intTypePromotion=3

Đồ án tốt nghiệp: Xử lý tiếng nói

Chia sẻ: Le Nguyen Chinh | Ngày: | Loại File: DOC | Số trang:75

0
201
lượt xem
93
download

Đồ án tốt nghiệp: Xử lý tiếng nói

Mô tả tài liệu
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Trong cuộc sống, tiếng nói đóng một vai trò rất quan trọng đối với con người. Cùng với tiếng nói là sự xuất hiện của rất nhiều các loại dịch vụ thoại như ngày nay. Tuy nhiên việc bảo toàn được tín hiệu tiếng nói trên các dịch vụ này là điều vô cùng khó khăn do sự mất mát và suy giảm tín hiệu và nhất là ảnh hưởng của nhiễu sẽ làm cho tín hiệu tiếng nói không còn như ban đầu.

Chủ đề:
Lưu

Nội dung Text: Đồ án tốt nghiệp: Xử lý tiếng nói

  1. Đ Ồ Á N T Ố T NGHI Ệ P Đ Ề T ÀI XỬ LÝ TIẾNG NÓI SVTH: NGUYỄN THỊ NGỌC DIỆP
  2. Đồ án tốt nghiệp 2 CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập – Tự do – Hạnh phúc LỜI CAM ĐOAN Kính gửi: Hội đồng bảo vệ đồ án tốt nghiệp Khoa Điện tử _ Viễn thông _ Trường Đại học Bách Khoa Đà Nẵng. Em tên là: Nguyễn Thị Ngọc Diệp Hiện đang học lớp 04ĐT1- Khoa: Điện tử - Viễn thông – Trường: Đại học Bách Khoa Đà Nẵng. Nhóm em xin cam đoan nội dung của đồ án này không phải là bản sao chép của bất cứ đồ án hoặc công trình đã có từ trước. Sinh viên thực hiện Nguyễn Thị Ngọc Diệp SVTH: Nguyễn Thị Ngọc Diệp  Trang 2 
  3. Đồ án tốt nghiệp 3 MỤC LỤC LỜI CAM ĐOAN .................................................................................................. 2 MỤC LỤC.............................................................................................................. 3 DANH MỤC CÁC TỪ VIẾT TẮT VÀ CÁC THUẬT NGỮ TIẾNG ANH ........ 9 MỞ ĐẦU.............................................................................................................. 11 CHƯƠNG 1: TỔNG QUAN VỀ NÂNG CAO CHẤT LƯỢNG TIẾNG NÓI... 14 1.1 Giới thiệu chương................................................................................ 14 1.2 Nâng cao chất lượng tiếng nói là gì ?.................................................. 14 1.3 Lý thuyết về tín hiệu và nhiễu ............................................................. 16 1.3.1 Tín hiệu, hệ thống và xử lý tín hiệu ...................................................16 1.3.1.1 Tín hiệu .............................................................................................. 16 1.3.1.2 Nguồn tín hiệu.................................................................................... 16 1.3.1.3 Hệ thống và xử lý tín hiệu.................................................................. 17 1.3.1.4 Phân loại tín hiệu................................................................................ 17 1.4 Lý thuyết về nhiễu ............................................................................... 18 1.4.1 Nguồn nhiễu .......................................................................................18 1.4.2 Nhiễu và mức tín hiệu tiếng nói trong các môi trường khác nhau.....20 1.5 Tín hiệu rời rạc theo thời gian ............................................................. 21 1.5.1 Tín hiệu bước nhảy đơn vị .................................................................22 1.5.2 Tín hiệu xung đơn vị ..........................................................................22 1.5.3 Tín hiệu hàm mũ ................................................................................22 1.5.4 Tín hiệu hàm sin rời rạc .....................................................................22 SVTH: Nguyễn Thị Ngọc Diệp  Trang 3 
  4. Đồ án tốt nghiệp 4 1.6 Phép biến đổi Fourier của tín hiệu rời rạc DTFT ................................ 23 1.6.1 Sự hội tụ của phép biến đổi Fourier...................................................23 1.6.2 Quan hệ giữa biến đổi Z và biến đổi Fourier .....................................23 1.6.3 Phép biến đổi Fourier ngược..............................................................24 1.6.4 Các tính chất của phép biến đổi Fourier ............................................24 1.6.5 Phân tích tần số (phổ) cho tín hiệu rời rạc .........................................25 1.6.6 Phổ tín hiệu và phổ pha......................................................................26 1.7 Các thuật toán sử dụng nâng cao chất lượng tiếng nói........................ 27 1.7.1 Trừ phổ ...............................................................................................27 1.7.2 Mô hình thống kê ...............................................................................27 1.8 Tín hiệu tiếng nói................................................................................. 27 1.9 Cơ chế tạo tiếng nói............................................................................. 29 1.9.1.1 Bộ máy phát âm của con người.......................................................... 29 1.9.2 Mô hình kỹ thuật của việc tạo tiếng nói.............................................29 1.9.3 Phân loại âm.......................................................................................30 1.9.4 Thuộc tính âm học của tiếng nói........................................................30 1.10 Kết luận chương .................................................................................. 30 CHƯƠNG 2 : ĐÁNH GIÁ CHẤT LƯỢNG TIẾNG NÓI .................................. 31 2.1 Giới thiệu chương................................................................................ 31 2.2 Phương pháp đánh giá chủ quan.......................................................... 31 2.2.1 Các phương pháp đánh giá tuyệt đối..................................................32 2.2.1.1 Phương pháp đánh giá tuyệt đối ACR ............................................... 32 2.2.2 Các phương pháp đánh giá tương đối ................................................32 2.2.2.1 Đánh giá bằng phương pháp so sánh các mẫu tín hiệu ...................... 32 SVTH: Nguyễn Thị Ngọc Diệp  Trang 4 
  5. Đồ án tốt nghiệp 5 2.2.2.2 Phương pháp đánh giá theo sự suy giảm chất lượng ......................... 33 2.3 Phương pháp đánh giá khách quan...................................................... 34 2.3.1 Đo tỷ số tín hiệu trên nhiễu trên từng khung .....................................34 2.3.2 Đo khoảng cách phổ dựa trên LPC ....................................................36 2.3.2.1 Phương pháp đo LLR......................................................................... 36 2.3.2.2 Phương pháp đo IS............................................................................. 37 2.3.2.3 Phương pháp đo theo khoảng cách cepstrum..................................... 37 2.3.3 Đánh giá mô phỏng theo cảm nhận nghe của con người ...................38 2.3.3.1 Phương pháp đo Weighted Spectral Slope......................................... 38 2.3.3.2 Phương pháp đo Bark Distortion ....................................................... 39 2.3.3.3 Phương pháp đánh giá cảm nhận chất lượng thoại PESQ ................. 40 2.4 Kết luận chương .................................................................................. 40 CHƯƠNG 3: THUẬT TOÁN SPECTRAL–SUBTRACTION VÀ WIENER FILTERING ......................................................................................................... 42 3.1 Giới thiệu chương................................................................................ 42 3.2 Sơ đồ khối chung của Spectral Subtraction và Wiener Filtering ........ 42 3.3 Thuật toán Spectral Subtraction .......................................................... 42 3.3.1 Giới thiệu chung.................................................................................42 3.3.2 Spectral subtraction đối với phổ biên độ ...........................................43 3.3.3 Spectral subtraction đối với phổ công suất ........................................44 3.4 Thuật toán Wiener Filtering ................................................................ 46 3.4.1 Giới thiệu chung.................................................................................46 3.4.2 Nguyên lý cơ bản của Wiener Filtering .............................................47 3.5 Overlap và Adding trong quá trình xử lý tín hiệu tiếng nói ................ 49 SVTH: Nguyễn Thị Ngọc Diệp  Trang 5 
  6. Đồ án tốt nghiệp 6 3.5.1 Phân tích tín hiệu theo từng frame .....................................................49 3.5.2 Overlap và Adding .............................................................................50 3.6 Ước lượng và cập nhật nhiễu............................................................... 51 3.6.1 Voice activity detection .....................................................................52 3.6.2 Quá trình ước lượng và cập nhật nhiễu..............................................52 3.7 Kết luận chương .................................................................................. 53 CHƯƠNG 4: THỰC HIỆN VÀ ĐÁNH GIÁ CÁC THUẬT TOÁN .................. 54 4.1 Giới thiệu chương................................................................................ 54 4.2 Quy trình thực hiện và đánh giá thuật toán ......................................... 54 4.3 Lưu đồ thuật toán Spectral Subtraction ............................................... 56 4.4 Lưu đồ thuật toán Wiener Filtering ..................................................... 57 4.5 Thực hiện thuật toán............................................................................ 58 4.6 Đánh giá chất lượng tiếng nói đã được xử lý ...................................... 60 4.6.1 Cơ sở dữ liệu cho việc đánh giá .........................................................60 4.6.2 Tổng quan về quy trình đánh giá .......................................................60 4.6.3 Kiểm tra độ tin cậy của các phương pháp đánh giá ...........................61 4.6.4 Thực hiện đánh giá.............................................................................63 4.6.4.1 Đánh giá thuật toán với các hệ số dự đoán ban đầu........................... 63 4.6.4.2 Tối ưu hệ số alpha cho thuật toán WF ............................................... 66 4.6.4.3 Hệ số gamma cho thuật toán SS......................................................... 68 4.6.4.4 Đánh giá thuật toán sau khi đã tối ưu................................................. 69 4.6.4.5 Đánh giá độ ổn định của thuật toán trong môi trường nhiễu khác..... 70 4.6.5 Kết luận chương .................................................................................72 TÀI LIỆU THAM KHẢO ............................................................................... 73 SVTH: Nguyễn Thị Ngọc Diệp  Trang 6 
  7. Đồ án tốt nghiệp 7 KẾT LUẬN ĐỒ ÁN VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI ............................... 76 PHỤ LỤC............................................................................................................. 77 DANH MỤC CÁC HÌNH VẼ VÀ BẢNG  Hình 1.1 Tín hiệu tiếng nói [2]............................................................................ 16 Hình 1.2 Dạng và sự phân bố phổ năng lượng trung bình nhiễu trên xe [4]....... 19 Hình 1.3 Dạng và sự phân bố phổ năng lượng trung bình của nhiễu trên tàu [4]. .............................................................................................................................. 19 Hình 1.4 Dạng và sự phân bố phổ năng lượng trung bình của nhiễu trong nhà hàng[4]. ................................................................................................................ 20 Hình 1.5 Mức nhiễu và tiếng nói (được đo bằng SPL dB) trong các môi trường khác nhau [4]........................................................................................................ 21 Hình 1.6 Mẫu tiếng nói “eee” được lấy mẫu với tần số lấy mẫu 8kHz [11]....... 26 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]................................................................................................ 28 Hình 1.8 mặt cắt dọc của cơ quan tạo tiếng nói [11]........................................... 29 Hình 1.9 mô hình kỹ thuật tạo tiếng nói[11]. ...................................................... 29 Hình 1.10 bảng phân loại âm vị trong tiếng Anh của người Mỹ [11]................. 30 Bảng 2.1.Thang điểm đánh giá chất lượng tiếng nói theo MOS [12].................. 32 Bảng 2.4. Thang điểm đánh giá chất lượng tín hiệu tiếng nói theo CCR ............ 33 Bảng 2.5. Thang đánh giá DCR ........................................................................... 33 Hình 3.1 Sơ đồ khối cho hai thuật toán SS và WF.............................................. 42 Hình 3.2 Sơ đồ khối của thuật toán Spectral subtraction [26]. ........................... 46 Hình 3.3 Sơ đồ khối của thuật toán Wiener Filtering. ........................................ 49 Hình 3.4 Phân tích tín hiệu thành các frame [31]................................................ 50 Hình 3.5 quá trình thực hiện overlap và adding [32]. ......................................... 51 Hình 4.1. Sơ đồ thực hiện và đánh giá thuật toán tăng cường ............................ 54 Hình 4.2 Lưu đồ thuật toán SS ............................................................................ 56 SVTH: Nguyễn Thị Ngọc Diệp  Trang 7 
  8. Đồ án tốt nghiệp 8 Hình 4.3 Lưu đồ thuật toán WF........................................................................... 57 Hình 4.4 dạng sóng và spectrogram của tín hiệu sạch ........................................ 58 Hình 4.5 Dạng sóng và phổ của tín hiệu bị nhiễu xe hơi với SNR = 10dB ........ 58 Hình 4.6 Dạng sóng và spectrogram của tín hiệu sau khi xử lý nhiễu xe hơi bằng SS với SNR = 10dB. ............................................................................................ 59 Hình 4.7 Dạng sóng và spectrogram của tín hiệu sau khi xử lý nhiễu xe hơi bằng WF với SNR = 10dB............................................................................................ 59 Hình 4.8 Quy trình thực hiện đánh giá ................................................................ 61 Hình 4.9. Đồ thị kiểm tra độ ổn định của đánh giá OE đối với nhiễu xe hơi...... 62 Hình 4.10. Đồ thị kiểm tra độ ổn định của đánh giá OE đối với nhiễu người nói xung quanh ........................................................................................................... 62 Hình 4.11 Đồ thị đánh giá Objective với hệ số IS=0.2, NoiseMargin=3............ 64 Hình 4.12 Đồ thị đánh giá Objective với hệ số IS=0.15, NoiseMargin=2.......... 65 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 .................................................................................................. 67 Hình 4.15 Đồ thị đánh giá objective với hệ số gamma = 1 và gamma = 2. ........ 68 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.................................................................... 70 Hình 4.17 Đồ thị đánh giá OE với nhiễu người nói xung quanh. ....................... 71 SVTH: Nguyễn Thị Ngọc Diệp  Trang 8 
  9. Đồ án tốt nghiệp 9 DANH MỤC CÁC TỪ VIẾT TẮT VÀ CÁC THUẬT NGỮ TIẾNG ANH Từ viết Tiếng Anh Nghĩa tiếng Việt tắt SNR Signal Noise Ratio Tỉ số tín hiệu trên nhiễu PC Personal Computer Máy tính cá nhân SPL Sound Pressure Level Mức áp suất của âm thanh Tối thiểu hoá sai lệch trung MMSE Minium Mean-Squared Error bình bình phương SVD Singular Value Decomposition Phép phân tích giá trị đơn DFT Discrete Fourier Transform Phép biến đổi Fourier rời rạc FFT Fast Fourier Transform Phép biến đổi Fourier nhanh Phép biến đổi Fourier của tín DTFT Discrete-Time Fourier Transform hiệu rời rạc. ZT Z Transform Phép biến đổi Z ROC Region of Convergence Miền hội tụ Inverse Discrete Fourier Phép biến đổi ngược Fourier IDTFT Transform rời rạc Hệ thống tuyến tính và bất LTI Linear Time-Invariant biến theo thời gian InternationalTelecommunications Hiệp hội tiêu chuẩn viễn ITU-T Union-Telecommunication thông quốc tế ACR Absolute Categories Rating Đánh giá theo giá trị tuyệt đối Đánh giá theo quan điểm MOS Mean Opinion Scores người nghe CCR Comparison Category Rating Đánh giá bằng cách so sánh DCR Degradation Category Rating Đánh giá suy giảm chất lượng SVTH: Nguyễn Thị Ngọc Diệp  Trang 9 
  10. Đồ án tốt nghiệp 10 SE Subjective Evaluation Đánh giá chủ quan OE Objective Evaluation Đánh giá khách quan IS Itakura_Saito LLR Log likehook Raito WSS Weighted Spectral Slope Đo theo trọng số của phổ LPC Linear Prediction Coefficients Hệ số dự đoán tuyến tính Thăm dò sự hoạt động của VAD Voice Activity Detection tiếng nói Speech Enhancement Nâng cao chất lượng tiếng nói Thuật toán giảm nhiễu tín SS Spectral Subtraction hiệu tiếng nói bằng phương pháp trừ phổ. Thuật toán giảm nhiễu tín WF Wiener Filter hiệu tiếng nói bằng cách sử dụng bộ lọc Wiener. Thuật toán giảm nhiễu tín Statistical-model-based hiệu tiếng nói dựa trên nguyên lý thống kê Khung tín hiệu. Frame Hamming Cửa sổ Hamming Overlap và Adding Xếp chồng và cộng SVTH: Nguyễn Thị Ngọc Diệp  Trang 10 
  11. Đồ án tốt nghiệp 11 MỞ ĐẦU Trong cuộc sống, tiếng nói đóng một vai trò rất quan trọng đối với con người. Cùng với tiếng nói là sự xuất hiện của rất nhiều các loại dịch vụ thoại như ngày nay. Tuy nhiên việc bảo toàn được tín hiệu tiếng nói trên các dịch vụ này là điều vô cùng khó khăn do sự mất mát và suy giảm tín hiệu và nhất là ảnh hưởng của nhiễu sẽ làm cho tín hiệu tiếng nói không còn như ban đầu. Vì lý do đó mà các thuật toán về Speech Enhancement ra đời. Tuy không thể bảo toàn được y nguyên tín hiệu ban đầu nhưng sử dụng các thuật toán này ta có thể tăng cường được chất lượng tiếng nói và giảm bớt nhiễu nền để tín hiệu sau khi xử lý đến người nghe vẫn mang đầy đủ nội dung thông tin và không gây khó chịu bởi nhiễu đối với người nghe. Vì vậy, Speech Enhancement đóng một vai trò rất quan trọng trong lĩnh vực thoại. Xuất phát từ thực tế này nhóm đã bắt tay vào tìm hiểu về Speech Enhancement, nghiên cứu các thuật toán của nó để thực hiện và đánh giá hiệu quả của các thuật toán đó trong môi trường thực tế. Để thực hiện được đồ án, nhóm đã phân chia thành 3 phần tương ứng với 3 thành viên : - Nguyễn Ngọc Trung : nghiên cứu và thực hiện thuật toán xử lý tiếng nói sử dụng phương pháp Spectral Subtraction. - Nguyễn Phúc Nguyên : nghiên cứu và thực hiện thuật xử lý tiếng nói sử dụng bộ lọc Wiener. - Nguyễn Thị Ngọc Diệp : nghiên cứu và thực hiện các phương pháp đánh giá từ các kết quả đạt được của 2 thuật toán trên trong môi trường thực tế. Để thực hiện được nội dung phần của em thì đồ án của em được kết cấu thành 2 phần, gồm 5 chương : Phần 1 : Lý thuyết Chương 1 : Tổng quan về nâng cao chất lượng tiếng nói. Chương này giới thiệu một số khái niệm cơ bản về tín hiệu số, các phép biến đổi, tìm hiểu về các SVTH: Nguyễn Thị Ngọc Diệp  Trang 11 
  12. Đồ án tốt nghiệp 12 loại nhiễu , tín hiệu tiếng nói và sự hình thành tiếng nói. Bên cạnh đó còn giới thiệu khái quát về một số thuật toán trong Speech Enhancement . Chương 2 : Đánh giá chất lượng tiếng nói. Chương này giới thiệu một số phương pháp đánh giá hiệu quả của thuật toán giảm nhiễu trong tiếng nói. Gồm có đánh giá chủ quan và đánh giá khách quan. Chương 3 : Thuật toán Spectral Subtraction và Wiener Filtering. Chương này đi sâu vào nghiên cứu nguyên lý cơ bản của từng thuật toán. Phần 2 : Thực hiện và đánh giá Chương 4 : Thực hiện và đánh giá thuật toán. Chương này trình bày các kết quả nhóm đã làm được gồm có thực hiện giảm nhiễu tín hiệu tiếng nói bằng hai thuật toán đã nghiên cứu ở chương 3. Đồng thời so sánh kết quả thu được bằng cách dùng các phương pháp đánh giá đã được giới thiệu ở chương 2 Phương pháp nghiên cứu của đồ án là xây dựng lưu đồ của thuật toán, thực hiện xử lý tiếng nói bằng các thuật toán đó. Dựa trên các kết quả đạt được sau khi xử lý, sau đó sử dụng các phương pháp đánh giá khách quan để đánh giá tính hiệu quả của các thuật toán xử lý trong môi trường thực tế. Đồ án của nhóm đã thực hiện được 2 thuật toán xử lý tiếng nói trong Speech Enhancement và đưa ra được các kết quả đánh giá khách quan làm cơ sở để đánh giá tính hiệu quả của 2 thuật toán trên. Đó chính là điểm mới trong đồ án của nhóm so với các đồ án đã có trước trong cùng chủ đề nghiên cứu. SVTH: Nguyễn Thị Ngọc Diệp  Trang 12 
  13. Đồ án tốt nghiệp 13 SVTH: Nguyễn Thị Ngọc Diệp  Trang 13 
  14. Chương 1 : Tổng quan về nâng cao chất lượng tiếng nói CHƯƠNG 1: TỔNG QUAN VỀ NÂNG CAO CHẤT LƯỢNG TIẾNG NÓI 1.1 Giới thiệu chương Nội dung của chương trình bày mục đích của nâng cao chất lượng tiếng nói là gì, các loại nhiễu trong tiếng nói, cách hình thành của tiếng nói và các đặc điểm cuả tín hiệu tiếng nói. Chương này còn giới thiệu khái quát về các thuật toán sử dụng trong speech enhancement. 1.2 Nâng cao chất lượng tiếng nói là gì ? Nâng cao chất lượng tiếng nói liên quan đến việc cải thiện cảm nhận đối với tiếng nói bị suy giảm chất lượng do sự có mặt của nhiễu trong tiếng nói. Trong hầu hết các ứng dụng, thì mục đích của nâng cao chất lượng tiếng nói là sự cải thiện chất lượng và tính dễ nghe của tiếng nói đã bị suy giảm do nhiễu. Sự cải thiện về chất lượng mà tốt thì nó làm giảm đi sự khó khăn cho người nghe khi nghe và trong nhiều trường hợp nó còn giúp cho người nghe có thể nghe trong môi trường có nhiễu với mức độ cao và nhiễu đó tồn tại trong thời gian dài. Các thuật toán âng cao chất lượng tiếng nói làm giảm và nén nhiễu nền đến một mức độ nào đó và nó được xem như là các thuật toán nén nhiễu. Trong nhiều trường hợp, sự cần thiết của việc tăng cường trong tín hiệu tiếng nói xuất hiện khi tín hiệu tiếng nói hình thành trong vùng có nhiễu hoặc ảnh hưởng bởi nhiễu trong các kênh truyền thông. Có rất nhiều kịch bản yêu cầu đặt ra đối với Speech enhancement trong nhiều trường hợp khác nhau, ví dụ đối với thông tin thoại, trên các hệ thống điện thoại tế bào thì chịu sự ảnh hưởng nhiễu nền từ ô tô, nhà hàng,.. khi truyền đến đích. Chính vì vậy mà các thuật toán trong nâng cao chất lượng tiếng nói có thể được sử dụng để cải thiện chất lượng của tiếng nói tại điểm thu, mặt khác, nó có thể được sử dụng trong các khối tiền xử lý của hệ thống mã hoá tiếng nói dùng trong các điện thoại tế bào chuẩn [1]. Khi nhận dạng tiếng nói, tiếng nói bị nhiễu được tiền xử lý bởi các thuật toán nâng cao chất lượng trước khi được nhận dạng. Trong thông tin liên lạc hàng không, các kỹ thuật nâng cao tiếng nói cần được sử dụng để cải thiện chất lượng và tính SVTH: Nguyễn Thị Ngọc Diệp  Trang 14 
  15. Chương 1 : Tổng quan về nâng cao chất lượng tiếng nói dễ nghe của tiếng nói của phi công bị ảnh hưởng bởi nhiễu trong buồng lái. Vì vậy mà nâng cao chất lượng tiếng nói cũng rất cần thiết trong thông tin liên lạc của quân sự. Trong hệ thống hội nghị qua thoại, thì nguồn nhiễu xuất hiện ở một vùng nào đó thì nó sẽ được truyền đến tất cả các vùng khác. Các thuật toán nâng cao chất lượng tiếng nói được sử dụng như tiền xử lý hoặc làm sạch nhiễu trong tiếng trước khi được khuếch đại. Như các ví dụ minh họa ở trên thì mục tiêu của các thuật toán tăng cường tuỳ thuộc vào các ứng dụng mà chúng ta đang dùng. Xét trên phương diện lý tưởng, thì chúng ta mong muốn Speech enhancement cải thiện được cả chất lượng và tính dễ nghe hay sự trong suốt của tiếng nói. Tuy nhiên, xét trên phương diện thực tế thì các thuật toán Speech enhancement chỉ có thể cải thiện được chất lượng của tiếng nói. Nó có thể làm giảm được nhiễu nền trong tiếng nói nhưng nó sẽ làm gia tăng thêm độ méo của tín hiệu tiếng nói, chính điều này làm giảm đi tính dễ nghe của tiếng nói. Do đó, yêu cầu chính trong việc thiết kế một thuật toán Speech enhancement phải đảm bảo nén được nhiễu và không được gây ra méo trong sự cảm nhận tín hiệu tiếng nói. Giải pháp tổng quát trong các vẩn đề của Speech enhancement phụ thuộc rất lớn vào ứng dụng chúng ta cần sử dụng, đó là các vần đề như là nguồn nhiễu và giao thoa gây ra nhiễu, mối liên hệ giữa nhiễu và tín hiệu sạch, số microphone và cảm biến có thể có. Sự giao thoa có thể xem như là nhiễu hoặc được xem như tín hiệu tiếng nói, nó tuỳ thuộc vào môi trường ta đang xét, nó có thể được xem như là sự tranh chấp giữa các speaker. Đặc tính âm nhiễu có thể được cộng thêm vào tín hiệu sạch nếu âm thanh được hình thành trong căn phòng bị dội âm thanh. Hơn nữa, nhiễu có thể có tính tương quan hoặc không tương quan về mặt thống kê với tín hiệu sạch. Số lượng microphone cũng có khả năng ảnh hưởng đến tính hiệu quả của các thuật toán Speech enhancement. SVTH: Nguyễn Thị Ngọc Diệp  Trang 15 
  16. Chương 1 : Tổng quan về nâng cao chất lượng tiếng nói 1.3 Lý thuyết về tín hiệu và nhiễu 1.3.1 Tín hiệu, hệ thống và xử lý tín hiệu 1.3.1.1 Tín hiệu Tín hiệu(signal) dùng để chỉ một đại lượng vật lý mang tin tức. Về mặt toán học, ta có thể mô tả tín hiệu như một hàm theo biến thời gian, không gian hay các biến độc lập khác. Chẳng hạn như, hàm: x(t) = 20t2 mô tả tín hiệu biến thiên theo biến thời gian t. Hay một ví dụ khác, hàm: s(x,y) = 3x + 5xy + y2 mô tả tín hiệu là hàm theo hai biến độc lập x và y, trong đó x và y biểu diễn cho hai tọa độ trong mặt phẳng [2]. Hai tín hiệu trong ví dụ trên về lớp tín hiệu được biểu diễn chính xác bằng hàm theo biến độc lập. Tuy nhiên, trong thực tế, các mối quan hệ giưa các đại lượng vật lý và các biến độc lập thường rất phức tạp nên không thể biểu diễn tín hiệu như trong hai ví dụ vừa nêu trên. Hình 1.1 Tín hiệu tiếng nói [2]. Lấy ví dụ tín hiệu tiếng nói – đó là sự biến thiên của áp suất không khí theo thời gian. Chẳng hạn khi ta phát âm từ “away”, dạng sóng của nó được biểu diễn như hình trên. 1.3.1.2 Nguồn tín hiệu Tất cả các tín hiệu đều do một nguồn nào đó tạo ra, theo một cách thức nào đó. Ví dụ tín hiệu tiếng nói được tạo ra băngg cách ép không khí đi qua dây thanh SVTH: Nguyễn Thị Ngọc Diệp  Trang 16 
  17. Chương 1 : Tổng quan về nâng cao chất lượng tiếng nói âm. Một bức ảnh có được bằng cách phơi sáng một tấm phim chụp một cảnh/đối tượng nào đó. Quá trình tạo tín hiệu như vậy thường liên quan đến một hệ thống, hệ thống này đáp ứng lại một kích thích nào đó. Trong tín hiệu tiếng nói, hệ thống là hệ thống phát âm, gồm môi, răng, lưỡi, dây thanh…Kích thích liên quan đến hệ thống được gọi là nguồn tín hiệu. Như vậy ta có nguồn tiếng nói, nguồn ảnh và các nguồn tín hiệu khác. 1.3.1.3 Hệ thống và xử lý tín hiệu Hệ thống là một thiết bị vật lý thực hiện một tác động nào đó lên tín hiệu. Ví dụ, bộ lọc dùng để giảm nhiễu trong tín hiệu mang tin được gọi là một hệ thống. Khi ta truyền tín hiệu qua một hệ thống, như bộ lọc chẳng hạn, ta nói rằng đã xử lý tín hiệu đó. Trong trường này, xử lý tín hiệu liên quan đến lọc nhiễu ra khỏi tín hiệu mong muốn. Xử lý tín hiệu là ý muốn nói đến một loạt các công việc hay các phép toán được thực hiện trên các tín hiệu nhằm đạt mục đích nào đó, như là tách tin tức chứa bên trong tín hiệu hoặc là truyền tín hiệu mang tin từ nơi này đến nơi khác. Ở đây ta cần lưu ý đến định nghĩa hệ thống, nó không chỉ đơn thuần là thiết bị vật lý mà còn là phần mềm xử lý tín hiệu hoặc là sự kết hợp giữa phần cứng và phần mềm. Ví dụ khi xử lý số tín hiệu bằng mạch logic, hệ thống xử lý ở đây là phần cứng. Khi xử lý bằng máy tính số, tác động lên tín hiệu bao gồm một loạt các phép toán thực hiện bởi chương trình phần mềm. Khi xử lý bằng các bộ vi xử lý-hệ thống bao gồm kết hợp cả phần cứng và phần mềm, mỗi phần thực hiện các công việc riêng nào đó. 1.3.1.4 Phân loại tín hiệu Các phương pháp ta sử dụng trong xử lý tín hiệu phụ thuộc chặt chẽ vào đặc điểm của tín hiệu. Có những phương pháp riêng áp dụng cho một loại tín hiệu nào đó. Do vậy, trước tiên ta cần xem qua cách phân loại tín hiệu liên quan đến những ứng dụng cụ thể. Chúng ta có thể phân tín hiệu thành các loại : - Tín hiệu nhiều hướng và tín hiệu đa kênh - Tín hiệu liên tục và tín hiệu rời rạc SVTH: Nguyễn Thị Ngọc Diệp  Trang 17 
  18. Chương 1 : Tổng quan về nâng cao chất lượng tiếng nói - Tín hiệu biên độ liên tục và tín hiệu biên độ rời rạc - Tín hiệu xác định và tín hiệu ngẫu nhiên 1.4 Lý thuyết về nhiễu 1.4.1 Nguồn nhiễu Nhiễu một hiện thực, nó tồn tại ở mọi nơi, trên đường phố, trên xe, trong văn phòng, trong nhà hàng, trong các toà nhà. Nó có thể là tiếng xe chạy trên đường, tiếng ồn trên các công trường xây dựng, tiếng ồn phát ra từ các quạt chạy trong PC, chuông điện thoại…, nó tồn tại với các hình dạng và hình thức khác nhau trong cuộc sống hằng ngày của chúng ta. Nhiễu có thể hình thành ở một nơi cố định, và không thay đổi theo thời gian, ví dụ như là tiếng ồn phát ra từ quạt chạy trong PC. Nhiễu cũng có thể không đứng yên một chỗ, ví dụ như nhiễu trong nhà hàng, đó là tiếng nói của nhiều người xen lẫn với nhiều cách khác nhau với tiếng ồn phát ra từ nhà bếp. Các đặc tính về phổ cũng như thời gian của nhiễu trong nhà hàng thay đổi không theo quy luật nên việc nén nhiễu trong các môi trường có nhiễu thay đổi như vậy sẽ khó khăn hơn nhiều so với các nguồn nhiễu đứng yên không thay đổi. Các đặc tính đặc biệt khác nhau của các loại nhiễu đó là hình dạng của phổ và sự phân bố của năng lượng nhiễu trong miền tần số. Ví dụ, nhiễu gây ra bởi gió thì năng lượng của nó tập trung ở tần số thấp dưới 500Hz. Nhưng đối với nhiễu trong nhà hàng, trên xe, trên tàu thì khác, năng lượng của nó được phân bố trên một dải tần số rộng [3]. SVTH: Nguyễn Thị Ngọc Diệp  Trang 18 
  19. Chương 1 : Tổng quan về nâng cao chất lượng tiếng nói Hình 1.2 Dạng và sự phân bố phổ năng lượng trung bình nhiễu trên xe [4]. Hình 1.3 Dạng và sự phân bố phổ năng lượng trung bình của nhiễu trên tàu [4]. SVTH: Nguyễn Thị Ngọc Diệp  Trang 19 
  20. Chương 1 : Tổng quan về nâng cao chất lượng tiếng nói Hình 1.4 Dạng và sự phân bố phổ năng lượng trung bình của nhiễu trong nhà hàng[4]. 1.4.2 Nhiễu và mức tín hiệu tiếng nói trong các môi trường khác nhau Điểm tới hạn trong việc thiết kế các thuật toán của Speech enhancement là sự nhận biết dải biến thiên của tiếng nói và mức độ cường độ nhiễu trong môi trường thực tế. Từ đó, chúng ta có thể mô tả miền biến thiên của mức độ tỷ số tín hiệu trên nhiễu(SNR) được bắt gặp trong môi trường thực tế. Điều này rất quan trọng để đánh giá tính hiệu quả của các thuật toán Speech enhancement trong việc nén nhiễu và cải thiện chất lượng của tiếng nói trong dải biến thiên của mức SNR. Mức độ của tiếng nói và nhiễu được đo lường bằng mức độ âm thanh. Phép đo lường ở đây là đo mức độ áp suất của âm thanh tính bằng dB SPL(sound pressure level)[4]. Khoảng cách giữa người nói và người nghe cũng ảnh hưởng đến mức cường độ âm thanh, nó tương ứng với phép đo được thực hiện khi microphone được đặt tại những vị trí có khoảng cách khác nhau. Khoảng cách đặc trưng trong giao tiếp face-to-face là 1m, khi khoảng cách đó tăng gấp đôi thì mức cường độ âm giảm đi 6 dB[6]. SVTH: Nguyễn Thị Ngọc Diệp  Trang 20 

CÓ THỂ BẠN MUỐN DOWNLOAD

 

Đồng bộ tài khoản