Phương pháp nâng cao chất lượng tiếng nói bằng cách triệt nhiễu thành phần xấp xỉ và thành phần chi tiết trên miền wavelet

Đỗ Huy Khôi và Đtg<br /> <br /> Tạp chí KHOA HỌC & CÔNG NGHỆ<br /> <br /> 99(11): 15 - 19<br /> <br /> PHƯƠNG PHÁP NÂNG CAO CHẤT LƯỢNG TIẾNG NÓI<br /> BẰNG CÁCH TRIỆT NHIỄU THÀNH PHẦN XẤP XỈ<br /> VÀ THÀNH PHẦN CHI TIẾT TRÊN MIỀN WAVELET<br /> Đỗ Huy Khôi, Nguyễn Thành Trung, Trịnh Văn Hà*<br /> Trường Đại học Công nghệ Thông tin & Truyền thông – ĐH Thái Nguyên<br /> <br /> TÓM TẮT<br /> Kỹ thuật triệt nhiễu và nâng cao chất lượng tiếng nói dùng phép biến đổi Wavelet đã được nghiên<br /> cứu nhiều trên thế giới. Hầu hết các nghiên cứu tập trung vào cách ước lượng và đặt ngưỡng toàn<br /> cục cho toàn bộ tín hiệu. Bài báo này trình bày phương pháp triệt nhiễu nâng cao chất lượng tiếng<br /> nói bằng biến đổi Wavelet cho tín hiệu tiếng nói thành hai thành phần hệ số chi tiết và hệ số xấp<br /> xỉ, sau đó áp dụng kỹ thuật trừ phổ và kỹ thuật ước lượng bình phương tối thiểu MMSE (minimum<br /> mean square error) của Ephraim/Malah cho các hệ số đó. Các kết quả mô phỏng cho thấy tiếng<br /> nói có nhiễu được triệt nhiễu bằng phương pháp đề xuất có SNR cao hơn các phương pháp trừ<br /> phổ, phương pháp MMSE và phương pháp Wavelet của Dohono.<br /> Từ khóa: wavelet, triệt nhiễu, phổ trừ, MMSE, PSNR.<br /> <br /> TỔNG QUAN VỀ TRIỆT NHIỄU TÍN HIỆU<br /> TIẾNG NÓI*<br /> Nhiễu ảnh hưởng nhiều đến hiệu quả xử lý tín<br /> hiệu. Vì vậy, triệt nhiễu và nâng cao chất<br /> lượng tín hiệu là bước quan trọng trong các hệ<br /> thống xử lý tín hiệu thời gian thực [3].<br /> Mô hình chung của tín hiệu có nhiễu là:<br /> <br /> xk = sk + nk , k = 0,.., K − 1<br /> <br /> (1)<br /> <br /> Trong đó sk là tín hiệu tiếng nói sạch, nk là<br /> nguồn nhiễu độc lập với phương sai<br /> σ k (σ n2 = 1) (giả sử nk là nhiễu trắng).<br /> Gọi sˆ là giá trị ước lượng của tín hiệu tiếng<br /> nói sạch. Mục đích của các phương pháp triệt<br /> nhiễu tín hiệu tiếng nói là tối thiểu sai số bình<br /> phương trung bình E (| sˆ, s |2 )<br /> <br /> t −b<br /> ) là hàm wavelet mẹ, ψ (t )<br /> a<br /> là hàm wavelet phức của ψ (t ) , b là toán tử<br /> <br /> Trong đó ψ (<br /> <br /> dịch và a là toán tử tỉ lệ.<br /> Trong thực tế biến đổi wavelet thường dùng<br /> là wavelet rời rạc DWT (Discrete Wavelet<br /> Transform) được thực hiện bằng cấu trúc đa<br /> phân giải MRA (Multiresolution Analysis)<br /> phân tích tín hiệu ra hai thành phần chi tiết<br /> (detail) và xấp xỉ (approximation). Thành<br /> phần chi tiết là thành phần tần số cao và chứa<br /> nhiễu nên các phương pháp triệt nhiễu bằng<br /> wavelet đều dựa trên ý tưởng đặt ngưỡng cho<br /> các thành phần chi tiết và loại bỏ các thành<br /> phần chi tiết nhỏ hơn ngưỡng.<br /> <br /> K −1<br /> <br /> 2<br /> E  sˆ - s  = ∑ E (sˆ k - s k ) 2<br /> <br />  k =0<br /> <br /> (2)<br /> <br /> PHƯƠNG PHÁP BIẾN ĐỔI WAVELET<br /> CHO TÍN HIỆU TIẾNG NÓI CÓ NHIỄU.<br /> Phép biến đổi wavelet<br /> Biến đổi wavelet WT của một tín hiệu x(t)<br /> được định nghĩa<br /> WT(b,a) = | a |<br /> <br /> *<br /> <br /> −<br /> <br /> 1<br /> 2<br /> <br /> t −b<br /> ∫−∞ x(t )ψ ( a )dt<br /> ∞<br /> <br /> Tel: 0983 454755, Email: hatvhit@gmail.com<br /> <br /> (*)<br /> <br /> Hình 1. Biến đổi wavelet rời rạc dùng đa phân giải<br /> <br /> Biến đổi Wavelet rời rạc áp dụng cho tín<br /> hiệu tiếng nói.<br /> DWT được xây dựng dựa trên cấu trúc đa<br /> phân giải MRA [6]. Tín hiệu nguyên thủy S đi<br /> 15<br /> <br /> Đỗ Huy Khôi và Đtg<br /> <br /> Tạp chí KHOA HỌC & CÔNG NGHỆ<br /> <br /> qua 2 bộ lọc có đặc tính bù nhau và phân tách<br /> thành 2 tín hiệu, cA là các hệ số xấp xỉ, cD là<br /> các hệ số chi tiết.<br /> Quá trình phân tách có thể được lặp lại, với<br /> xấp xỉ hoàn toàn được tách ra, do đó một tín<br /> hiệu được tách thành nhiều thành phần phân<br /> giải thấp hơn. Nó được gọi là cây phân tách<br /> Wavelet.<br /> PHƯƠNG PHÁP TRIỆT NHIỄU THAM KHẢO<br /> Phương pháp trừ phổ<br /> Ý tưởng chung của phương pháp trừ phổ [1,<br /> 5] là chọn một mức phổ sàn tương ứng với<br /> phổ của nhiễu nền và tách ra khỏi phổ tín hiệu<br /> lẫn nhiễu. Giả thiết nhiễu nk là quá trình ngẫu<br /> nhiên dừng trong khoảng thời gian một khung<br /> tiếng nói và không tương quan với tín hiệu<br /> tiếng nói.<br /> Từ (1), sau khi cửa sổ hoá ta được:<br /> xw(k) = sw(k) + nw(k) (3)<br /> Phổ của tín hiệu lẫn nhiễu là<br /> <br /> | Xw(w)| =| Sw(w)| +| Nw(w)| +Sw(w).N (w)+S (w).Nw(w)<br /> 2<br /> <br /> 2<br /> <br /> 2<br /> <br /> *<br /> w<br /> <br /> *<br /> w<br /> <br /> (4)<br /> Nếu chúng ta cho rằng n(k) có trung bình<br /> bằng 0 và không tương quan với s(k) thì<br /> S w ( w).N w* ( w) + S w* ( w).N w ( w) tiến tới 0. Do<br /> vậy ta có :<br /> (5)<br /> | S ( w) |2 =| X ( w) |2 − E | N ( w) |2 <br />  E | N ( w) |2  <br />   (6)<br /> | S ( w) |2 =| X ( w) |2 1 − <br /> 2<br /> <br /> <br /> X ( w) |<br /> <br /> <br /> <br /> | S ( w) |2 =| X ( w) |2 .G ( w)<br /> <br /> Các hệ số<br /> xấp xỉ<br /> Tiếng nói<br /> gốc<br /> <br /> 99(11): 15 - 19<br /> <br /> Gọi G(w) là hệ số trọng số phổ. Áp dụng biến<br /> đổi Wiener và đơn giản hóa bằng hàm biến<br /> đổi trọng số theo [1] ta có:<br /> <br /> <br /> <br /> <br /> <br /> G = Max  1 − α<br /> <br /> Với α là hệ số ước lượng trên và β là sàn phổ<br /> được chọn tương ứng.<br /> Phương pháp MMSE (minimum mean<br /> square error) của Ephraim/Malah<br /> Trong<br /> phương<br /> pháp<br /> MMSE<br /> của<br /> Ephraim/Malah [7], các thành phần phổ của<br /> tiếng nói và nhiễu được mô hình thành các<br /> biến ngẫu nhiên Gaussian.<br /> Phân khung băng con tiếng nói thứ i thành các<br /> khung có độ dài bằng nhau. Ngưỡng nhiễu ước<br /> lượng trong khung thứ p và băng con thứ i là<br /> λ i , p được xác định theo Jansen [4].<br /> <br /> (R )<br /> <br /> i post<br /> m<br /> <br /> (R )<br /> <br /> i priori<br /> m<br /> <br /> và<br /> <br /> là các tỉ lệ hệ số trên<br /> <br /> ngưỡng CTR (Cofficient to Thershold Ratio)<br /> tiền nghiệm và hậu nghiệm:<br /> <br /> ( Rmi )<br /> <br /> priori<br /> <br /> | cmi |<br /> <br /> =<br /> <br /> λmi<br /> <br /> (9)<br /> <br /> Các ngưỡng nhiễu đối với từng hệ số cmi là λmi<br /> được ước lượng giống nhau trong từng khung.<br /> Nói cách khác trong khung p λmi = λ i , p .<br /> CTR hậu nghiệm tương ứng<br /> <br /> ( Rmi )<br /> <br /> post<br /> <br /> =α<br /> <br /> | cˆmi |<br /> <br /> (7)<br /> <br /> DW<br /> <br /> λ<br /> <br /> i<br /> m<br /> <br /> + (1−α)max[0,(Rim)priori -1] (10)<br /> <br /> IDW<br /> <br /> h<br /> <br /> ↓2<br /> <br /> cA<br /> <br /> ↑2<br /> <br /> h'<br /> <br /> g<br /> <br /> ↓2<br /> <br /> cD<br /> <br /> ↑2<br /> <br /> g'<br /> <br /> Hình 2. Phân tích Wavelet rời rạc tiếng nói<br /> <br /> 16<br /> <br /> N PSD ( w) <br /> , β  (8)<br /> X PSD ( w) <br /> <br /> Tiếng nói tái tạo<br /> Các hệ số<br /> chi tiết<br /> <br /> Đỗ Huy Khôi và Đtg<br /> <br /> Tạp chí KHOA HỌC & CÔNG NGHỆ<br /> <br /> Với α là một hệ số có thể thay đổi 0 < α <br /> 70 dB) thì sự phân biệt của các phương pháp<br /> là không đáng kể.<br /> 18<br /> <br /> KẾT LUẬN<br /> Dựa trên các kết quả nghiên cứu chúng tôi<br /> đánh giá phương pháp triệt nhiễu sử dụng<br /> biến đổi Wavelet thành các hệ số chi tiết, hệ<br /> số xấp xỉ và áp dụng triệt nhiễu cho từng<br /> thành phần hệ số với kỹ thuật trừ phổ và kỹ<br /> thuật MMSE của Ephraim/Malah là một kỹ<br /> thuật triệt nhiễu hiệu quả và có thể áp dụng<br /> trong khối tiền xử lý của các hệ thống xử lý<br /> tiếng nói thời gian thực như mã hóa, nhận<br /> dạng tiếng nói thời gian thực.<br /> TÀI LIỆU THAM KHẢO<br /> [1]. Hà Đình Dũng, Nguyễn Kim Quang, (2003),<br /> “Xây dựng bộ giảm nhiễu sử dụng phương pháp trừ<br /> phổ ứng dụng trong hệ thống nhận dạng tiếng nói”,<br /> Báo cáo hội thảo quốc gia CNTT, Thái Nguyên.<br /> [2]. Donoho, D. L, (1995), “Denoising via soft<br /> thresholding'', IEEE Trans. Information Theory.<br /> [3]. Gibert Strang, Truong Nguyen, (1996),<br /> Wavelet and Filter Banks, Weliesley- Cambridge<br /> Press, The United States of America.<br /> <br /> Đỗ Huy Khôi và Đtg<br /> <br /> Tạp chí KHOA HỌC & CÔNG NGHỆ<br /> <br /> [4]. Jansen M. , (2001), Noise Reduction by<br /> Wavelet Thresholding, Springer-Verlag, New<br /> York.<br /> [5]. S.F. Boll, “Suppression of Acoustic Noise in<br /> Speech Using Spectral Subtraction”, IEEE<br /> Transactions on Acoustics, Speech, and Signal<br /> Processing, vol. 27, April 1979, pp. 113-120.<br /> <br /> 99(11): 15 - 19<br /> <br /> [6]. Stéphane Mallat, (1999), A Wavelet Tour of<br /> Signal Processing, Second Edition.<br /> [7]. Y. Ephraim and D. Malah, (1985), “Speech<br /> enhancement using a minimum mean square error<br /> log-spectral amplitude estimator” IEEE Trans. on<br /> ASSP, pp. 443-445.<br /> <br /> SUMMARY<br /> SPEECH DENOISING AND ENHANCEMENT BASED<br /> ON DENOISING COMPONENT APPROXIMATIONS<br /> AND DETAILS IN THE WAVLET DOMAIN<br /> Do Huy Khoi, Nguyen Thanh Trung, Trinh Van Ha*<br /> College of Information and Communication Technology - TNU<br /> <br /> There are many researches about the methods of speech denoising and enhancement using wavelet<br /> in the world. Most of researches study the methods to estimate the global or sub band dependent<br /> threshold overall signal.<br /> In this paper, we present a speech denoising approach using discrete Wavelet transform ,with<br /> approximation coefficients based on spectral subtraction method and details coefficients based on<br /> MMSE methods. The simulation results show that the noisy speech denoised by our proposed<br /> method has higher SNR than the spectral subtraction denoising, the MMSE denoising and the<br /> Wavelet denoising of Dohono.<br /> Keyword: Wavelet, denoising, spectral subtraction , MMSE, PSNR (priori signal to noise ratio)<br /> speech processing.<br /> <br /> Ngày nhận bài:05/10/2012 , ngày phản biện: 20/10/2012, ngày duyệt đăng:10/12/2012<br /> *<br /> <br /> Tel: 0983 454755, Email: hatvhit@gmail.com<br /> <br /> 19<br /> <br />