Bài giảng môn học : xử lý tiếng nói P1

BÀI GIẢNG XỬ LÝ TIẾNG NÓI

CAO QUYẾT THẮNG Trang 1

CNT45DH
GROUP
TRƯỜNG ĐẠI HỌC HÀNG HẢI VIỆT NAM
KHOA CÔNG NGHỆ THÔNG TIN


BÀI GIẢNG MÔN HỌC
XỬ LÝ TIẾNG NÓI

BÀI GIẢNG XỬ LÝ TIẾNG NÓI

CAO QUYẾT THẮNG Trang 2

CNT45DH
GROUP
MỤC LỤC

MỞ ĐẦU .................................................................................................................. 2
CHƯƠNG I: NHẬP MÔN
§1. TÍN HIỆU TIẾNG NÓI ............................................................................. 3
§2. XỬ LÝ TÍN HIỆU..................................................................................... 4
§3. XỬ LÝ TÍN HIỆU SỐ .............................................................................. 5
§4. XỬ LÝ TIẾNG NÓI BẰNG SỐ ................................................................. 6

CHƯƠNG II: CƠ SỞ XỬ LÝ TÍN HIỆU SỐ
§1. CÁC HỆ THỐNG VÀ CÁC TÍN HIỆU THỜI GIAN RỜI RẠC ................... 9
§2. BIỂU DIỄN BIẾN ĐỔI CỦA CÁC HỆ THỐNG VÀ CÁC TÍN HIỆU ......... 11
§3. CƠ BẢN VỀ CÁC LỌC SỐ ................................................................... 15
§4. LẤY MẪU .............................................................................................. 19

CHƯƠNG III: CÁC MÔ HÌNH SỐ CHO TÍN HIỆU TIẾNG NÓI
§1. NHẬP MÔN .......................................................................................... 22
§2. QUÁ TRÌNH TẠO TIẾNG NÓI ............................................................... 23
§ 3. LÝ THUYẾT ÂM HỌC CỦA VIỆC TẠO TIẾNG NÓI ............................. 29
§4. CÁC MÔ HÌNH ỐNG MẤT ÍT ................................................................ 40
§5. CÁC MÔ HÌNH SỐ CHO CÁC TÍN HIỆU TIẾNG NÓI ........................... 48

TÀI LIỆU THAM KHẢO ......................................................................................... 52
BÀI GIẢNG XỬ LÝ TIẾNG NÓI

CAO QUYẾT THẮNG Trang 3

CNT45DH
GROUP
MỞ ĐẦU

Tiếng nói là phƣơng tiện giao tiếp cơ bản nhất của loài ngƣời, nó hình thành và
phát triển song song với quá trình tiến hóa của loài ngƣời. Đối với con ngƣời, sử dụng lời
nói là một cách diễn đạt đơn giản và hiệu quả nhất. Ƣu điểm của việc giao tiếp bằng tiếng
nói trƣớc tiên là ở tốc độ giao tiếp, tiếng nói từ ngƣời nói đƣợc ngƣời nghe hiểu ngay lập
tức sau khi đƣợc phát ra. Bên cạnh đó, tiếng nói là cách giao tiếp đƣợc sử dụng rộng rãi
nhất – bất cứ ai (dĩ nhiên là trừ những ngƣời khuyết tật) cũng có thể nói đƣợc. Ngày nay,
nhờ sự phát triển của khoa học kỹ thuật, máy móc dần dần thay thế các lao động tay
chân. Tuy nhiên để điều khiển máy móc, con ngƣời phải làm khá nhiều thao tác tốn nhiều
thời gian và cần phải đƣợc đào tạo. Điều này gây trở ngại không ít đối với việc sử dụng
các máy móc, thành tựu khoa học kỹ thuật. Trong khi đó, nếu điều khiển máy móc thiết bị
bằng tiếng nói sẽ dễ dàng hơn. Nhu cầu điều khiển máy móc thiết bị bằng tiếng nói càng
bức thiết hơn đối với các thiết bị cầm tay, nhƣ: điện thoại di động, PC,…
Để cho máy tính có thể nghe đƣợc nhiều ngƣời đã vật lộn với tín hiệu âm thanh
trong hơn nửa thế kỷ qua trong lĩnh vực nhận dạng tiếng nói. Quá trình này đƣợc đánh
dấu bằng các kết quả nghiên cứu đặc sắc trong lĩnh vực phân tích và xử lý tiếng nói, các
ứng dụng thực tế khá hữu ích. Nhƣng dù sao, khả năng của máy vẫn vẫn còn trong
khoảng giới hạn, còn cần phát triển hơn nữa để có thể thật sự đáp ứng nhu cầu thực sự
của cuộc sống.



BÀI GIẢNG XỬ LÝ TIẾNG NÓI

CAO QUYẾT THẮNG Trang 4

CNT45DH
GROUP
CHƯƠNG 1
NHẬP MÔN

Trong bài giảng này ta sẽ xét cách các kỹ thuật xử lý tín hiệu số có thể áp dụng
vào các bài toán liên quan đến việc truyền tiếng nói. Do vậy, ở phần nhập môn này ta sẽ
nói đến các vấn đề nhƣ bản chất của tín hiệu tiếng nói, các kỹ thuật xử lý tín hiệu số đóng
vai trò thế nào trong việc học xử lý tín hiệu tiếng nói và một vài lĩnh vực áp dụng quan
trọng của việc truyền tiếng nói mà kỹ thuật xử lý tín hiệu số đƣợc sử dụng trong đó.

§1. TÍN HIỆU TIẾNG NÓI

Mục đích của tiếng nói là truyền thông tin. Có một số cách đặc trƣng cho việc
truyền tiếng nói. Một cách tiếp cận có chất lƣợng cao là dùng các quan điểm của lý thuyết
thông tin đƣa ra bởi Shannon năm 1968. Theo lý thuyết thông tin, tiếng nói có thể biểu
diễn dƣới dạng nội dung thông báo hoặc thông tin. Một cách đặc trƣng khác là tiếng nói
biểu diễn dƣới dạng tín hiệu mang thông tin thông báo. Mặc dù các quan điểm lý thuyết
của thông tin đóng vai trò chủ đạo trong các hệ thống truyền tin phức tạp, ta sẽ thấy là
biểu diễn tiếng nói dựa trên dạng sóng hoặc mô hình tham số đƣợc sử dụng chính trong
các ứng dụng thực tế.
Để xét quá trình thông tin tiếng nói, đầu tiên nên coi thông báo nhƣ một dạng trừu
tƣợng nào đó trong óc ngƣời nói. Qua quá trình phức tạp tạo âm, thông tin trong thông
báo này đƣợc chuyển trực tiếp thành tín hiệu âm học. Thông tin thông báo có thể đƣợc
biểu diễn dƣới một số dạng khác nhau trong quá trình tạo tiếng nói. Chẳng hạn, thông tin
thông báo lúc ban đầu đƣợc chuyển thành tập hợp các tín hiệu thần kinh điều khiển cơ
chế phát âm (đó là chuyển động của lƣỡi, môi, dây thanh âm, v. v...). Bộ máy phát âm
chuyển động tƣơng ứng với các tín hiệu thần kinh này để tạo ra dãy các điệu bộ, mà kết

quả cuối cùng là dạng sóng âm chứa thông tin trong thông báo gốc.
Thông tin đƣợc thông báo bằng tiếng nói về bản chất là rời rạc, có thể biểu diễn
bởi việc dán các phần tử ở một tập hợp hữu hạn các ký hiệu. Các ký hiệu mà mỗi âm có
thể đƣợc phân loại ra gọi là các âm vị (phoneme). Mỗi ngôn ngữ có tập hợp các âm vị
riêng của nó, con số mẫu mực là khoảng từ 30 đến 50. Ví dụ, tiếng Anh có thể biểu diễn
bằng khoảng 42 âm vị (chƣơng 3); tiếng Việt khoảng 33 âm vị (a, ă, â, b, c, d, đ, e, ê, f, g,
h, i, j, k, l, m, n, o, ô, ơ, p, q, r, s, t, u, ƣ, v, w, x, y, z; 12 nguyên âm, 21 phụ âm).
Trong lý thuyết thông tin ngƣời ta còn xét tốc độ truyền thông tin. Với tiếng nói, lƣu
ý đến các giới hạn vật lý của tốc độ chuyển động của bộ máy phát âm, đánh giá thô của
tốc độ thông tin là con ngƣời tạo ra tiếng nói với tốc độ trung bình khoảng 10 âm vị trong
1 giây. Nếu mỗi âm vị biểu diễn bằng một số nhị phân thì mã số 6 bit là quá đủ để biểu
diễn tất cả các âm vị tiếng Anh. Với tốc độ trung bình 10 âm vị trên giây và bỏ qua tƣơng
tác giữa các cặp âm vị liền kề, ta có ƣớc lƣợng 60 bit/giây cho tốc độ thông tin trung bình
của tiếng nói. Nói cách khác là lƣợng viết ra của tiếng nói chứa thông tin tƣơng đƣơng
với 60 bit/gy ở tốc độ nói chuẩn. Dĩ nhiên, cận dƣới của nội dung thông tin xác thực trong
tiếng nói đƣợc coi là cao hơn tốc độ này. Ƣớc lƣợng trên không tính đến các nhân tố nhƣ
trạng thái của ngƣời nói, tốc độ nói, âm hƣởng của tiếng nói, v. v... .
BÀI GIẢNG XỬ LÝ TIẾNG NÓI

CAO QUYẾT THẮNG Trang 5

CNT45DH
GROUP
Trong hệ thống truyền tiếng nói, tín hiệu tiếng nói đƣợc truyền đi, lƣu giữ và xử lý
bằng nhiều cách. Các giải pháp kỹ thuật cho ta nhiều cách biểu diễn tín hiệu tiếng nói. Có
2 cách chính:
- Lƣu giữ nội dung thông báo trong tín hiệu tiếng nói
- Biểu diễn tín hiệu tiếng nói dƣới dạng thuận tiện để truyền đi hoặc lƣu giữ, hoặc
dƣới dạng linh động để có thể sửa chữa mà không ảnh hƣởng đến nội dung thông báo.
Biểu diễn tín hiệu tiếng nói phải làm sao cho nội dung thông tin có thể dễ dàng lĩnh

hội đƣợc bởi ngƣời nghe hoặc bằng máy tự động. Trong bài giảng này ta sẽ thấy các
biểu diễn của tín hiệu tiếng nói (chứ không phải là nội dung thông báo) có thể yêu cầu từ
500 đến trên 1 triệu bit/gy. Trong việc thiết kế và xử lý các biểu diễn này, các phƣơng
pháp xƣ lý tín hiệu đóng vai trò cơ bản.

§2. XỬ LÝ TÍN HIỆU

Các bài toán chung của thao tác và xử lý thông tin đƣợc vẽ ở hình 1.1. Trong
trƣờng hợp các tín hiệu tiếng nói, ngƣời ta coi nguồn thông tin, đo đạc hoặc quan sát, nói
chung, là có dạng sóng âm. Xử lý tín hiệu bao gồm trƣớc hết là nhận đƣợc biểu diễn tín
hiệu dựa trên mô hình đã cho và sau đó là dùng biến đổi ở mức cao hơn để đặt tín hiệu
vào dạng tiện dụng hơn. Bƣớc cuối cùng của xử lý là trích ra và sử dụng thông tin thông
báo. Bƣớc này có thể thực hiện hoặc bởi ngƣời nghe hoặc tự động bằng máy. Lấy ví dụ
là hệ thống có chức năng nhận biết tự động ngƣời nói từ một tập hợp ngƣời đã cho, có
thể sử dụng biểu diễn phổ phụ thuộc thời gian của tín hiệu tiếng nói. Một biến đổi tín hiệu
có thể dùng là phổ trung bình ở một câu đầy đủ, so sánh phổ trung bình với phổ trung
bình đã lƣu trữ của mỗi ngƣời nói, rồi sau đó dựa trên số đo tƣơng tự của phổ mà nhận
biết ngƣời nói. Ở ví dụ này, thông tin trong tín hiệu dùng để nhận dạng ngƣời nói.

Hình 1.1. Các bài toán thao tác và xử lý thông tin

Nhƣ vậy, xử lý các tín hiệu tiếng nói, nói chung, gồm 2 việc. Thứ nhất là phƣơng
tiện để nhận đƣợc biểu diễn tín hiệu tiếng nói nói chung, hoặc dƣới dạng sóng âm hoặc
dƣới dạng tham số. Thứ hai là xử lý tín hiệu, thực hiện việc chuyển tín hiệu thành các
dạng khác ít tổng quan hơn nhƣng thích hợp hơn cho các ứng dụng.
Nguồn Thông tin
Trích ra và Sử dụng Thông tin
Đo đạc hoặc Quan sát
Biểu diễn tín hiệu
Biến đổi tín hiệu
hiÖuTÝn
lýXö

BÀI GIẢNG XỬ LÝ TIẾNG NÓI

CAO QUYẾT THẮNG Trang 6

CNT45DH
GROUP
§3. XỬ LÝ TÍN HIỆU SỐ

Mục đích của môn học là khám phá vai trò của kỹ thuật số trong xử lý các tín hiệu
tiếng nói. Xử lý tín hiệu số tập trung vào 2 việc là nhận đƣợc các biểu diễn rời rạc của tín
hiệu và lý thuyết, thiết kế, thực hiện các thủ tục số để xử lý các biểu diễn rời rạc này. Đối
tƣợng của xử lý tín hiệu số là nhận biết các đối tƣợng trong xử lý tín hiệu tƣơng tự. Vì
vậy, một câu hỏi có lý là vì sao các kỹ thuật xử lý tín hiệu số lại đƣợc dùng để nghiên cứu
thông tin tiếng nói? Có thể nêu ra nhiều lý do để trả lời. Đầu tiên và quan trọng nhất là các

hàm xử lý tín hiệu phức tạp có thể thực hiện bằng cách dùng kỹ thuật số. Các thuật toán
sẽ xét trong bài giảng là các thuật toán cho các hệ thống thời gian rời rạc. Ở nhiều trƣờng
hợp, không thể coi các hệ thống này là hệ thống xấp xỉ của các hệ thống tƣơng tự.
Các kỹ thuật xử lý tín hiệu số lúc đầu đƣợc dùng trong xử lý tiếng nói nhƣ mô
phỏng các hệ thống tƣơng tự phức tạp. Quan điểm lúc ban đầu là phải mô phỏng các hệ
thống tƣơng tự trên máy tính để tránh việc xây dựng các hệ thống để thực nghiệm. Khi
các mô phỏng số của các hệ tƣơng tự đƣợc sử dụng, các tính toán đòi hỏi nhiều thời
gian, chẳng hạn, cần khoảng 1 giờ để xử lý vài phút nói! Đến khoảng giữa những năm
1960 nổ ra cách mạng trong xử lý tín hiệu số. Các xúc tác chính là sự phát triển của máy
tính nhanh hơn và các tiến bộ nhanh trong lý thuyết kỹ thuật xử lý tín hiệu số. Nhƣ vậy, rõ
ràng là các hệ thống xử lý tín hiệu số đã có hiệu lực hơn ở khả năng mô phỏng các hệ
thống tƣơng tự. Cộng thêm với các phát triển lý thuyết, các phát triển đồng thời trong
phạm vi phần cứng số cũng làm mạnh lên ƣu thế của các kỹ thuật xử lý tín hiệu số so với
các hệ thống tƣơng tự. Các hệ thống số đáng tin cậy và rất chặt chẽ. Công nghệ mạng
tổng thể đã phát triển đến trạng thái mà các hệ thống cực kỳ phức tạp có thể hoạt động
trên một chip đơn. Các thành công của lôgic là đủ nhanh để số lớn các tính toán thực tế
trong nhiều hàm xử lý tín hiệu có thể thực hiện trong thời gian thực và ở tốc độ mẫu tiếng
nói.
Có nhiều lý do khác để dùng kỹ thuật số trong các hệ thống thông tin tiếng nói.
Chẳng hạn, nếu mã hoá đƣợc dùng, tiếng nói dƣới dạng số hoá có thể truyền đi một cách
tin cậy trên các kênh rất ồn. Cũng vậy, nếu tín hiệu tiếng nói ở dạng số thì nó đồng nhất
với dữ liệu của các dạng khác. Do vậy, một lƣới thông tin có thể dùng để truyền cả tiếng
nói và các dữ liệu khác mà không cần phân biệt chúng trừ việc giải mã. Ngoài ra, về yêu
cầu bảo mật việc truyền các tín hiệu giọng nói, biểu diễn số có ƣu thế khác biệt so với các
hệ thống tƣơng tự. Để bảo mật, các bit thông tin có thể đổi đi để cuối cùng có thể tái hiện
lại ở ngƣời nhận. Với các lý do nêu trên và nhiều lý do khác nữa mà các kỹ thuật số đƣợc
sử dụng ngày càng nhiều trong các bài toán truyền tiếng nói.

BÀI GIẢNG XỬ LÝ TIẾNG NÓI

CAO QUYẾT THẮNG Trang 7

CNT45DH
GROUP
§4. XỬ LÝ TIẾNG NÓI BẰNG SỐ

Khi xem xét ứng dụng của ký thuật xử lý tín hiệu số vào các bài toán truyền tiếng
nói, ta phải chú ý đến 3 chủ đề chính: biểu diễn các tìn hiệu tiếng nói dƣới dạng số, thực
hiện các kỹ thuật xử lý phức tạp và các lớp các ứng dụng dựa chủ yếu vào Xử lý tín hiệu
số.
Dĩ nhiên, việc biểu diễn các tín hiệu tiếng nói dƣới dạng số là chủ đề cơ bản. Về
việc này, chúng ta đƣợc hƣớng dẫn bằng định lý lấy mẫu (Sampling Theorem, H. Nyquist,
1928) phát biểu là: tín hiệu giới hạn dải (bandlimited) có thể được biểu diễn bởi các mẫu
lấy tuần hoàn theo thời gian, miễn là các mẫu được lấy ở tỷ lệ đủ cao. Nhƣ vậy, việc xử
lý mẫu nằm trọn trong lý thuyết và ứng dụng của xử lý tiếng nói bằng số. Có nhiều cách
biểu diễn rời rạc các tín hiệu tiếng nói. Nhƣ biểu diễn ở hình vẽ, các biểu diến này có thể
phân thành 2 nhóm lớn gọi là biểu diễn dạng sóng (waveform representation) và biểu
diễn tham số (parametric representation). Biểu diễn dạng sóng, nhƣ tên gọi chỉ ra,
quan tâm đến việc bảo toàn đơn giản "dạng sóng" của tín hiệu tiếng nói tƣơng tự
qua mẫu và xử lý về lƣợng. Các biểu diễn tham số, mặt khác, biểu diễn tín hiệu tiếng nói
nhƣ đầu ra của mô hình tạo tiếng nói. Bƣớc thứ nhất để nhận đƣợc biểu diễn tham số

thƣờng là biểu diễn dạng sóng bằng số, tín hiệu tiếng nói đƣợc lấy mẫu và lƣợng hoá, rồi
sau đó đƣợc xử lý tiếp tục để nhận đƣợc các tham số của mô hình tạo tiếng nói. Các
tham số của mô hình này đƣợc phân loại thích hợp thành các tham số kích thích
(excitation parameter, liên quan đến nguồn của các âm tiếng nói) hoặc các tham số đáp
ứng vết thanh âm (vocal tract response parameter, liên quan đến các âm tiếng nói đơn
lẻ).
Biểu diễn Tín
hiệu tiếng nói



Các biểu diễn
Dạng Sóng
Các biểu diễn
Tham số



Tham số
Kích thích
Tham số Đáp
ứng vết Thanh
âm

Hình 1. 2. Các cách biểu diễn Tín hiệu tiếng nói

Tốc độ dữ liệu (bits/giây)
200000 60000 20000 10000 500 75
Các phƣơng pháp
Phân tích - Tổng hợp

Tổng hợp từ
Văn bản in
(Không mã hoá nguồn)
Biểu diễn Dạng Sóng
(Mã hoá nguồn)
Các biểu diễn Tham số
Hình 1. 3. Thứ hạng các tốc độ bits cho một số kiểu biểu diễn tiếng nói.

BÀI GIẢNG XỬ LÝ TIẾNG NÓI

CAO QUYẾT THẮNG Trang 8

CNT45DH
GROUP
Hình 1. 3 so sánh bằng số các biểu diễn khác nhau của tín hiệu tiếng nói theo tốc
độ dữ liệu. Đƣờng ngăn cách là ở tốc độ dữ liệu khoảng 15000 tách biểu diễn dạng sóng
tốc độ cao với các dạng tham số tốc độ thấp.

Các ứng dụng của
Thông tin tiếng nói



Truyền và
Lƣu giữ
bằng số
Tổng hợp
tiếng nói
Kiểm tra và
Nhận biết

ngƣời nói
Thừa
nhận tiếng
nói
Giúp đỡ
ngƣời
Tàn tật
Tăng cƣờng
chất lƣợng
tín hiệu số

Hình 1. 4. Vài ứng dụng của việc truyền tiếng nói.

Hình 1. 4 cho một vài trong nhiều lĩnh vực ứng dụng của việc truyền tiếng nói. Sau đây là
một trình bày ngắn gọn về mỗi phạm vi này.

4.1. Truyền và lưu giữ tiếng nói bằng số (Digital transmission and storage of speech):
Một trong những ứng dụng sớm nhất và quan trọng nhất của xử lý tiếng nói là VOCODER
hay mã hoá tiếng nói (voice coder) đƣa ra bởi Homer Dudlay vào năm 1930. Mục đích
của VOCODER là thu gọn độ rộng băng cần thiết để truyền tín hiệu tiếng nói. Sự cần thiết
phải thu hẹp độ rộng dải ở nhiều tình huống là do độ rộng dải đƣợc cung cấp bởi vệ tinh,
bởi sóng âm và các hệ thống thông tin quang học bị tăng lên.
4.2. Hệ thống Tổng hợp tiếng nói (Speech synthesis system): Ngƣời ta dành nhiều chú ý
cho các hệ thống tổng hợp tiếng nói là vì cần lƣu giữ tiếng nói bằng số cho các hệ thống
đáp ứng tiếng nói của máy tính (computer voice response) một cách tiết kiệm. Hệ thống
đáp ứng này do R. L. Rabiner và R. W. Schafer đề nghị năm 1976. Một hệ thống đáp ứng
tiếng nói cơ bản là một dịch vụ thông tin tự động, số hoá hoàn toàn, có thể bị kích thích
bởi ngƣời dùng bàn phím hoặc dữ liệu và đáp ứng với thông tin đòi hỏi bằng tiếng nói.
4.3. Các hệ thống kiểm tra và nhận biết người nói (Speaker verification and indentification
systems): đƣợc B. S. Atal dề nghị năm 1976. Các kỹ thuật kiểm tra và nhận biết ngƣời nói

dùng để nhận dạng tiếng nói hoặc nhận ra ngƣời nói trong một tập hợp lớn những ngƣời
nói có thể có. Khi có một tiếng nói phát ra, ngƣời ta dựa vào các dữ liệu đã có để kiểm tra
và nhận biết nguồn hoặc ngƣời phát ra tiếng nói.
4.4. Các hệ thống đoán nhận (recognition) tiếng nói: đƣợc D. R. Reddy đề nghị năm
1976. Việc đoán nhận tiếng nói, dƣới dạng chung nhất của nó, là chuyển đổi từ dạng
sóng âm thành bản viết của thông tin thông báo. Bài toán đoán nhận tiếng nói phụ thuộc
rất nhiều vào các ràng buộc đặt cho ngƣời nói, tình trạng nói và nội dung thông báo. Các
ứng dụng lớn của các hệ thống đoán nhận tiếng nói rất nhiều và đa dạng, chẳng hạn nhƣ
máy chữ điều khiển bằng tiếng nói, thông tin nói với các máy tính, v. v...Một hệ thống
đoán nhận tiếng nói kết hợp với một hệ thống tổng hợp tiếng nói tạo ra một hệ thống
truyền thông có tỉ lệ bit thấp tối đa (the ultimate low bit rate communica- tion system).
4.5. Các hệ thống giúp đỡ người tàn tật (Aids-to-the handicapped): Ứng dụng này tập
trung vào quá trình xử lý tín hiệu tiếng nói làm thông tin có dạng thích hợp với các ngƣời
BÀI GIẢNG XỬ LÝ TIẾNG NÓI

CAO QUYẾT THẮNG Trang 9

CNT45DH
GROUP
tàn tật, nhƣ ghi âm cho ngƣời mù; hiển thị hình ảnh của TTin tiếng nói để dạy cho ngƣời
điếc do H. Levitt đề nghị năm 1973.
4.6. Tăng cường chất lượng tín hiệu (Enhancement of signal quality): Ở nhiều tình huống,
tín hiệu tiếng nói bị suy giảm theo hƣớng hạn chế hiệu quả việc truyền đi, hoặc phải loại
bỏ tiếng vang, tiếng ồn khi nói. Ở các tình huống này các kỹ thuật xử lý tín hiệu số đƣợc
sử dụng để cải thiện chất lƣợng tiếng nói. Các ví dụ là khử bỏ nhiễu (hay tiếng ồn, tạp
âm) trong tiếng nói hoặc khôi phục các âm.

BÀI GIẢNG XỬ LÝ TIẾNG NÓI

CAO QUYẾT THẮNG Trang 10

CNT45DH
GROUP
CHƯƠNG 2
CƠ SỞ XỬ LÝ TÍN HIỆU SỐ

§1. CÁC HỆ THỐNG VÀ CÁC TÍN HIỆU THỜI GIAN RỜI RẠC

Trong hầu nhƣ mỗi tình huống xử lý hoặc truyền thông tin, ngƣời ta phải bắt đầu
bằng việc biểu diễn tín hiệu nhƣ mẫu biến đổi liên tục. Sóng âm phát ra cũng có bản chất
nhƣ vậy. Về mặt toán học, có thể biểu diễn các mẫu biến đổi liên tục nhƣ vậy là hàm của
biến liên tục t biểu diễn thời gian. Trong bài giảng này, ta sẽ dùng ký hiệu x
a
(t) cho dạng
sóng thời gian biến đổi liên tục (hoặc tƣơng tự). Cũng có thể biểu diễn tín hiệu tiếng nói
nhƣ dãy các số. Nói chung, ta dùng ký hiệu x(n) để biểu diễn dãy số. Nếu dãy có thể coi
là dãy các mẫu tín hiệu tƣơng tự xảy ra tuần hoàn với chu kỳ mẫu T thì ta sẽ dùng ký

hiệu x
a
(nT). Hình 2.1 cho ví dụ tín hiệu tiếng nói biểu diễn ở cả 2 dạng tín hiệu tƣơng tự
(analog) và dạng dãy các mẫu (samples) có tỉ lệ mẫu 8 kHz.



Hình 2.1. Các biểu diễn của tín hiệu tiếng nói.

Khi nghiên cứu các hệ thống xử lý tín hiệu tiếng nói ta sẽ sử dụng một số dãy số
đƣợc vẽ ở hình 2.2. Mẫu đơn vị (unit sample) hay dãy xung đơn vị (unit impulse
sequence) đƣợc định nghĩa (định nghĩa) là: (n) =
00
01
n
n

Dãy bước đơn vị (unit step sequence) là: u(n) =
00
01
<n
n

Dãy luỹ thừa (exponential sequence) có dạng: x(n) = a
n

Nếu a là số phức, t. l. a = r.
0
j
e

thì x(n) = r
n
.
nj
e
0
= r
n
(cos
0
n + j.sin
0
n)
Nếu r = 1 và
0
0 thì x(n) là sinusoid phức; nếu
0
= 0, x(n) là số thực; còn nếu r < 1 và
0
0 thì x(n) là dãy dao động phân rã (exponentially decaying oscillatory sequence). Dãy
kiểu này xuất hiện khi biểu diễn các hệ thống tuyến tính và khi mô hình dạng sóng tiếng
nói.