Mã hóa tiếng nói và ng dng trong liên lc di động
I. GII THIU
Ti ng nói ph ng ti n ch y u con ng i s d ng đ liên l cgiao ti p h ng ngày.ế ươ ế ườ ế
Ngày nay khi các ph ng ti n truy n thông phát tri n s ng i s d ng các ph ng ti nươ ườ ươ
liên l c tăng lên thì hoá ti ng nói đ c nghiên c u ng d ng r ng rãi trong các cu c ế ượ
g i đi n tho i truy n th ng, g i qua m ng di d ng, qua m ng Internet, qua v tinh, v.v...
M c dù v i s phát tri n c a công ngh truy n thông qua cáp quang đã làm cho băng thông
không còn v n đ l n trong giá thành c a các cu c g i truy n th ng. Tuy nhiên, băng
thông trong các cu c g i đ ng dài, các cu c g i qu c t , các cu c g i qua v tinh hay các ườ ế
cu c g i di đ ng thì c n ph i duy trì băng thông m t m c nh t đ nh. v y vi c hoá
ti ng nói r t c n thi t, giúp gi m thi u s l ng tín hi u c n truy n đi trên đ ng truy nế ế ượ ườ
nh ng v n đ m b o ch t l ng c a cu c g i.ư ượ
II. CÁC V N Đ C B N TRONG MÃ HOÁ TI NG NÓI Ơ
1. Mô hình hoá quá trình t o ti ng nói ế
Khi không khí b ép t ph i lên đi qua các dây thanh âm dao đ ng (theo s đi u khi n c a
não b ) và đi d c theo c quan phát âm s t o ra ti ng nói. S dao đ ng c a các dây thanh ơ ế
âm t o ra s đóng m t ng t nh m t cánh c a (thanh môn). S đóng m này s làm cho ươ ư
lu ng không khí t ph i đi lên b ng t quãng khác nhau, làm cho ti ng nói t o ra cũng khác ế
nhau. Ngoài s tác đ ng c a các dây thanh âm, ti ng nói t o ra còn ph thu c vào s thay ế
đ i c a c quan phát âm g m: vòm h ng, l i, mi ng, khoang mũi mũi. Hình 1 bi u di n ơ ưỡ
mô hình c h c c a c quan phát âm.ơ ơ
Hình 1. Mô hình c h c c quan phát âm ng iơ ơ ườ
V i mô hình c h c nh trên, có th bi u di n c quan phát âm b ng m t mô hình g n đúng ơ ư ơ
g m các hình tr đ dài b ng nhau nh ng đ ng kính khác nhau nh trong Hình 2. ư ườ ư
Chính hình dáng này đã t o ra s c ng h ng âm thanh các t n s c ng h ng này g i ưở ưở
là các t n s formant. Các t n s này t o ra các âm v khác nhau tuỳ theo hình dáng c quan ơ
phát âm. hình này th đ c bi u di n m t cách chính xác b ng m t t p h p các ượ
ph ng trình toán h c [5]. Trong quá trình phát âm ng i ta th y r ng hình dáng c quanươ ườ ơ
phát âm thay đ i r t ch m , do đó trong m t kho ng th i gian ng n (trong m t âm v )th
xem nh s thay đ i là không đáng k . Vì v y ta có th bi u di n c quan phát âm b ng m tư ơ
h th ng tuy n tính b t bi n theo th i gian; nghĩa su t trong m t âm v , các tham s ế ế
c a h th ng này s g n nh không đ i nh ng chúng s thay đ i r t l n t âm v này sang ư ư
âm v khác.
Hình 2. Mô hình d ng ng c a c quan phát âm ng i ơ ườ
Ngoài hình hoá c quan phát âm thì hình hoá s kích thích c a lu ng không khí tơ
ph i đi qua thanh môn lên c quan phát âm cũng r t quan tr ng. Tuỳ theo lo i âm thanh ơ
có cách mô hình hoá thích h p đ ti ng nói sau khi tái t o đ t đ c ch t l ng theo yêu c u. ế ượ ượ
2. Các tính ch t c b n c a ti ng nói ng i ơ ế ườ
Trong k thu t hoá ti ng nói, d a vào s dao đ ng c a các dây thanh âm ng i ta chia ế ườ
ti ng nói ra thành hai lo i âm chính sau đây:ế
+ Âm h u thanh (voiced sound): âm h u thanh đ c t o ra khi các dây thanh âm dao đ ng ượ
đóng m làm ng t quãng lu ng không khí s ng t quãng này đ c xem g n nh tu n ượ ư
hoàn tác đ ng lên c quan phát âm. Theo th c nghi m chu tu n hoàn này kho ng t 2 - ơ
20ms. Do đó v i âm h u thanh, tín hi u kích thích đ c mô hình hoá là các xung tu n hoàn. ượ
+ Âm thanh (unvoiced sound): âm thanh đ c t o ra khi lu ng không khí đi qua thanhượ
môn tác đ ng lên c quan phát âm không theo m t qui lu t nào c (không tu n hoàn). Do đó ơ
v i âm vô thanh, tín hi u kích thích đ c mô hình hoá t ng t nh m t nhi u. ượ ươ ư
Nhìn chung, các âm c a ti ng nói m t trong hai lo i âm trên ho c s k t h p c a ế ế
chúng. Theo th ng kê, ng i ta đã xác đ nh đ c h u h t các âm là h u thanh. ườ ượ ế
3. Các ph ng pháp mã hoá ti ng nóiươ ế
hoá ti ng nói đ c chia ra thành ba lo i chính hoá d ng sóng, hoá ngu n ế ượ
hlai. T c đ bit ch t l ng ti ng nói sau khi t ng h p l i c a các b hoá này ượ ế
đ c bi u di n Hình 3.ượ
Hình 3. Ch t l ng ti ng nói so v i t c đ bit c a các b mã hoá ượ ế
a. Mã hoá d ng sóng: ng i ta chia mã hoá d ng sóng ra làm hai lo i chínhườ
Trong mi n th i gian: mã hoá đi u bi n xung mã (PCM), đi u bi n xung mã sai l ch (DPCM) ế ế
và đi u bi n xung mã sai l ch thích nghi (ADPCM). ế
Trong mi n t n s : hoá băng con SBC (subband coding) hoá bi n đ i thích nghi ế
ATC (Adaptive Transform Coding).
b. Mã hoá ngu n:
hoá ngu n s d ng hình quá trình t o ra ngu n tín hi u khai thác các thông s
c a hình này đ hoá tín hi u. Nh ng thông s c a hình s đ c truy n đ n b ượ ế
gi i mã. Đ i v i ti ng nói, các b hoá ngu n đ c g i là vocoder ho t đ ng d a trên ế ượ
hình c quan phát âm nh đã nói trên đ c kích thích v i m t ngu n nhi u tr ng đ iơ ư ượ
v i các đo n ti ng nói vô thanh ho c đ c kích thích b ng m t dãy xung có chu kì b ng chu ế ượ
pitch đ i v i đo n ti ng nói h u thanh. Do đó thông tin đ c g i đ n b gi i các ế ượ ế
thông s k thu t c a b l c, m t thông tin ch đ nh đo n ti ng nói h u thanh hay ế
thanh, s thay đ i c n thi t c a tín hi u kích thích chu pitch n u đó đo n ti ng nói ế ế ế
h u thanh.
Có nhi u k thu t đ mã hoá ngu n nh : mã hoá kênh, mã hoá formant, mã hoá tham s ư
hoá đ ng hình. Tuy nhiên, hi n nay ch y u t p trung vào nghiên c u phát tri n các ế
b hoá tham s nh hoá d đoán tuy n tính kích thích b ng hai tr ng thái (mã hoá ư ế
LPC), hoá d đoán tuy n tính s ch thích k t h p MELP hoá d đoán tuy n ế ế ế
tính kích thích b ng tín hi u sau d đoán RELP. Các b hoá tham s này th ng dùng ườ
cho đi n tho i qua v tinh và trong quân đ i.
c. Mã hoá lai
hóa lai nhi u ph ng pháp nh ng ph ng pháp ph bi n nh t hoá phân tích ươ ư ươ ế
b ng cách t ng h p AbS (Analysis-by-Synthesis). B hoá này cũng s d ng hình c ơ
quan phát âm c a ng i gi ng nh mã hoá ngu n. Tuy nhiên, thay s d ng các hình ườ ư
tín hi u kích thích đ n gi n nh hngu n thì đây tín hi u kích thích đ c ch n sao ơ ư ư
cho c g ng đ t đ c d ngng ti ng nói tái t o càng gi ng v i d ngng ti ng nói ban ư ế ế
đ u càng t t. Đây chính đ c tính phân bi t s khác nhau gi a các b hoá ki u AbS.
Thu t toán tìm ra d ng sóng kích thích này quy t đ nh t i đ ph c t p c a b mã hoá. ế
III. MÃ HOÁ TI NG NÓI TRONG LIÊN L C DI Đ NG
H u h t các tiêu chu n mã hoá ti ng nói trong liên l c di đ ng đ u s d ng ph ng pháp ế ế ươ
mã hoá lai AbS. Vì v y trong ph n này, xin gi i thi u chi ti t v mã hoá lai AbS. ế
1. S đ chung c a m t b mã hoá ti ng nói dùng ph ng pháp mã hoá lai AbSơ ế ươ
Hình 4. S đ kh i c a m t b mã hoá lai đi n hìnhơ
Trong các b hoá lai, các thông s c a h th ng s đ c xác đ nh b ng k thu t d ượ
đoán tuy n tính nh trong hoá tham s ( ph ng pháp hoá ngu n) tín hi u kíchế ư ươ
thích đ c xác đ nh b ng m t vòng kín (phân tích b ng cách t ng h p). ượ
Hình 4 là m t b hoá lai đi n hình. H th ng này bao g m m t b l c d đoán th i gian
ng n (STP) A(z), m t b l c d đoán th i gian dài (LTP) A L(z), m t b l c nh n c m nh n
W(z), m t b gi m thi u sai s cung c p thông tin c n thi t cho b t o tín hi u kích thích. ế
Trong đó, b t o tín hi u kích thích quan tr ng nh t nó t o ra hay ch n tín hi u kích
thích sao cho sai s bình ph ng trung bình đã đi qua W(z) nh nh t. Tuỳ theo m i lo i ươ
mã hoá mà b t o tín hi u kích thích này khác nhau. M c dù s đ trên là chung cho các b ơ
mã hoá lai nh ng m t s lo i không s d ng b l c LTP ho c v trí STP và LTP thay đ i.ư
2. D đoán tuy n tính (LP) d a trên mô hình phát âm ế
D đoán tuy n tính m t công c r t quan tr ng trong x s tín hi u. cung c p cho ế
chúng ta m t k thu t r t m nh đ c l ng các thông s c a m t đo n ti ng nói nh ướ ượ ế ư
pitch, t n s formant, ph , ... v i đ chính xác cao và t c đ tính toán nhanh.
Hình 5. S đ rút g n c a quá trình t o ti ng nóiơ ế
D a trên hàm truy n đ t bi u di n hình c quan phát âm và b qua các y u t khác tác ơ ế
đ ng đ n quá trình phát âm nh môi, khoang mũi thì mô hình phát âm có th đ c bi u di n ế ư ượ
m t cách g n đúng nh trong Hình 5. ư
Trong Hình 6 bi u di n hai quá trình t ng h p phân ch ti ng nói. Gi s tín hi u kích ế
thích u[n] là nhi u tr ng thì tín hi u e[n] cũng ph i là nhi u tr ng n u H(z) là m t hàm truy n ế
đ t toàn c c, không có đi m không.
Hình 6. Quá trình t ng h p và phân tích trong mã hoá ti ng nói ế
3. D đoán th i gian ng n (STP) và d đoán th i gian dài (LTP)
B d đoán th i gian ng n th c ch t b l c t ng h p ti ng nói. B l c này s th c hi n ế
vi c t ng h p ti ng nói khi có tín hi u kích thích đ a đ n ngõ vào c a nó. Các h s c a b ế ư ế
l c này s đ c xác đ nh b ng ph ng pháp d đoán tuy n tính nh đã đ c p trên. ượ ươ ế ư
Các đo n ti ng nói h u thanh có d ng sóng tu n hoàn và s tu n hoàn này có th đ c khai ế ượ
thác đ tr giúp cho quá trình d đoán ti ng nói. T đi u này ng i ta đã đ a ra khái ni m ế ườ ư
v d đoán th i gian dài hay d đoán pitch. Cũng gi ng nh các b STP, các b LTP cũng là ư
các b d đoán tuy n tính nh ng trong khi STP th c hi n vi c d đoán d a trên các m u k ế ư
nhau thì LTP d a trên các m u t m t hay nhi u chu kì pitch tr c đó. Đây là lí do g i nó là ướ
d đoán th i gian dài.
4. B l c nh n c m nh n
Ngoài vi c khai thác các tính ch t ti ng nói đ hoá, ng i ta còn khai thác s c m nh n ế ườ
âm thanh c a tai ng i (tai ng i không c m nh n đ c nh ng âm thanh b che đi b i các ườ ườ ượ
âm thanh khácnăng l ng l n h n m t m c nh t đ nh) trong mã hoá ti ng nói b ng kháiượ ơ ế
ni m b l c nh n c m nh n.
Hình 7. Bi u di n hi u ng c a W(z)
S tác đ ng c a b l c này đ c bi u di n trong Hình 7. Ta th y ph c a nhi u có hai vùng ượ
n m phía trên c a đáp ng t n s c a b l c LPC do đó các t n s n m trong vùng này s
b nhi u che đi. B l c nh n c m nh n W(z) s nâng biên đ c a nhi u trongng t n s
formant (vùng đ nh c a đáp ng t n s b l c LPC) nén biên đ c a nhi u trong các
vùng trũng c a đáp ng t n s . Ph c a nhi u sau khi đi qua W(z) s có d ng là đ ng li n ườ
nét m nh (có hình d ng ph t ng t nh ph c a b l c LPC) nhi u s d dàng b c ươ ư
t n s formant che đi (năng l ng các t n s formant che năng l ng nhi u). Tóm l i, W(z) ượ ượ
s đ nh d ng nhi u hay các sai s sao cho chúng b che đi b i các t n s formant năng
l ng cao.ượ
5. M t s lo i mã hoá lai dùng trong liên l c di đ ng
Tuỳ theo cách t o ra tín hi u ch thích ng i ta đ a ra các lo i hoá lai khác nhau ư ư
nh hoá đa xung MPE, hoá xung đ u RPE, hoá kích thích b ng CELP, ư
hoá kích thích vect t ng VSELP. Trong các tiêu chu n dùng cho liên l c di đ ng ba lo iơ
sau đây th ng đ c s d ng là: RPE-LTP, ACELP và VSELP.ườ ượ
a. Mã hoá kích thích b ng xung đ u RPE-LTP [1]:
Đây lo i hoá s d ng tín hi u kích thích k t h p gi a xung đ u và tín hi u sau d ế
đoán t chu kỳ pitch tr c đó (đ c xác đ nh b ng m t b d đoán th i gian dài LTP đ tính ướ ượ
chu kì pitch và đ l i pitch cho tín hi u kích thích).
b. Mã hoá kích thích b ng mã CELP và ACELP:
Mã hoá kích thích b ng mã hay b ng vect CELP [1] mã hoá ti ng nói t c đ bit th p h n ơ ế ơ
hoá RPE-LTP nh ng ti ngi t ng h p v n ch t l ng cao t ng đ ng v i các bư ế ượ ươ ươ
hoá d ng sóng t c đ bit trung bình tuy nhiên đ ph c t p c a b hoá CELP s
cao h n. Trong thu t toán CELP, ng i ta đ a ra khái ni m codebook. Đây n i ch a cácơ ườ ư ơ
vect (hay t mã) kích thích m i vect đó đ dài c đ nh. ơ ơ Các vect này đ c t oơ ượ
thành t các dãy nhi u Gauss. Tín hi u kích thích cho m i đo n ti ng nói s đ c tìm ki m ế ượ ế
trong codebook. Do đó, m i vect kích thích trong codebook s s ph n t b ng v i s ơ
m u trong m t đo n ti ng nói. Ngoài codebook ch a các vect tín hi u kích thích th ng ế ơ ườ
đ c g i stochastic codebook, còn m t codebook khác liên quan đ n b d đoán LTPượ ế
g i là codebook thích nghi (adaptive codebook). Codebook thích nghi ch a các giá tr đ tr t
(có giá tr t 20 ¸147). Vi c tìm giá tr t đ l i pitch b cho b l c LTP quá trình tìm m t
giá tr thích h p sao cho tín hi u kích thích t ng h p đ a vào b l c STP t t nh t, t c ư
làm cho sai s d đoán là nh nh t.
hoá kích thích b ng đ i s ACELP [1] (Algebraic CELP) cũng m t d ng hoá
CELP. Tuy nhiên, các vect trong stochastic codebook ACELP đ c t o thành t các gơ ượ
tr nh phân (ch g m hai giá tr ) ho c tam phân (ch g m ba giá tr ).
c. Mã hoá kích thích b ng t ng vect VSELP: ơ
Thu t toán VSELP [1] đ c Gerson Jasiuk đ xu t ra ng d ng trong truy n thông di ượ
đ ng. Thu t toán này s d ng các codebook có c u trúc t t đ gi m thi u đ ph c t p trong
tính toán. Tín hi u kích thích trong VSELP s k t h p c a các vect t ba codebook g m ế ơ
codebook thích nghi và hai stochastic codebook có c u trúc t t.
IV. M T S CHU N MÃ HOÁ TI NG NÓI THÔNG D NG
ng d ng T c đ bit
(kbps)
Băng thông
(kHz)
T ch c đ t
ra chu nKí hi u
chu nThu t toán dùng cho
chu n
Đi n tho i
thông th ngườ 64 3,2 Itu g.711 m-law ho c A-law
PCM
32 3,2 Itu g.726 adpcm
H i ngh qua
đi n tho i 48-64 7 Itu g.722 Subband-adpcm
16 3,2 Itu g.728 Low delay Celp
Đi n tho i di
đ ng s
13 3.2 Gsm Full-rate Rpe-ltp
12,2 3.2 Gsm Efr Acelp
8,0 3.2 Tia IS-54 Vselp
6,5 3.2 Gsm Half-rate Vselp
8,0 3.2 Itu g.729 Acelp
Các ng
d ng t c
đ bit thay
đ i
16-40 3,2 Itu g.727 Adpcm
5,3-6,3 3,2 Itu g.723.1 Mplpc, celp
4,75-12,2 3,2 Gsm Amr Acelp
1-8 3,2 Cdma IS-96 Qcelp
Liên l c c n
b o m t
2,4 3,2 Ddvpc Fs1015 Lpc-10
2,4 3,2 Ddvpc Melp Melp
4,8 3,2 Ddvpc Fs1016 Celp
Đi n tho i
qua v tinh4,15 3,2 Inmarsat M Imbe
3,6 3,2 Inmarsat Mini-m Ambe
Tài li u tham kh o
[1]. ANDREAS SPANIAS, Speech coding: A tutorial review, Arizona State University, USA -
1994.
[2]. THOMAS P. BARNWELL III, KARMBIZ NAYEBI & CRAIG H. RICHARDSON, Speech
Coding: A computer Laboratory Textbook, John Wiley & Sons. Inc – 1996.