Kĩ thuật mã hoá tiếng nói dự đoán tuyến tính phân tích nhờ tổng hợp

K thut mó hoỏ ting núi d oỏn tuyn tớnh phõn tớch nh tng hp
Cao Tin Vit _ Lp K40VT _ Khoa in T _ Trng i hc KTCN

1

Lời nói đầu

Mặc dù với sự phát triển của công nghệ truyền thông qua cáp quang làm cho
băng thông không còn là vấn đề lớn trong giá thành của các cuộc gọi truyền
thống . Tuy nhiên , băng thông trong các cuộc gọi đờng dài , các cuộc gọi quốc
tế , các cuộc gọi qua vệ tinh hay các cuộc gọi di động thi cần phải duy trì băng
thông ở một mức nhất định . Vì vậy việc mã hoá tiếng nói là rất cần thiết , giúp
giảm thiểu số lợng tín hiệu cần truyền trên đờng truyền nhng vẫn đảm bảo
chất lợng cuộc gọi .
Vì vậy , mục đích của đề tài là nghiên cứu một trong các kĩ thuật mã hoá
tiếng nói hiện đang đợc sử dụng chủ yếu là kĩ thuật mã hoá tiếng nói dự đoán
tuyến tính phân tích nhờ tổng hợp .
Sau một thời gian đợc sự hớng dẫn tận tình của cô: Đoàn Thanh Hải bộ
môn Điện tử Viễn thông, đồng thời vận dụng những kiến thức đã học ở lớp ,
thông qua bạn bè và tài liệu tham khảo đến nay đề tài này đã hoàn thành.
Do vấn đề nghiên cứu còn rộng và bản thân còn nhiều hạn chế nên trong đề
tài không tránh khỏi những thiếu sót hoặc thiếu chính xác. Rất mong nhận đợc
sự đóng góp của các thầy giáo, cô giáo và các bạn để đề tài thực sự có chất lợng
hơn.
Chúng em rất cảm ơn tới cô: Đoàn Thanh Hải bộ môn Điện tử viễn thông,
đã giảng dạy và hớng dẫn chúng em hoàn thành đề tài này.



Sinh viên thực hiện

Cao Tiến Việt

Kĩ thuật mã hoá tiếng nói dự đoán tuyến tính phân tích nhờ tổng hợp
Cao Tiến Việt _ Lớp K40ĐVT _ Khoa Điện Tử _ Trường Đại học KTCN

2
Nội dung

1. Giới thiệu về âm thanh, tiếng nói và đặc điểm
1.1 Đặc điểm vật lý của âm thanh
1.2 Đặc điểm âm học của âm thanh , tiếng nói
1.3 Phân loại đơn giản dạng sóng tiếng nói
2. Các ®Æc trưng của tín hiệu tiếng nói.
2.1. Dạng sóng tín hiệu tiếng nói.
2.2. Phân bố biên độ không đồng đều.
2.3. Tương quan giữa các phần tử rời rạ
c.
2.4. Tính tuần hoàn của tín hiệu tiếng nói.
2.5. Tính không hữu hiệu của tín hiệu tiếng nói.
2.6. Phổ trung bình của tín hiệu tiếng nói.
2.7. Phổ thức thời của tín hiệu tiếng nói.
3. Kênh thoại và các phương pháp mã hoá tiếng nói.
4. Thông tin bằng tiếng nói.
4.1. Mô hình quá trình tạo tiếng nói
4.2. Mô hình hóa bộ máy phát thanh của con người
4.3. Mô hình tổng quát của mã hoá tiếng nói theo phương pháp phân
tích bằng tổng hợp.
4.4. Nguyên lý chung của bộ mã hoá CELP( Code Excited Linear
Prediction)
5. Kết luận

K thut mó hoỏ ting núi d oỏn tuyn tớnh phõn tớch nh tng hp
Cao Tin Vit _ Lp K40VT _ Khoa in T _ Trng i hc KTCN

3

1. Gii thiu v õm thanh, ting núi v c im
1.1.1 c im vt lý ca õm thanh
Bn cht õm thanh ting núi l súng c hc nờn nú cú cỏc tớnh cht c bn
ca súng c hc.
nhận dạng tiếng nóiSản xuất tiếng nói
Tạo thông điệp
Mã ngôn ngữ
Các lệnh thần
kinh vận động
ống dẫn
âm
Dây
thanh
Hiểu thông điệp
Mã ngôn ngữ
Qúa trình thần kinh
Tai
trong
sóng âm
thanh

Ngời nói
ngời nghe

Hỡnh 1.1 S biu din quỏ trỡnh sn xut v thu nhn ting núi ca con
ngi
Hỡnh 1.1 a ra mt s khi ca quỏ trỡnh sn xut ting núi/nhn thc
ting núi ca con ngi. Quỏ trỡnh sn xut ting núi bt u khi ngi núi to ra
mt thụng ip (trong ý ngh ca anh ta) v mun chuyn ti nú cho ngi nghe
thụng qua ting núi. T chc thn kinh tng ng ch
u trỏch nhim to ra thụng
ip di dng vn bn biu din cỏc t ca thụng ip. Bc tip theo ca quỏ
trỡnh l chuyn i thụng ip sang dng mt mó ngụn ng. iu ny gn nh
tng ng vi vic chuyn i cỏc biu din vn bn ca thụng ip thnh
mt chui cỏc õm v tng ng vi nhng õm thanh t
o nờn cỏc t; ng thi
vi vic ghi nhn õm iu nhm xỏc nh s kộo di, s nhn mnh, v trng õm
cao thp ca õm thanh. Khi mt mó ngụn ng ó c la chn, ngi núi phi
thc hin mt lot cỏc lnh thn kinh vn ng lm cho cỏc dõy thanh dao
ng, ng thi cu trỳc hỡnh dng ng dn õm nhm phỏt ra mt chui cỏc õm
Kĩ thuật mã hoá tiếng nói dự đoán tuyến tính phân tích nhờ tổng hợp
Cao Tiến Việt _ Lớp K40ĐVT _ Khoa Điện Tử _ Trường Đại học KTCN

4
thanh. Như vậy, đầu ra cuối cùng của quá trình là một tín hiệu âm học. Các lệnh
thần kinh vận động phải điều khiển một cách đồng bộ tất cả các khâu vận động
như sự hoạt động của môi, hàm, lưỡi...
Khi tín hiệu tiếng nói đã được sinh ra và được truyền cho người nghe, quá
trình thu nhận tiếng nói bắt đầu. Đầu tiên, người nghe xử lý tín hiệu âm thanh
thông qua màng nền của tai trong; nó có khả nă
ng cung cấp một phân tích phổ

cho tín hiệu tới. Một quá trình xử lý thần kinh chuyển đổi tín hiệu phổ tại đầu ra
của màng nền thành các tín hiệu hoạt động đối với thần kinh thính giác; có thể
coi đây như một quá trình lấy ra các đặc trưng. Bằng một phương pháp đặc biệt
(chưa được hiểu một cách thấu đáo), các tín hiệu hoạt động đi qua hệ thần kinh
thính giác được chuyể
n đổi thành một mã ngôn ngữ cho những trung tâm xử lý
cao cấp hơn bên trong bộ não; và cuối cùng là việc hiểu được nội dung thông
điệp.
Qua đó ta thấy tín hiệu âm thanh tiếng nói là tín hiệu ngẫu nhiên không
dừng, tuy nhiên những đặc tính của nó là tương đối ổn định khi xét trong một
khoảng thời gian ngắn(vài chục mili giây). Trong khoảng thời gian đó tín hiệu
gần như tuần hoàn. Âm thanh tiếng nói con người có các đặc tính vật lý sau đây:
• Độ
cao(Pitch)
Độ cao hay độ trầm bổng của âm thanh chính là tần số của sóng cơ học
của âm thanh. Âm thanh nào cũng phát ra ở một độ cao nhất định. Độ cao của
âm thanh phụ thuộc vào tần số dao động. Đối với tiếng nói, tần số dao động của
dây thanh quy định độ cao giọng nói của con người. Mỗi người có một độ cao
giọng nói khác nhau, độ cao của nữ giới thường cao hơn nam giới và
độ cao của
trẻ em thường cao hơn của người lớn.
• Cường độ
Cường độ chính là độ to nhỏ của âm thanh. Cường độ càng lớn thì âm
thanh có thể truyền đi được càng xa. Xét trên phương diện sóng cơ học thì cường
Kĩ thuật mã hoá tiếng nói dự đoán tuyến tính phân tích nhờ tổng hợp
Cao Tiến Việt _ Lớp K40ĐVT _ Khoa Điện Tử _ Trường Đại học KTCN

5
độ chính là biên độ của dao động sóng âm, nó quyết định năng lượng của sóng
âm.

Trong tiếng nói cường độ của nguyên âm phát ra thường lớn hơn của phụ
âm. Do vậy chúng ta thường dễ phát hiện ra nguyên âm hơn là phụ âm.
Đối với tai người, giá trị tuyệt đối của cường độ âm I thường không quan
trọng mà người ta quan tâm giá trị tỷ số của I so với một giá trị chuẩn I
0
nào đó,
đó chính là mức cường độ âm và được tính như sau:
L(B) = lg(I/I
0
)
• Trường độ
Trường độ hay độ dài của âm phụ thuộc vào sự chấn động lâu hay nhanh
của các phần tử không khí. Cùng một âm nhưng trong các từ khác nhau thì độ
dài khác nhau.
• Âm sắc
Âm sắc là bản sắc, sắc thái riêng của âm. Cùng một nội dung, độ cao
nhưng khi nói mỗi người có một âm vị khác nhau.
1.1.2 Đặc tính âm học của âm thanh, tiếng nói
Tín hiệu tiếng nói là tín hiệu tương tự, biểu diễn cho thông tin v
ề mặt
ngôn ngữ và được thể 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. Các âm vị được chia thành
hai loại là nguyên âm và phụ âm.
Tổ hợp các âm vị tạo nên âm tiết. Âm tiết đóng vai trò một từ chọn vẹn
mang ngữ nghĩa.
• Nguyên âm
Các nguyên âm có thể được coi là lớp thú vị nhấ
t trong các lớp âm thanh
tiếng nói, đặc biệt đối với Tiếng Anh. Tầm quan trọng của chúng trong lĩnh vực

nhận dạng tiếng nói là rất lớn; hầu hết các hệ thống nhận dạng dựa trên cơ sở
nhận dạng nguyên âm đều có tính năng tốt.
Kĩ thuật mã hoá tiếng nói dự đoán tuyến tính phân tích nhờ tổng hợp
Cao Tiến Việt _ Lớp K40ĐVT _ Khoa Điện Tử _ Trường Đại học KTCN

6
Trong khi nói, nguyên âm được tạo ra bằng cách kích thích một ống dẫn
âm thanh có hình dạng cố định bằng các xung áp lực khí giả tuần hoàn do sự
rung động của dây thanh sinh ra. Hình dạng của từng vùng cục bộ dọc theo ống
dẫn âm xác định các tần số cộng hưởng (các formants) và âm thanh sẽ được tạo
ra. Việc tạo ra nguyên âm cụ thể nào là được quyết định bởi vị trí của lưỡi, hàm,
môi... Các nguyên âm nói chung là có thời gian tồn tại dài (so với các ph
ụ âm)
và dễ xác định phổ. Chính vì thế mà sẽ dễ dàng cho việc nhận dạng, cả đối với
con người và máy móc.
Có một số cách biểu diễn đặc trưng nguyên âm, bao gồm cấu hình khoang
miệng, các đồ thị dạng sóng tín hiệu và các đồ thị phổ. ở đây chúng ta chỉ quan
tâm tới dạng biểu diễn đồ thị phổ. Về mặt lý thuyết, các cực đại của biểu diễn
phổ của tín hiệu nguyên âm chính là các tần số cộng hưởng (formants) tạo nên
nguyên âm. Giá trị của các các formant đầu tiên (2 hoặc 3 formants đầu tiên) là
yếu tố quyết định cho phép chúng ta nhận dạng được nguyên âm. Do nhiều yếu
tố biến thiên như sự khác nhau về giới tính, về độ tuổi, tình trạng tinh thần của
người nói và nhiều yếu tố ngoại cảnh khác, đối với một nguyên âm xác định các
giá trị formant cũng có một sự
biến thiên nhất định. Tuy nhiên sự khác biệt về
giá trị các fornants giữa các nguyên âm khác nhau lớn hơn nhiều; và trong không
gian formant chúng ta có thể xác định một cách tương đối các vùng riêng biệt
cho từng nguyên âm. Hình 1.2 minh họa một đồ thị kinh điển của các giá trị
formant đầu tiên và thứ hai của 10 nguyên âm cùng với sự phân vùng cho các
nguyên âm. ở đây chúng ta cũng thấy có những sự nhập nhằng trong phát âm thể

hiện ở một số chỗ chồng chéo lên nhau giữa các vùng.
Kĩ thuật mã hoá tiếng nói dự đoán tuyến tính phân tích nhờ tổng hợp
Cao Tiến Việt _ Lớp K40ĐVT _ Khoa Điện Tử _ Trường Đại học KTCN

7
i
I
ε
ae
ε
Λ
a
c
u
U
0 200 400 600 800 1000 1200 1400
1000
1500
2000
2500
3000
3500
4000
F
1
(Hz)
F
2
(H
Z

)

Hình 1.2 Đồ thị theo các formant F1, F2 cho 10 nguyên âm
được thực hiện với nhiều đối tượng người nói khác nhau

• Phụ âm
Phụ âm được tạo ra bởi các dòng khí hỗn loạn được phát ra gần những
điểm co thắt của đường dẫn âm thanh do cách phát âm tạo thành. Dòng không
khí tại chỗ đóng của vòm miệng tạo ra phụ âm bật. Những phụ ân xát được tạo
ra từ chỗ co thắt lớn nhất và các âm tắc xát được t
ạo ra từ khoảng giữa. Phụ âm
có đặc tính hữu thanh và vô thanh tuỳ thuộc vào dây thanh có dao động để trở
thành cộng hưởng hay không. Đặc tính của phụ âm tuỳ thuộc vào tính chu kỳ
của dạng sóng, phổ tần số, thời gian tồn tại và sự chuyển dẫn âm.
• Tỷ suất thời gian
Trong khi nói chuyện, các khoảng nói chuyện và khoảng nghỉ xen kẽ
nhau. Phần trăm thời gian nói trên tổng thời gian nói và nghỉ đượ
c gọi là tỷ suất
thời gian. Giá trị này biến đổi tuỳ thuộc vào tốc độ nói và từ đó ta có thể phân
loại thành nói nhanh, nói chậm hay trung bình.
• Hàm năng lượng thời gian ngắn
Hàm năng lượng thời gian ngắn được tính bằng cách chia tín hiệu tiếng
nói thành nhiều khung có chứa N mẫu và tính diện tích trung bình của tổng các
Kĩ thuật mã hoá tiếng nói dự đoán tuyến tính phân tích nhờ tổng hợp
Cao Tiến Việt _ Lớp K40ĐVT _ Khoa Điện Tử _ Trường Đại học KTCN

8
mẫu tín hiệu trong mỗi khung. Các khung này được đưa qua một cửa sổ có dạng
như sau:
⎪

⎪
⎩
⎪
⎪
⎨
⎧
≠
≤≤
=
n
NnnW
nW
0
0)(
)(

Thông thường có ba dạng cửa sổ được sử dụng, đó là cửa sổ chữ nhật, cửa
sổ Hanning và Hamming.
Hàm năng lượng thời gian ngắn được tính như sau:
{}
∑
−
=
+=
1
0
2
)(*)(
N
n

m
nWmnxE


Hàm năng lượng thời gian ngắn cho âm hữu thanh thường lớn hơn âm vô
thanh.

• Tần số vượt điểm không
Tần xuất vượt qua điểm không là số lần biên độ tín hiệu tiếng nói vượt
qua giá trị không trong một khoảng thời gian cho trước. Thông thường giá trị
này đối với âm vô thanh lớn hơn âm hữu thanh do đặc tính ngẫu nhiên của âm
vô thanh. Do đó tần suất vượt qua điể
m không là tham số quan trọng để phân
loại âm vô thanh và âm hữu thanh.
• Phát hiện điểm cuối
Trong sử lý tín hiệu tiếng nói, việc xác định khi nào bắt đầu và kết thúc
quá trình nói là một công việc hết sức quan trọng. Trong một môi trường có
nhiều tiếng ồn và môi trường có nhiều người nói thì việc phát hiện điểm cuối là
hết sức khó khăn. Đã có một số phương pháp để phát hiện điểm cu
ối của tiếng
nói.
• Tần số cơ bản
Dạng sóng của tiếng nói bao gồm hai phần: Phần giống nhiễu trong đó
biên độ thay đổi ngẫu nhiên và phần tuần hoàn. Phần tín hiệu có tính chất chu kỳ
Kĩ thuật mã hoá tiếng nói dự đoán tuyến tính phân tích nhờ tổng hợp
Cao Tiến Việt _ Lớp K40ĐVT _ Khoa Điện Tử _ Trường Đại học KTCN

9
có chứa các thành phần tần số có dạng điều hoà. Tần số thấp nhất là tần số cơ
bản và chính là tần số dao động của dây thanh. Đối với những người nói khác

nhau thì tần số cơ bản cũng khác nhau và tần số cơ bản của trẻ em thường cao
hơn của người lớn và của nữ giới thì cao hơn của nam giới.
Bảng 1: Một số giá tr
ị của tần số cơ bản ứng với giới tính và tuổi

Người nói Giá trị tần số cơ bản
Nam 80-200
Nữ 150-450
Trẻ em 200-600

Đối với hai âm có cùng cường độ, cùng độ cao sẽ được phân biệt bởi tính
tuần hoàn. Một âm hữu thanh có tín hiệu gần như tuần hoàn, khi được phân tích
phổ sẽ xuất hiện một vạch tại vùng tần số rất thấp. Vạch này đặc trưng cho tính
tuần hoàn cơ bản hay đó chính là tần số cơ bản của âm. trong khi giao tiếp bình
thường tần số cơ bản thay đổi liên tục t
ạo nên ngữ điệu cho tiếng nói.
• Formant
Trong phổ tần số của tín hiệu tiếng nói, mỗi đỉnh có biên dộ cao nhất xét
trong một khoảng nào đó(còn được gọi là cực trị địa phương) xác định một
formant. Ngoài tần số, formant còn được xác định bởi biên độ và dải thông của
chúng. Về mặt vật lý, các tần số formant tương ứng với các tần số cộng hưởng
củ
a tuyến âm. trong xử lý tiếng nói, để mô phỏng lại tuyến âm người ta phải xác
định được tham số formant đối với từng loại âm vị. Do đó việc đánh giá và ước
tính formant là rất quan trọng.
Tần số formant biến đổi trong một khoảng rộng phụ thuộc vào giới tính
của người nói và phụ thuộc vào âm vị tương ứng với formant đó. Đồng thời
formant còn phụ thuộc vào âm vị trước và sau
đó. Về cấu trúc tự nhiên, tần số
formant có liên hệ chặt chẽ với hình dạng và kích thước của tuyến âm , thông

thường trong phổ tần số của tín hiệu có khoảng 6 formant, nhưng chỉ có 3
Kĩ thuật mã hoá tiếng nói dự đoán tuyến tính phân tích nhờ tổng hợp
Cao Tiến Việt _ Lớp K40ĐVT _ Khoa Điện Tử _ Trường Đại học KTCN

10
formant đầu tiên là ảnh hưởng quan trọng đến đặc tính âm vị. Các formant có giá
trị trong khoảng từ vài trăm đến vài nghìn Hz.
Tần số formant đặc trưng cho các nguyên âm biến đổi tuỳ thuộc vào người
nói trong điều kiện phát âm nhất định. Mặc dù phạm vi của các tần số formant
tương ứng với mỗi nguyên âm có thể trùng lên nhau, nhưng vị trí giữa formant là
không đổi và sự xê dịch các formant là song song.
Ngoài formant, các âm mũi còn có các tần số bị suy giảm g
ọi là phản
formant (anti-formant). Phản formant được tạo nên khi luồng khí đi qua khoang
mũi. Các formant tương ứng với các điểm cực của hàm truyền đạt vì tại lân cận
các điểm cực trị giá trị của hàm truyền đạt là rất lớn, tương tự các phản formant
tương ứng với các điểm không của hàm truyền đạt.
1.1.3 Phân loại đơn giản dạng sóng tiếng nói
Tiếng nói của con ngườ
i tạo ra bao gồm hai thành phần:
• Phần gần tuần hoàn mà hầu như lặp lại cùng chu kỳ được gọi là tiếng
nói hữu thanh. Chu kỳ lặp lại đó gọi là chu kỳ cơ bản T
0
, nghịch đảo của T
0

chính là F
0
. Âm hữu thanh được phát ra bởi một luồng khí cực mạnh từ thanh
môn thổi qua dây thanh làn rung dây thanh, sự dao động của dây thanh tạo nên

nguồn tuần hoàn. Nguồn tuần hoàn kích thích tuyến âm tạo nên âm hữu thanh.
Vùng âm hữu thanh chiếm thành phần chủ yếu của sóng tiếng nói, chứa đựng
lượng tin nhiều nhất và thời gian lớn nhất trong quá trình nói.
Phần tín hiệu có dạng gần giống như tạp âm nhiễu có biên độ ngẫu nhiên
gọi là âm vô thanh
. Tiếng nói vô thanh được tạo ra do sự co thắt theo một dạng
nào đó của tuyến âm và luồng khí chạy qua chỗ thắt với tốc độ lớn tạo nên nhiễu
loạn, ví dụ như khi ta nói thì thào. Năng lượng của nguồn nhiễu loạn tạo nên sẽ
kích thích tuyến âm tạo nên âm vô thanh, năng lượng của tiếng nói vô thanh nhỏ
hơn so với năng lượng của tiếng nói hữu thanh. Ta có thể phát hiện ra tiếng nói
hữu thanh là khi dây thanh rung còn âm vô thanh khi nói dây thanh không rung.
Khi nói thì thào thì ở xa không nghe thấy được vì đó là âm vô thanh.