŒ xem như là nhiễu hoặc được xem như
tín hiệu tiếng nói, nó tuỳ thuộc vào môi trường ta đang xét, nó có thŒ được xem
như là sự tranh chấp giữa các speaker. Đặc tính âm nhiễu có thŒ được cộng thêm
vào tín hiệu sạch nếu âm thanh được hình thành trong căn phòng bị dội âm thanh.
Hơn nữa, nhiễu có thŒ 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.
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
 dùng đŒ chỉ một đại lượng vật lý mang tin tức. Về mặt toán
học, ta có thŒ mô tả tín hiệu như một hàm theo biến thời gian, không gian hay các
SVTH: Nguyễn Thị Ngọc Diệp Trang 11
Chương 1 : Tổng quan về nâng cao chất lượng tiếng nói
biến độc lập khác. Chẳng hạn như, hàm: x(t) = 20t
2
mô tả tín hiệu biến thiên theo
biến thời gian t. Hay một ví dụ khác, hàm: s(x,y) = 3x + 5xy + y
2
mô tả tín hiệu

là hàm theo hai biến độc lập x và y, trong đó x và y biŒu diễn cho hai tọa độ
trong mặt phẳng [2].
Hai tín hiệu trong ví dụ trên về lớp tín hiệu được biŒu 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 thŒ biŒu diễn tín
hiệu như trong hai ví dụ vừa nêu trên.
Hình 1.1 !
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 biŒu 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
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 "! Như vậy ta có nguồn tiếng nói, nguồn
ảnh và các nguồn tín hiệu khác.
SVTH: Nguyễn Thị Ngọc Diệp Trang 12
Chương 1 : Tổng quan về nâng cao chất lượng tiếng nói
1.3.1.3 Hệ thống và xử lý tín hiệu
#$là một thiết bị vật lý thực hiện một tác động nào đó lên tín hiệu.
Ví dụ, bộ lọc dùng đŒ 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.
%&' 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 điŒm 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 thŒ. Chúng ta có thŒ phân tín hiệu thành các loại :
- Tín hiệu nhiều hướng và tín hiệu đa kênh
- Tín hiệu liên tục và tín hiệu rời rạc
- 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 thŒ là tiếng xe chạy trên
đường, tiếng ồn trên các công trường xây dựng, tiếng ồn phát ra từ các quạt chạy
SVTH: Nguyễn Thị Ngọc Diệp Trang 13
Chương 1 : Tổng quan về nâng cao chất lượng tiếng nói
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 thŒ 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 thŒ
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].
Hình 1.2()*+,-$./01-2345 !
SVTH: Nguyễn Thị Ngọc Diệp Trang 14
Chương 1 : Tổng quan về nâng cao chất lượng tiếng nói
Hình 1.3 ()*+,-$./01-26
*5 !
Hình 1.4()*+,-$./01-267
**5 !
SVTH: Nguyễn Thị Ngọc Diệp Trang 15
Chương 1 : Tổng quan về nâng cao chất lượng tiếng nói
1.4.2 Nhiễu và mức tín hiệu tiếng nói trong các môi trường khác nhau
ĐiŒm 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 thŒ 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 đŒ 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].
Hình bên dưới này là sự tổng hợp về mức độ âm trung bình giữa tiếng nói
và nhiễu trong các môi trường khác nhau. Mức độ của nhiễu nhỏ nhất ở trong các
môi trường như phòng học, trong nhà ở, trong bệnh viện và trong các toà nhà.
Trong các môi trường khác nhau, thì mức độ âm của nhiễu nằm trong phạm vi
biến thiên từ 50 đến 55 dB SPL, và mức độ âm của tiếng nói là 60 đến 70 dB
SPL. Và khuyến nghị đưa ra là mức tỷ số SNR có hiệu quả trong các môi trường
này là 5 đến 15 dB. Mức độ âm của nhiễu rất cao trong các môi trường ở tàu điện
ngầm, ở trên máy bay, nó đạt khoảng 70 đến 75 dB SPL. Và mức độ âm của
tiếng nói trong các môi trường này cũng đạt mức đó, nên mức tỷ số SNR trong
các môi trường này gần như là 0 dB.
SVTH: Nguyễn Thị Ngọc Diệp Trang 16
Chương 1 : Tổng quan về nâng cao chất lượng tiếng nói
Hình 1.589)*:01:7-;<=>?7@AB
0CD@5 !
1.5 Tín hiệu rời rạc theo thời gian
Tín hiệu rời rạc theo thời gian x(n) có thŒ tạo ra bằng cách lấy mẫu tín hiệu
liên tục theo thời gian x
a
(t) với chu kỳ lấy mẫu là T
s
(tần số lấy mẫu F
s
= 1/ T). Ta
có
x
a
(t)|
t=nT
= x

a
(nT) = x(n) , -∞ < n< ∞ (1.1)
Lưu ý n là biến nguyên, x(n) là hàm theo biến nguyên, chỉ định tại các giá
trị n nguyên. Khi n không nguyên, thì x(n) không xác định, chứ không phải bằng
0. Trong nhiều sách về xử lý tín hiệu số, người ta quy ước: khi biến nguyên thì
biến được đặt trong dấu ngoặc vuông và khi biến liên tục thì được đặt trong dấu
ngoặc tròn. Từ đây trở đi, ta ký hiệu tín hiệu rời rạc là: x[n].[7]
Một số tín hiệu rời rạc cơ bản
1.5.1 Tín hiệu bước nhảy đơn vị
u[n] =



<
≥
0,2
0,1


(1.2)
Tín hiệu bước nhảy dịch chuyŒn có dạng sau:
u[n - n
o
] =



<
≥
7

7
,0
,1
(1.3)
1.5.2 Tín hiệu xung đơn vị



≠
=
=
0,0
0,1
][



δ
(1.4)
Tín hiệu xung dịch chuyŒn có dạng sau
SVTH: Nguyễn Thị Ngọc Diệp Trang 17
Chương 1 : Tổng quan về nâng cao chất lượng tiếng nói



≠
=
=−
7
7

7
,0
,1
][
δ
(1.5)
Chúng ta có thŒ biŒu diễn tín hiệu rời rạc theo thời gian x[n] thông qua tín
hiệu xung đơn vị như sau
3[] =
∑
∞
−∞=
−
D
DD3 ][][
δ
(1.6)
1.5.3 Tín hiệu hàm mũ
x[n] = C.a
n
(C,a : là những hằng số) (1.7)
Tín hiệu hàm mũ phía phải : x[n] = C.a
n
.u[n]
Tín hiệu hàm mũ phía trái : x[n] = C.a
n
.u[-n]
1.5.4 Tín hiệu hàm sin rời rạc
∞<<∞−+=
EF3 )2cos(][

θπ
(1.8)
A : là biên độ của tín hiệu sin
θ
: pha ban đầu của tín hiệu sin
E: tần số số, E=

G
G
, F : là tần số của tín hiệu, F
s
: tần số lấy mẫu
-0.5 < EH0.5
1.6 Phép biến đổi Fourier của tín hiệu rời rạc DTFT
Phép biến đổi này áp dụng đŒ phân tích cho cả tín hiệu và hệ thống. Nó
được dùng trong trường hợp dãy rời rạc dài vô hạn và không tuần hoàn.
DTFT :
∑
∞
−∞=
Ω−
=Ω

I
43% ][)(
(1.9)
Ta nhận xét thấy rằng tuy tín hiệu rời rạc trong miền thời gian nhưng DTFT
lại liên tục và tuần hoàn trong miền tần số.
DTFT chính là hàm phức theo biến tần số thực. Ta gọi DTFT là .9
7A434A hay ngắn gọn là phổ của tín hiệu rời rạc x[n].

1.6.1 Sự hội tụ của phép biến đổi Fourier
Không phải là tất cả DTFT đều tồn tại (hội tụ) vì DTFT chỉ hội tụ khi
∞<
∑
∞
−∞=
Ω−

I
43 ][
(1.10)
SVTH: Nguyễn Thị Ngọc Diệp Trang 18
Chương 1 : Tổng quan về nâng cao chất lượng tiếng nói
Ta luôn luôn có :
∑∑
∑∑
∑∑
∞
−∞=
∞
−∞=
Ω−
∞
−∞=
Ω−
∞
−∞=
Ω−
∞
−∞=

Ω−
∞
−∞=
Ω−
≤
≤
≤

I

I

I

I

I
343
4343
4343
|][|][
|||][|][
][][
(1.11)
Như vậy, nếu x[n] thoả điều kiện
∑
∞
−∞=

3 |][|

<
∞
thì biến đổi Fourier hội tụ [7].
1.6.2 Quan hệ giữa biến đổi Z và biến đổi Fourier
BiŒu thức tính ZT là:
∑
∞
−∞=
−
=


J3J% ][)(
(1.12)
Giả sử ROC có chứa đường tròn đơn vị. Tính X(Z) trên đường tròn đơn vị,
ta được

)(][)( Ω==
∑
∞
−∞=
Ω−
=
Ω
%43J%

I
4J
I
(1.13)

Như vậy, biến đổi Fourier chính là biến đổi Z tính trên đường tròn đơn vị.
Dựa vào đây, ta có thŒ phát biŒu lại điều kiện tồn tại của DTFT như sau :
Biến đổi Fourier của một tín hiệu chỉ tồn tại khi ROC của biến Z của tín
hiệu đó có chứa đường tròn đơn vị.
1.6.3 Phép biến đổi Fourier ngược
- BiŒu thức tính biến đổi Fourier ngược
Ta thấy X(
Ω
) là một hàm tuần hoàn với chu kỳ
π
2
, do
Ω
I
4
tuần hoàn với
chu kỳ
π
2

ΩΩ+ΩΩ
===
IIIII
44444
ππ
2)2(
(1.14)
Do đó dải tần số của tín hiệu rời rạc là một dải tần bất kỳ rộng 2
π
, thường

chọn là:
),(
ππ
−
hay (0,2
π
).
Vậy ta có thŒ khai triŒn X(
Ω
) thành chuỗi Fourier trong khoảng (
),
ππ
−
hay
)2,0(
π
nếu điều kiện tồn tại của X(
Ω
) thoả mãn. Các hệ số Fourier là x[n], ta có
thŒ tính được x[n] từ X(
Ω
) theo cách sau:
Nhân 2 vế của biŒu thức DTFT với
I
4
Ω
π
2
1
rồi lấy tích phân trong khoảng

(
),
ππ
−
tacó
SVTH: Nguyễn Thị Ngọc Diệp Trang 19
Chương 1 : Tổng quan về nâng cao chất lượng tiếng nói
][
2
1
][][
2
1
)(
2
1
)(
3>43>443>4%
I

I

II
=







Ω=Ω






=ΩΩ
∫
∑
∫
∑
∫
−
−Ω
∞
−∞=
−
Ω
∞
−∞=
Ω−
−
Ω
π
π
π
π
π
π

πππ
(1.15)
Thay l = n và thay cận tích phân, không nhất thiết phải là (
),
ππ
−
mà chỉ
cần khoảng giữa cân trên và dưới là 2
π
, ta được biŒu thức tính biến đổi Fourier
ngược (IDTFT) như sau
∫
ΩΩ=
Ω
π
π
2
)(
2
1
][ >4%3
I
(1.16)
Ta có thŒ tính IDFT bằng hai cách : một là tính trực tiếp tích phân trên, hai
là chuyŒn về biến đổi Z rồi tính như biến đổi Z ngược. Tuỳ vào từng trường hợp
cụ thŒ mà ta chọn phương pháp nào cho thuận tiện.
1.6.4 Các tính chất của phép biến đổi Fourier

)()(][][
2121

Ω+Ω↔+ -%%-33

(1.17)
>C
(1.18)
Qua đây ta thấy sự dịch chuyŒn tín hiệu trong miền thời gian sẽ không ảnh
hưởng biên độ của DTFT, tuy nhiên pha được thêm một lượng.
>K$L:M

)(
2
1
)(
2
1
][)cos(
)(][
)(][
000
0
0
Ω+Ω+Ω−Ω↔Ω
Ω−Ω↔
Ω↔
Ω
%33
%34
%3
I
(1.18)

Như vây, việc điều chế gây ra dịch tần số[12].
NC
Tương tự như biến đổi Z, với biến đổi Fourier ta cũng có:
)()(][*][
2121
ΩΩ→←
%%33
G
(1.19)
,C
∫
−Ω↔
π
λλλ
π
2
2121
)()(
2
1
][].[ >%%33
(1.20)
1.6.5 Phân tích tần số (phổ) cho tín hiệu rời rạc
Trong miền tần số, mỗi tín hiệu đều có một đặc điŒm riêng của nó. Ví dụ
như, tín hiệu sin chỉ có duy nhất một tần số đơn, trong khi nhiễu trắng chứa tất cả
SVTH: Nguyễn Thị Ngọc Diệp Trang 20
Chương 1 : Tổng quan về nâng cao chất lượng tiếng nói
các thành phần tần số. Sự biến thiên chậm của tín hiệu là do tần số thấp, trong khi
sự biến thiến nhanh và những xung nhọn là do tần số cao. Như xung vuông chẳng
hạn, nó chứa tất cả tần số và cả tần số cao.

Phổ của tín hiệu là mô tả chi tiết các thành phần tần số chứa bên trong tín
hiệu. Ví dụ như tín hiệu xung vuông, phổ của nó chỉ ra tất cả các đỉnh nhọn của
các sóng sin riêng có thŒ kết hợp lại hợp với nhau tạo ra xung vuông. Thông tin
này quan trọng vì nhiều lý do. Ví dụ, thành phần tần số trong một mẫu nhạc chỉ
cho ta biết các đặc trưng của loa, đŒ từ đó khi sản xuất ta lại có cải tiến cho hay
hơn. ĐŒ dự đoán các ảnh hưởng của bộ lọc trên tín hiệu, cần phải biết không chỉ
bản chất của bộ lọc mà còn phải biết cả phổ của tín hiệu nữa.
1.6.6 Phổ tín hiệu và phổ pha
Phổ của tín hiệu gồm hai phần: phổ biên độ (magnitude spectrum) và phổ
pha (phase spectrum). Phổ biên độ chỉ ra độ lớn của từng thành phần tần số. Phổ
pha chỉ quan hệ pha giữa các thành phần tần số khác nhau. Công cụ đŒ tính phổ
tín hiệu rời rạc không tuần hoàn là DTFT.
ĐŒ tính phổ tín hiệu , ta qua hai bước : một là tính DTFT của tín hiệu – là
X(
Ω
), hai là tính biên độ và pha của X(
Ω
)
)(
)()(
Ω
Ω=Ω
θ
I
4%%
(1.21)
ở đây |X(
Ω
)| là phổ biên độ và
θ

(
Ω
) là phổ pha.
Ta dễ dàng chứng minh được rằng đối với tín hiệu thực, phổ biên độ là một
hàm chẵn theo tần số
Ω
và phổ pha là một hàm lẻ theo
Ω
.
Do đó, nếu biết phổ X(
Ω
) trong khoảng 0 đến
π
, ta có thŒ suy ra phổ trong
toàn dải tần số. ĐŒ dễ giải thích phổ, tần số số
Ω
từ 0 đến
π
thường được chuyŒn
đổi thành tần số tương tự từ 0 đến f
s
/2 nếu tần số lấy mẫu là f
s
.
SVTH: Nguyễn Thị Ngọc Diệp Trang 21
Chương 1 : Tổng quan về nâng cao chất lượng tiếng nói
Hình 1.68OP444Q:01RAO)SK$RAOTD#JUU !
1.7 Các thuật toán sử dụng nâng cao chất lượng tiếng nói
1.7.1 Trừ phổ
Spectral-subtraction (SS) hay còn gọi là trừ phổ là một thuật toán giảm

nhiễu đơn giản nhất. Nó dựa trên nguyên lý cơ bản là nó sẽ mô tả và cập nhật
nhiễu trong tín hiệu có nhiễu bằng cách thu nhiễu khi không có sự hiện diện của
tín hiệu. Và nhiễu đó sẽ được trừ với tín hiệu có nhiễu, kết quả là tín hiệu của
chúng ta sau khi xử lý bằng thuật toán này sẽ được loại đi nhiễu và xét trên
phương diện lý tưởng thì nó là tín hiệu sạch. SS lúc ban đầu được đề xuất bởi
Weiss[8] trong miền tương quan, và sau đó được đề xuất bởi Boll [9] trong miền
chuyŒn đổi Fourier.
1.7.2 Mô hình thống kê
Vấn đề của nâng cao chất lượng tiếng nói là phải đề ra được khung mô tả
mang tính thống kê. Nó là một tập các phép đo tương ứng với hệ chuyŒn đổi
Fourier của tín hiệu nhiễu, và chúng ta mong muốn sẽ tìm ra được một phương
thức ước lượng tuyến tính hoặc phi tuyến các tham số có lợi, đó là hệ chuyŒn đổi
của tín hiệu sạch. Hai thuật toán được sử dụng đó là thuật toán Wiener và
minium mean-squared error(MMSE)[10].
SVTH: Nguyễn Thị Ngọc Diệp Trang 22
Chương 1 : Tổng quan về nâng cao chất lượng tiếng nói
1.8 Tín hiệu tiếng nói
Tín hiệu tiếng nói là tín hiệu liên tục và có phổ năng lượng thay đổi theo
thời gian. Tuy nhiên khi khảo sát trong một khoảng thời gian đủ ngắn (khoảng 10
đến 30 ms) thì đặc tính phổ của nó coi như không thay đổi.
Hình 1.7(6,P4VE444>4
->Q)*>(6W,APEQ7XPVE4Y>(6:7(
,AP4Q7XP4QUU !
Dạng sóng của tín hiệu có thŒ được chia thành một số phân đoạn tương ứng
với các âm/từ. Trong ví dụ trên ta thấy một số phân đoạn có dạng sóng gần như
tuần hoàn còn số khác thì không có tính tuần hoàn và bị nhiễu
Những kiŒu của đoạn tiếng nói_chu kỳ, nhiễu, khoảng lặng… thường được
tìm thấy trong tiếng nói trôi chảy với sự thay đổi về cường độ, khoảng thời gian
và đặc tính phổ.
SVTH: Nguyễn Thị Ngọc Diệp Trang 23

Chương 1 : Tổng quan về nâng cao chất lượng tiếng nói
1.9 Cơ chế tạo tiếng nói
1.9.1.1 Bộ máy phát âm của con người
Hình 1.8AZ[>6\](7UU !
1.9.2 Mô hình kỹ thuật của việc tạo tiếng nói
Hình 1.9AB2D^N(7UU !
SVTH: Nguyễn Thị Ngọc Diệp Trang 24
Chương 1 : Tổng quan về nâng cao chất lượng tiếng nói
1.9.3 Phân loại âm
Các âm trong tiếng Anh được phân loại gồm: nguyên âm và nguyên âm đôi,
bán nguyên âm, âm mũi, âm stops, fricative, africatives, whisper.
Hình 1.10-_,7(,A)7F60C8^UU
1.9.4 Thuộc tính âm học của tiếng nói
Tín hiệu tiếng nói là tín hiệu tương tự, biŒu diễn cho thông tin về mặt ngôn
ngữ và được thŒ hiện bằng các âm vị khác nhau. Số lượng các âm vị tuỳ thuộc
vào từng ngôn ngữ, vào khoảng 20 đến 30 và không vượt quá 50. Đối với từng
loại âm vị nó có đặc tính âm thanh khác nhau.Tổ hợp các âm vị tạo nên âm tiết.
Âm tiết đóng vai trò một từ trọn vẹn mang ngữ nghĩa.
1.10 Kết luận chương
Chương này đã trình bày được mục đích chính của speech enhancement là
triệt nhiễu hoặc là nén nhiễu trong tín hiệu tiếng nói đã bị nhiễu. Ngoài ra, nội
dung của chương cũng đã nêu rõ được các loại nhiễu xuất hiện trong từng môi
trường cụ thŒ đŒ từ đó chúng ta có tìm ra được thuật toán xử lý thích hợp ứng với
mỗi trường hợp cụ thŒ.
SVTH: Nguyễn Thị Ngọc Diệp Trang 25