Xử lý nâng cao chất lượng tiếng nói: Giải pháp và công nghệ

Nâng cao chất lượng tiếng nói là một lĩnh vực quan trọng trong công nghệ âm thanh. 76 trang · Đại học Bách Khoa Đà Nẵng · 2025.

• Tác giả: Nguyễn Thị Ngọc Diệp
• Trường học: Đại học Bách Khoa Đà Nẵng
• Chuyên ngành: Điện tử - Viễn thông
• Đề tài: Nâng cao chất lượng tiếng nói với công nghệ xử lý âm thanh
• Loại tài liệu: Đồ án tốt nghiệp
• Năm xuất bản: 2025
• Địa điểm: Đà Nẵng

Mục lục chi tiết

• LỜI CAM ĐOAN
• DANH MỤC CÁC TỪ VIẾT TẮT VÀ CÁC THUẬT NGỮ TIẾNG ANH
• 1. CHƯƠNG 1: TỔNG QUAN VỀ NÂNG CAO CHẤT LƯỢNG TIẾNG NÓI
• 1.1. Giới thiệu chương
• 1.2. Nâng cao chất lượng tiếng nói là gì ?
• 1.3. Lý thuyết về tín hiệu và nhiễu
• 1.3.1. Tín hiệu, hệ thống và xử lý tín hiệu
• 1.4. Lý thuyết về nhiễu
• 1.5. Tín hiệu rời rạc theo thời gian
• 1.6. Phép biến đổi Fourier của tín hiệu rời rạc DTFT
• 1.7. Quan hệ giữa biến đổi Z và biến đổi Fourier
• 1.8. Phép biến đổi Fourier ngược
• 1.9. Các tính chất của phép biến đổi Fourier
• 1.10. Phân tích tần số (phổ) cho tín hiệu rời rạc
• 1.11. Phổ tín hiệu và phổ pha
• 1.12. Các thuật toán sử dụng nâng cao chất lượng tiếng nói
• 1.12.1. Mô hình thống kê
• 1.13. Cơ chế tạo tiếng nói
• 1.13.1. Bộ máy phát âm của con người
• 1.13.2. Mô hình kỹ thuật của việc tạo tiếng nói
• 1.13.3. Phân loại âm
• 1.13.4. Thuộc tính âm học của tiếng nói
• 1.14. Kết luận chương
• 2. CHƯƠNG 2: ĐÁNH GIÁ CHẤT LƯỢNG TIẾNG NÓI
• 2.1. Giới thiệu chương
• 2.2. Phương pháp đánh giá chủ quan
• 2.2.1. Các phương pháp đánh giá tuyệt đối
• 2.2.1.1. Phương pháp đánh giá tuyệt đối ACR
• 2.2.2. Các phương pháp đánh giá tương đối
• 2.2.2.1. Đánh giá bằng phương pháp so sánh các mẫu tín hiệu
• 2.2.2.2. Phương pháp đánh giá theo sự suy giảm chất lượng
• 2.3. Phương pháp đánh giá khách quan
• 2.3.1. Đo tỷ số tín hiệu trên nhiễu trên từng khung
• 2.3.2. Đo khoảng cách phổ dựa trên LPC
• 2.3.2.1. Phương pháp đo LLR
• 2.3.2.2. Phương pháp đo IS
• 2.3.2.3. Phương pháp đo theo khoảng cách cepstrum
• 2.3.3. Đánh giá mô phỏng theo cảm nhận nghe của con người
• 2.3.3.1. Phương pháp đo Weighted Spectral Slope
• 2.3.3.2. Phương pháp đo Bark Distortion
• 2.3.3.3. Phương pháp đánh giá cảm nhận chất lượng thoại PESQ
• 2.4. Kết luận chương
• 3. CHƯƠNG 3: THUẬT TOÁN SPECTRAL–SUBTRACTION VÀ WIENER FILTERING
• 3.1. Giới thiệu chương
• 3.2. Sơ đồ khối chung của Spectral Subtraction và Wiener Filtering
• 3.3. Thuật toán Spectral Subtraction
• 3.3.1. Giới thiệu chung
• 3.3.2. Spectral subtraction đối với phổ biên độ
• 3.3.3. Spectral subtraction đối với phổ công suất
• 3.4. Thuật toán Wiener Filtering
• 3.4.1. Giới thiệu chung
• 3.4.2. Nguyên lý cơ bản của Wiener Filtering
• 3.5. Overlap và Adding trong quá trình xử lý tín hiệu tiếng nói
• 3.5.1. Phân tích tín hiệu theo từng frame
• 3.5.2. Overlap và Adding
• 3.6. Ước lượng và cập nhật nhiễu
• 3.6.1. Voice activity detection
• 3.6.2. Quá trình ước lượng và cập nhật nhiễu
• 3.7. Kết luận chương
• 4. CHƯƠNG 4: THỰC HIỆN VÀ ĐÁNH GIÁ CÁC THUẬT TOÁN
• 4.1. Giới thiệu chương
• 4.2. Quy trình thực hiện và đánh giá thuật toán
• 4.3. Lưu đồ thuật toán Spectral Subtraction
• 4.4. Lưu đồ thuật toán Wiener Filtering
• 4.5. Thực hiện thuật toán
• 4.6. Đánh giá chất lượng tiếng nói đã được xử lý
• 4.6.1. Cơ sở dữ liệu cho việc đánh giá
• 4.6.2. Tổng quan về quy trình đánh giá
• 4.6.3. Kiểm tra độ tin cậy của các phương pháp đánh giá
• 4.6.4. Thực hiện đánh giá
• 4.6.4.1. Đánh giá thuật toán với các hệ số dự đoán ban đầu
• 4.6.4.2. Tối ưu hệ số alpha cho thuật toán WF
• 4.6.4.3. Hệ số gamma cho thuật toán SS
• 4.6.4.4. Đánh giá thuật toán sau khi đã tối ưu
• 4.6.4.5. Đánh giá độ ổn định của thuật toán trong môi trường nhiễu khác
• 4.7. Kết luận chương
• TÀI LIỆU THAM KHẢO
• KẾT LUẬN ĐỒ ÁN VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI

Tóm tắt

I. Tổng quan về nâng cao chất lượng tiếng nói với công nghệ xử lý âm thanh

Nâng cao chất lượng tiếng nói là một lĩnh vực quan trọng trong công nghệ âm thanh. Việc cải thiện chất lượng tiếng nói không chỉ giúp tăng cường trải nghiệm người dùng mà còn hỗ trợ trong nhiều ứng dụng như hội nghị từ xa, nhận diện giọng nói và truyền thông. Công nghệ xử lý âm thanh hiện đại cho phép giảm thiểu nhiễu và cải thiện độ rõ của tín hiệu tiếng nói.

1.1. 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 nhiễu. Mục tiêu chính là làm cho tiếng nói dễ nghe hơn và giảm thiểu sự khó khăn cho người nghe trong môi trường có nhiễu.

1.2. Tầm quan trọng của công nghệ xử lý âm thanh

Công nghệ xử lý âm thanh giúp cải thiện chất lượng tín hiệu tiếng nói, đặc biệt trong các ứng dụng như điện thoại di động và hội nghị trực tuyến. Việc sử dụng các thuật toán xử lý âm thanh giúp giảm thiểu nhiễu và tăng cường độ rõ của giọng nói.

II. Các thách thức trong việc nâng cao chất lượng tiếng nói

Mặc dù có nhiều công nghệ hiện đại, việc nâng cao chất lượng tiếng nói vẫn gặp phải nhiều thách thức. Nhiễu từ môi trường xung quanh, sự biến đổi của tín hiệu và các yếu tố kỹ thuật khác đều ảnh hưởng đến chất lượng tiếng nói. Đặc biệt, việc xử lý tiếng nói trong môi trường ồn ào là một thách thức lớn.

2.1. Nhiễu và ảnh hưởng của nó đến chất lượng tiếng nói

Nhiễu có thể đến từ nhiều nguồn khác nhau như tiếng xe cộ, tiếng nói của người khác, hoặc tiếng ồn từ thiết bị. Những yếu tố này làm giảm chất lượng tín hiệu tiếng nói và gây khó khăn cho người nghe.

2.2. Sự biến đổi của tín hiệu tiếng nói

Tín hiệu tiếng nói có thể bị biến đổi do nhiều yếu tố như khoảng cách giữa người nói và microphone, hoặc sự thay đổi trong cách phát âm. Những biến đổi này có thể làm giảm tính dễ nghe của tiếng nói.

III. Phương pháp nâng cao chất lượng tiếng nói hiệu quả

Có nhiều phương pháp được sử dụng để nâng cao chất lượng tiếng nói, bao gồm các thuật toán xử lý tín hiệu như lọc Wiener và trừ phổ. Những phương pháp này giúp giảm thiểu nhiễu và cải thiện độ rõ của giọng nói.

3.1. Thuật toán lọc Wiener

Thuật toán lọc Wiener là một trong những phương pháp phổ biến để giảm nhiễu trong tín hiệu tiếng nói. Nó hoạt động bằng cách ước lượng nhiễu và điều chỉnh tín hiệu để cải thiện chất lượng.

3.2. Phương pháp trừ phổ

Phương pháp trừ phổ giúp loại bỏ nhiễu bằng cách phân tích phổ của tín hiệu. Kỹ thuật này cho phép tách biệt tín hiệu mong muốn và nhiễu, từ đó nâng cao chất lượng tiếng nói.

IV. Ứng dụng thực tiễn của công nghệ nâng cao chất lượng tiếng nói

Công nghệ nâng cao chất lượng tiếng nói được ứng dụng rộng rãi trong nhiều lĩnh vực như truyền thông, giáo dục và y tế. Việc cải thiện chất lượng tiếng nói không chỉ giúp tăng cường trải nghiệm người dùng mà còn hỗ trợ trong việc truyền tải thông tin chính xác.

4.1. Ứng dụng trong truyền thông

Trong truyền thông, việc nâng cao chất lượng tiếng nói giúp cải thiện trải nghiệm người nghe, đặc biệt trong các cuộc gọi video và hội nghị trực tuyến.

4.2. Ứng dụng trong giáo dục

Công nghệ này cũng được sử dụng trong giáo dục, giúp cải thiện khả năng nghe và phát âm của học sinh trong các lớp học trực tuyến.

V. Kết luận và tương lai của nâng cao chất lượng tiếng nói

Nâng cao chất lượng tiếng nói với công nghệ xử lý âm thanh là một lĩnh vực đang phát triển mạnh mẽ. Với sự tiến bộ của công nghệ, các phương pháp mới sẽ tiếp tục được phát triển để cải thiện chất lượng tiếng nói trong nhiều ứng dụng khác nhau.

5.1. Tương lai của công nghệ xử lý âm thanh

Công nghệ xử lý âm thanh sẽ tiếp tục phát triển, với các thuật toán ngày càng tinh vi hơn giúp nâng cao chất lượng tiếng nói trong các môi trường khác nhau.

5.2. Những thách thức cần vượt qua

Mặc dù có nhiều tiến bộ, vẫn còn nhiều thách thức cần giải quyết, đặc biệt là trong việc xử lý tiếng nói trong môi trường ồn ào và đa dạng.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Trong hệ thống thông tin liên lạc hiện đại, tiếng nói đóng vai trò phương tiện truyền tải thông tin cốt lõi. Tuy nhiên, sự phát triển của các dịch vụ thoại luôn đối mặt với vấn đề suy giảm chất lượng và mất mát tín hiệu do ảnh hưởng của môi trường truyền dẫn và các nguồn tạp âm. Nhiễu nền xuất hiện từ nhiều điều kiện thực tế như tiếng ồn động cơ ô tô, tiếng ồn trong nhà hàng, rung động trên tàu xe, tiếng gió hay môi trường buồng lái máy bay làm sai lệch cấu trúc tín hiệu gốc, gây khó khăn cho người nghe và làm suy giảm hiệu năng của các hệ thống xử lý tiếng nói tiếp theo (như hệ thống mã hóa hay nhận dạng tiếng nói). Do đó, các kỹ thuật nâng cao chất lượng tiếng nói (Speech Enhancement) được nghiên cứu nhằm nén nhiễu nền, khôi phục tín hiệu thoại và cải thiện cảm nhận âm thanh.

Khóa luận tốt nghiệp của sinh viên Nguyễn Thị Ngọc Diệp (lớp 04ĐT1, Khoa Điện tử - Viễn thông, Trường Đại học Bách Khoa - Đại học Đà Nẵng) tập trung vào đề tài nghiên cứu, hiện thực hóa và đánh giá các thuật toán nâng cao chất lượng tiếng nói. Trong đề tài phối hợp của nhóm ba sinh viên, mục tiêu và nhiệm vụ nghiên cứu được phân định rõ ràng như sau:

1. Nghiên cứu nguyên lý và hiện thực hóa thuật toán xử lý tiếng nói bằng phương pháp Trừ phổ (Spectral Subtraction - SS), do sinh viên Nguyễn Ngọc Trung đảm nhiệm.
2. Nghiên cứu nguyên lý và hiện thực hóa thuật toán xử lý tiếng nói bằng Bộ lọc Wiener (Wiener Filtering - WF), do sinh viên Nguyễn Phúc Nguyên thực hiện.
3. Nghiên cứu, xây dựng và thực thi các phương pháp đánh giá (gồm đánh giá chủ quan và đánh giá khách quan) để đo lường, kiểm chứng hiệu quả thực tế của hai thuật toán nêu trên, do sinh viên Nguyễn Thị Ngọc Diệp đảm nhiệm chính trong báo cáo đồ án này.

Đối tượng nghiên cứu của đồ án là tín hiệu tiếng nói bị suy biến bởi tạp âm trong các môi trường vật lý khác nhau; các thuật toán nén nhiễu đơn kênh trong miền tần số (Spectral Subtraction và Wiener Filtering); và các chỉ số đo lường chất lượng âm thanh khách quan. Phạm vi nghiên cứu về không gian tập trung vào các kịch bản nhiễu phổ biến bao gồm nhiễu xe hơi (car noise) và nhiễu người nói xung quanh (babble/restaurant noise), với mức áp suất âm thanh (SPL) và tỷ số tín hiệu trên nhiễu (SNR) đặc trưng trong thực tế. Về mặt kỹ thuật, nghiên cứu giới hạn trên tín hiệu rời rạc thời gian, tần số lấy mẫu 8 kHz, xử lý theo từng khung ngắn 10 ms đến 30 ms thông qua biến đổi Fourier rời rạc (DFT/FFT).

Cơ sở lý thuyết và phương pháp

Về mặt lý thuyết nền tảng, đồ án xây dựng trên các nguyên lý xử lý tín hiệu số rời rạc và mô hình truyền thanh:

• Lý thuyết tín hiệu và hệ thống rời rạc: Tín hiệu được mô hình hóa qua các hàm rời rạc cơ bản như xung đơn vị $\delta[n]$, bước nhảy đơn vị $u[n]$, và tín hiệu hàm sin rời rạc. Cơ sở chuyển đổi giữa miền thời gian và miền tần số sử dụng phép biến đổi Fourier thời gian rời rạc (DTFT) và biến đổi Z (ZT), trong đó điều kiện hội tụ của biến đổi Fourier gắn liền với miền hội tụ (ROC) chứa đường tròn đơn vị. Phổ tín hiệu rời rạc được phân tách thành phổ biên độ (hàm chẵn) và phổ pha (hàm lẻ).
• Mô hình âm học và cơ chế tạo tiếng nói: Tín hiệu tiếng nói được phân tích dựa trên mô hình kỹ thuật phát âm của con người gồm nguồn kích thích (không khí qua dây thanh âm) đi qua hệ thống ống phát âm (môi, răng, lưỡi, khoang miệng). Tiếng nói được phân loại thành các âm vị (nguyên âm, nguyên âm đôi, bán nguyên âm, phụ âm ma sát, phụ âm tắc, thì thầm). Đặc tính phổ của tiếng nói được coi là giả tĩnh trong các khoảng thời gian ngắn từ 10 ms đến 30 ms.
• Lý thuyết nhiễu và môi trường âm học: Nguồn nhiễu được phân loại theo tính chất phổ và thời gian. Nhiễu gió có năng lượng tập trung ở dải tần thấp dưới 500 Hz; trong khi nhiễu xe hơi, tàu hỏa và nhà hàng có năng lượng phân bố trên dải tần rộng. Cường độ âm thanh được định lượng bằng mức áp suất âm thanh (Sound Pressure Level - SPL tính bằng dB).
• Khung tiêu chuẩn đánh giá của ITU-T: Tác giả sử dụng các khuyến nghị của Hiệp hội Tiêu chuẩn Viễn thông Quốc tế (từ ITU-T Rec. P.800 đến P.830) làm căn cứ cho các phương pháp đánh giá chất lượng tiếng nói.

Phương pháp nghiên cứu thực nghiệm được triển khai theo quy trình kỹ thuật:

• Xử lý khung tín hiệu bằng Overlap and Add: Tín hiệu liên tục được chia thành các khung (frame) kích thước $N = 256$ mẫu sử dụng cửa sổ Hamming để đảm bảo tính ổn định cục bộ. Để triệt tiêu ảnh hưởng méo do tính phi tuyến của cửa sổ Hamming, các khung được xếp chồng (overlap) với tỷ lệ 40% hoặc 50% trước khi thực hiện biến đổi FFT và tái tạo lại bằng phép cộng dồn (adding).
• Thuật toán trừ phổ và bộ lọc tối ưu: Hiện thực hóa giải thuật Spectral Subtraction đối với cả phổ biên độ ($p=1$) và phổ công suất ($p=2$), tích hợp kỹ thuật chỉnh lưu bán sóng để triệt tiêu các thành phần phổ âm. Hiện thực hóa thuật toán Wiener Filtering dựa trên tiêu chuẩn sai số toàn phương trung bình tối thiểu (MMSE), với cơ chế ước lượng thông số Priori SNR và Posteriori SNR.
• Phương pháp ước lượng hoạt tính tiếng nói (VAD): Cập nhật phổ nhiễu trong các khoảng lặng của tín hiệu thoại nhằm phục vụ việc nén nhiễu thích nghi.
• Hệ thống đánh giá định lượng: Đồ án áp dụng các thước đo khách quan (Objective Evaluation - OE) bao gồm tỷ số tín hiệu trên nhiễu theo phân đoạn ($SNR_{seg}$), các phép đo khoảng cách phổ dựa trên hệ số dự đoán tuyến tính LPC (Log Likelihood Ratio - LLR, khoảng cách Itakura-Saito - IS, khoảng cách Cepstrum), và các phép đo mô phỏng thính giác người (Weighted Spectral Slope - WSS, Bark Spectral Distortion - BSD, Perceptual Evaluation of Speech Quality - PESQ).

Nội dung chính theo từng chương

Chương 1: Tổng quan về nâng cao chất lượng tiếng nói

Chương 1 thiết lập bức tranh tổng thể về lý thuyết tín hiệu số, đặc trưng âm thanh và bản chất của bài toán nâng cao chất lượng tiếng nói. Tác giả phân tích mục tiêu của Speech Enhancement là cải thiện chất lượng và tính dễ nghe; tuy nhiên, trong thực tế các thuật toán chủ yếu tập trung nén nhiễu nền nhưng thường gây ra sự đánh đổi là làm gia tăng độ méo tín hiệu. Nội dung chương hệ thống hóa các khái niệm toán học: tín hiệu rời rạc thời gian, phép biến đổi DTFT, mối quan hệ giữa biến đổi Z và DTFT thông qua đường tròn đơn vị, cùng các tính chất tuyến tính, dịch thời gian, dịch tần số và tích chập.

Về phương diện âm học, chương mô tả chi tiết cơ chế bộ máy phát âm của con người, phân loại các hệ âm vị trong tiếng Anh và xác định thuộc tính phổ của tiếng nói biến thiên chậm, cho phép phân tích theo từng khung 10-30 ms. Chương 1 cũng trình bày số liệu đo lường mức độ âm thanh và tương quan nhiễu trong các môi trường thực tế:

Môi trường	Mức áp suất âm của nhiễu (dB SPL)	Mức áp suất âm của tiếng nói (dB SPL)	Tỷ số SNR khuyến nghị/thực tế (dB)
Phòng học, nhà ở, bệnh viện, tòa nhà	50 – 55	60 – 70	5 – 15
Tàu điện ngầm, máy bay	70 – 75	70 – 75	Xấp xỉ 0

Nghiên cứu cũng ghi nhận nguyên lý âm học: khoảng cách tiêu chuẩn trong giao tiếp trực diện là 1 m; khi khoảng cách tăng gấp đôi thì mức cường độ âm thanh giảm đi 6 dB.

Chương 2: Đánh giá chất lượng tiếng nói

Chương 2 trình bày có hệ thống hai nhóm phương pháp đo lường chất lượng tín hiệu thoại sau xử lý:

• Phương pháp đánh giá chủ quan (Subjective Evaluation - SE): Dựa trên cảm nhận của người nghe theo các tiêu chuẩn ITU-T. Phương pháp đánh giá tuyệt đối phổ biến nhất là ACR với thang điểm MOS (Mean Opinion Scores) chia thành 5 mức từ 1 (Bad - rất khó chịu) đến 5 (Excellent - không nhận thấy méo). Các phương pháp tương đối gồm kiểm tra so sánh cặp (Paired Comparison/Preference Test), kiểm tra ngưỡng (Threshold/Isopreference Test), thang đo CCR (Comparison Category Rating từ -3 đến +3) và thang đo suy giảm chất lượng DCR (Degradation Category Rating từ 1 đến 5).
• Phương pháp đánh giá khách quan (Objective Evaluation - OE): Tập trung vào các thuật toán toán học trên mẫu tín hiệu. Đo tỷ số $SNR_{seg}$ trong miền thời gian (khung 15-20 ms) và miền tần số; tác giả chỉ ra hiện tượng sai lệch ở khoảng lặng và nêu giải pháp khống chế giá trị $SNR_{seg}$ trong khoảng [-10 dB, 35 dB] hoặc áp dụng biến thể log của Richards. Đo khoảng cách phổ qua hệ số LPC gồm thước đo LLR (nhạy với độ lệch đỉnh formant), thước đo khoảng cách Itakura-Saito (IS - đánh giá sai lệch cả về mức phổ và hệ số khuếch đại gain), và khoảng cách Cepstrum. Đối với các phương pháp mô phỏng thính giác, chương phân tích thước đo độ dốc phổ có trọng số WSS (Weighted Spectral Slope) với các hệ số tối ưu hóa hồi quy $\alpha = 20$, $\beta = 1$ cho hệ số tương quan đạt $\rho = 0.74$, cùng các giới thiệu về biến dạng phổ Bark (BSD) và chuẩn PESQ (ITU-T Rec. P.862) cho tín hiệu băng hẹp 3,2 kHz.

Chương 3: Thuật toán Spectral–Subtraction và Wiener Filtering

Chương 3 đi sâu vào bản chất toán học và sơ đồ khối chức năng của hai thuật toán xử lý nén nhiễu được nhóm lựa chọn:

• Sơ đồ khối tổng quát: Tín hiệu đầu vào bị nhiễu $y[n] = x[n] + d[n]$ được phân tích thành các khung liên tục bằng cửa sổ Hamming $N = 256$ mẫu, thực hiện biến đổi FFT sang miền tần số $Y(\omega)$. Tại đây, khối hàm xử lý giảm nhiễu kết hợp với khối ước lượng phổ nhiễu sẽ triệt tiêu thành phần nhiễu. Sau đó, tín hiệu được chuyển đổi ngược về miền thời gian qua IDFT và liên kết lại bằng kỹ thuật Overlap and Add với tỷ lệ chồng lấp 40% đến 50% để loại bỏ hiện tượng méo biên và tiếng ồn giả (musical noise).
• Thuật toán Trừ phổ (Spectral Subtraction): Dựa trên nguyên lý trừ trực tiếp phổ biên độ ước lượng của nhiễu $|\hat{D}(\omega)|$ ra khỏi phổ tín hiệu quan sát $|Y(\omega)|$. Đối với trừ phổ tổng quát: $|\hat{X}(\omega)|^p = |Y(\omega)|^p - |\hat{D}(\omega)|^p$, trong đó $p=1$ tương ứng trừ phổ biên độ và $p=2$ tương ứng trừ phổ công suất. Tác giả phân tích hàm nén $H(\omega) = |\hat{X}(\omega)|^2 / |Y(\omega)|^2$, chỉ ra tính chất đối xứng thực và không nhân quả của đáp ứng xung $h[n]$ trong miền thời gian, đồng thời đưa ra giải pháp chỉnh lưu bán sóng (gán bằng 0 khi phổ mang giá trị âm).
• Thuật toán Lọc Wiener (Wiener Filtering): Thiết lập đáp ứng tần số tối ưu dựa trên tiêu chuẩn MMSE: $G(\omega) = P_s(\omega) / [P_s(\omega) + P_d(\omega)] = \text{SNR}{pri} / [1 + \text{SNR}{pri}]$. Do phổ tín hiệu sạch không biết trước, thuật toán sử dụng hệ số đệ quy cập nhật nhiễu $\lambda$ và hệ số trọng số $\beta = 0.98$ (đặc biệt hiệu quả khi SNR đầu vào < 4 dB) để ước tính Priori SNR thông qua Posteriori SNR và hàm chỉnh lưu bán sóng.
• Ước lượng và cập nhật nhiễu: Trình bày thuật toán Voice Activity Detection (VAD) để bắt mẫu nhiễu trong khoảng lặng và phân tích giới hạn của VAD khi gặp nhiễu không dừng, đặt nền tảng cho việc cập nhật nhiễu liên tục khi có tiếng nói.

Chương 4: Thực hiện và đánh giá các thuật toán

Chương 4 trình bày các kết quả thực nghiệm mô phỏng và đo kiểm định lượng. Nhóm tác giả xây dựng lưu đồ giải thuật chi tiết cho cả SS và WF, sử dụng cơ sở dữ liệu mẫu âm thanh chuẩn bao gồm mẫu nguyên âm "eee" (lấy mẫu ở 8 kHz) và mẫu câu chuẩn "The wife helped her husband" (phân tích dạng sóng phụ âm "f" và nguyên âm "er").

Nội dung thực nghiệm tập trung vào:

• Kiểm tra độ ổn định của các thang đo khách quan OE trong hai môi trường: nhiễu xe hơi (car noise) và nhiễu người nói xung quanh (babble noise).
• Đánh giá dạng sóng và phổ spectrogram của tín hiệu sạch so với tín hiệu bị nhiễu xe hơi ở mức SNR = 10 dB, cùng tín hiệu sau khi khử nhiễu bằng thuật toán SS và WF.
• Tối ưu hóa các hệ số tham số thực thi: Khảo sát và lựa chọn hệ số $\alpha = 0.8$ cho thuật toán lọc Wiener; khảo sát tham số số mũ công suất $\gamma = 1$ và $\gamma = 2$ cho thuật toán trừ phổ SS; thiết lập ngưỡng đo khoảng cách phổ Itakura-Saito $IS = 0.15$ và tham số khoảng biên độ nhiễu $\text{NoiMargin} = 2$.
• Đo lường và đánh giá so sánh độ ổn định của hai thuật toán khi chuyển sang môi trường nhiễu biến đổi (nhiễu người nói xung quanh).

Kết quả và đóng góp

Khóa luận đã triển khai thành công mô hình mô phỏng và đưa ra các kết quả định lượng cụ thể:

• Thực hiện hoàn chỉnh quy trình phân khung tín hiệu (cửa sổ Hamming 256 mẫu, tỷ lệ chồng lấp 40% - 50%), biến đổi miền tần số và tái tạo tín hiệu không xuất hiện hiện tượng giả nhiễu.
• Tối ưu hóa thành công các hệ số vận hành của hai thuật toán: xác định hệ số $\alpha = 0.8$ mang lại hiệu quả nén nhiễu ổn định nhất cho thuật toán lọc Wiener; kiểm chứng hiệu quả của hệ số $\gamma = 1$ (trừ phổ biên độ) và $\gamma = 2$ (trừ phổ công suất) cho thuật toán Spectral Subtraction kết hợp tham số $\text{NoiMargin} = 2$ và $IS = 0.15$.
• Chứng minh khả năng nén nhiễu rõ rệt trên biểu đồ dạng sóng và phổ spectrogram ở kịch bản thử nghiệm nhiễu xe hơi tại mức SNR = 10 dB.
• Đóng góp so với các công trình trước: Nhóm tác giả tự xác định điểm mới của đồ án là không dừng lại ở việc mô phỏng lý thuyết thuật toán đơn thuần, mà đã xây dựng hoàn chỉnh hệ thống các phương pháp đánh giá khách quan (đo đạc định lượng qua $SNR_{seg}$, LLR, IS, WSS) để làm cơ sở khoa học đối sánh trực tiếp tính hiệu quả và độ ổn định của hai giải thuật SS và WF trong các môi trường nhiễu thực tế (nhiễu xe hơi và nhiễu người nói xung quanh).

Bảng tổng hợp đặc tính kỹ thuật của hai thuật toán trích xuất từ văn bản:

Tiêu chí	Thuật toán Trừ phổ (Spectral Subtraction - SS)	Thuật toán Lọc Wiener (Wiener Filtering - WF)
Cơ sở nguyên lý	Dựa trên kinh nghiệm và phép trừ trực tiếp phổ nhiễu ước lượng khỏi phổ tín hiệu quan sát	Dựa trên mô hình thống kê, tối thiểu hóa sai số toàn phương trung bình (MMSE)
Miền xử lý	Phổ biên độ ($p=1$) hoặc phổ công suất ($p=2$)	Phổ công suất, hàm truyền độ lợi $G(\omega)$
Đặc điểm toán học	Hàm nén đối xứng thực, bộ lọc miền thời gian không nhân quả	Hàm lọc phi tuyến dựa trên tỷ số Priori SNR và Posteriori SNR
Hệ số tham số tối ưu	Khảo sát với số mũ $\gamma = 1$ và $\gamma = 2$, $\text{NoiMargin} = 2$	Hệ số làm mịn $\beta = 0.98$ (cho SNR < 4 dB), hệ số tối ưu $\alpha = 0.8$
Hiện tượng tồn tại	Dễ xuất hiện phổ âm (cần chỉnh lưu bán sóng) và gây méo tín hiệu nếu trừ quá mức	Yêu cầu ước lượng Priori SNR phức tạp do không biết trước tín hiệu sạch

Hạn chế và hướng nghiên cứu tiếp

Dựa trên phạm vi và các phân tích kỹ thuật được đề cập trong văn bản, đồ án chỉ ra các hạn chế tồn tại:

• Cả hai thuật toán chỉ có khả năng cải thiện chất lượng cảm nhận âm thanh nhưng không thể bảo toàn nguyên vẹn độ trong suốt của tín hiệu; quá trình triệt nhiễu luôn đi kèm với việc làm gia tăng độ méo dạng tín hiệu tiếng nói, ảnh hưởng nhất định đến tính dễ nghe.
• Thuật toán Spectral Subtraction phụ thuộc nhiều vào việc ước lượng biên độ phổ tĩnh, dễ làm mất mát thông tin hữu ích nếu lấy hiệu quá lớn hoặc để lại nhiễu nền nếu lấy hiệu quá nhỏ.
• Kỹ thuật ước lượng nhiễu truyền thống thông qua bộ phát hiện hoạt tính thoại (VAD) chỉ đạt hiệu quả đối với nhiễu dừng hoặc nhiễu biến đổi chậm (như nhiễu quạt máy tính, nhiễu trắng). Đối với các môi trường có nhiễu thay đổi nhanh và không theo quy luật như tiếng ồn nhà hàng (tiếng người nói chuyện xen lẫn tiếng nhà bếp), việc ước lượng và cập nhật phổ nhiễu gặp nhiều sai số.

Hướng nghiên cứu tiếp theo mà tác giả đề xuất:

• Tiếp tục nghiên cứu và hoàn thiện các thuật toán ước lượng nhiễu liên tục hoạt động ngay trong lúc có tiếng nói (continuous noise estimation during speech activity) để nâng cao độ chính xác trong môi trường nhiễu không dừng.
• Mở rộng khảo sát thuật toán trên nhiều dải tỷ số SNR khác nhau và các môi trường giao thoa âm học phức tạp.

Giá trị tham khảo

Báo cáo đồ án tốt nghiệp là tài liệu tham khảo có giá trị học thuật đối với sinh viên, học viên chuyên ngành Kỹ thuật Điện tử, Viễn thông, Công nghệ Thông tin và các kỹ sư đang nghiên cứu về xử lý tín hiệu số, đặc biệt trong lĩnh vực xử lý âm thanh và tiếng nói:

• Phần tổng hợp phương pháp đánh giá (Chương 2): Cung cấp hệ thống công thức, cơ sở toán học và tiêu chuẩn đánh giá chi tiết (từ các khuyến nghị ITU-T như MOS, CCR, DCR đến các thuật toán định lượng khách quan như $SNR_{seg}$, LLR, Itakura-Saito, WSS, BSD, PESQ). Đây là tài liệu tham khảo hữu ích cho các nghiên cứu cần xây dựng khung đánh giá chất lượng tín hiệu.
• Kỹ thuật xử lý khung Overlap and Add (Chương 3): Mô tả rõ ràng quy trình chia khung bằng cửa sổ Hamming $N = 256$, tỷ lệ chồng lấp 40% - 50% và cách khôi phục tín hiệu, giúp người đọc nắm vững phương pháp khắc phục hiện tượng suy giảm tín hiệu và méo biên trong miền tần số.
• Quy trình tối ưu hóa tham số (Chương 4): Cung cấp các bộ tham số cụ thể ($\alpha = 0.8$, $\gamma = 1, 2$, $\beta = 0.98$, $\text{NoiMargin} = 2$, $IS = 0.15$) và phương pháp kiểm thử trên các mẫu âm thanh chuẩn, làm cơ sở đối chiếu cho các bài toán mô phỏng giảm nhiễu tiếng nói.

Câu hỏi thường gặp

1. Nhiệm vụ nghiên cứu cụ thể của từng thành viên trong nhóm đồ án được phân chia như thế nào?

Theo nội dung phần mở đầu, nhóm nghiên cứu gồm ba thành viên thực hiện ba mảng nội dung chuyên biệt:

• Sinh viên Nguyễn Ngọc Trung: Nghiên cứu và thực hiện thuật toán xử lý tiếng nói bằng phương pháp Trừ phổ (Spectral Subtraction).
• Sinh viên Nguyễn Phúc Nguyên: Nghiên cứu và thực hiện thuật toán xử lý tiếng nói bằng Bộ lọc Wiener (Wiener Filtering).
• Sinh viên Nguyễn Thị Ngọc Diệp: Nghiên cứu và thực hiện các phương pháp đánh giá (chủ quan và khách quan) để kiểm nghiệm kết quả của hai thuật toán trên trong môi trường thực tế.

2. Tại sao phải sử dụng cửa sổ Hamming kết hợp kỹ thuật Overlap and Add khi xử lý tín hiệu tiếng nói?

Tín hiệu tiếng nói biến đổi liên tục trong miền thời gian. Việc phân tích khung (frame) ngắn kích thước $N = 256$ mẫu giúp tín hiệu đạt trạng thái giả tĩnh cục bộ để áp dụng biến đổi FFT. Tuy nhiên, cửa sổ Hamming là cửa sổ phi tuyến làm suy giảm năng lượng ở hai đầu khung tín hiệu. Do đó, kỹ thuật xếp chồng (Overlap) với tỷ lệ 40% hoặc 50% kết hợp với phép cộng dồn (Adding) sau khi qua bộ biến đổi ngược IDFT là bắt buộc để bù trừ suy hao, đảm bảo tín hiệu tái tạo không bị méo dạng và ngăn chặn hiện tượng giả nhiễu.

3. Hiện tượng phổ âm trong thuật toán Spectral Subtraction phát sinh do đâu và được khắc phục bằng cách nào?

Khi thực hiện phép trừ phổ $|\hat{X}(\omega)| = |Y(\omega)| - |\hat{D}(\omega)|$, do sai số trong quá trình ước lượng phổ nhiễu $|\hat{D}(\omega)|$, một số thành phần tần số có thể nhận giá trị âm. Do biên độ phổ thực tế không thể âm, giải pháp được tác giả áp dụng là sử dụng hàm chỉnh lưu bán sóng (half-wave rectification): các thành phần tần số có hiệu số lớn hơn 0 được giữ nguyên, trong khi các thành phần âm được gán bằng 0.

4. Hệ số beta = 0.98 trong thuật toán lọc Wiener có vai trò gì và được áp dụng tối ưu trong điều kiện nào?

Hệ số $\beta = 0.98$ là tham số làm mịn được sử dụng trong phương trình ước lượng Priori SNR từ Posteriori SNR và phổ ước lượng của các khung trước đó. Theo ghi nhận thực nghiệm trong đồ án, hệ số $\beta = 0.98$ hoạt động rất tốt đối với các tín hiệu có tỷ số tín hiệu trên nhiễu đầu vào thấp, cụ thể là khi mức SNR nhỏ hơn 4 dB.

5. Sự khác biệt về mức áp suất âm thanh (SPL dB) và tỷ số SNR giữa môi trường sinh hoạt thông thường và môi trường giao thông đặc biệt là gì?

Theo số liệu tổng hợp tại Chương 1, trong các môi trường như phòng học, nhà ở, bệnh viện và các tòa nhà, mức âm của nhiễu dao động từ 50 đến 55 dB SPL, mức âm tiếng nói từ 60 đến 70 dB SPL, tạo ra tỷ số SNR hiệu quả từ 5 đến 15 dB. Ngược lại, tại các môi trường có mức ồn cực cao như tàu điện ngầm hoặc trên máy bay, mức âm của nhiễu đạt 70 đến 75 dB SPL, ngang bằng với mức âm tiếng nói (70 đến 75 dB SPL), khiến tỷ số SNR trong các môi trường này suy giảm nghiêm trọng về xấp xỉ 0 dB.

Kết luận

Đồ án tốt nghiệp của sinh viên Nguyễn Thị Ngọc Diệp đã hệ thống hóa toàn diện cơ sở lý thuyết xử lý tín hiệu tiếng nói, cơ chế âm học và các kỹ thuật nén nhiễu đơn kênh trong miền tần số. Đề tài đã hiện thực hóa thành công hai thuật toán kinh điển là Trừ phổ (Spectral Subtraction) và Lọc Wiener (Wiener Filtering), đồng thời xác định được các tham số vận hành tối ưu thông qua thực nghiệm mô phỏng trên các mẫu tín hiệu chuẩn. Điểm đóng góp nổi bật của công trình là việc xây dựng và ứng dụng hệ thống đánh giá khách quan đa chỉ tiêu, cung cấp cơ sở dữ liệu định lượng tin cậy để so sánh hiệu năng của các giải thuật nén nhiễu trong các môi trường âm học thực tế.

Trích đoạn nội dung tài liệu

Chương 1 : Tổng quan về nâng cao chất lượng tiếng nói 1.6 Phép biến đổi Fourier của tín hiệu rời rạc DTFT Phép biến đổi này áp dụng để phân tích cho cả tín hiệu và hệ thống. Nó được dùng trong trường hợp dãy rời rạc dài vô hạn và không tuần hoàn.9) n = −∞ Ta nhận xét thấy rằng tuy tín hiệu rời rạc trong miền thời gian nhưng DTFT lại liên tục và tuần hoàn trong miền tần số. DTFT chính là hàm phức theo biến tần số thực. Ta gọi DTFT là phổ phức (complex spectrum) hay ngắn gọn là phổ của tín hiệu rời rạc x[n].1 Sự hội tụ của phép biến đổi Fourier Không phải là tất cả DTFT đều tồn tại (hội tụ) vì DTFT chỉ hội tụ khi ∞ ∑ x[n]e n = −∞ − jΩn <∞ (1.2 Quan hệ giữa biến đổi Z và biến đổi Fourier ∞ Biểu thức tính ZT là: X ( z ) = ∑ x[n]z −n (1.12) n = −∞ Giả sử ROC có chứa đường tròn đơn vị.13) n = −∞ Như vậy, biến đổi Fourier chính là biến đổi Z tính trên đường tròn đơn vị.

Dựa vào đây, ta có thể phát biểu lại điều kiện tồn tại của DTFT như sau : SVTH: Nguyễn Thị Ngọc Diệp Trang 22 Chương 1 : Tổng quan về nâng cao chất lượng tiếng nói Biến đổi Fourier của một tín hiệu chỉ tồn tại khi ROC của biến Z của tín hiệu đó có chứa đường tròn đơn vị.3 Phép biến đổi Fourier ngược - Biểu thức tính biến đổi Fourier ngược Ta thấy X( Ω ) là một hàm tuần hoàn với chu kỳ 2π , do e jΩ tuần hoàn với chu kỳ 2π e jΩ = e j ( Ω + 2 π ) = e jΩ e j 2 π = e jΩ (1.14) Do đó dải tần số của tín hiệu rời rạc là một dải tần bất kỳ rộng 2 π , thường chọn là: ( −π , π ) hay (0,2 π ). Vậy ta có thể khai triển X( Ω ) thành chuỗi Fourier trong khoảng ( − π , π ) hay (0,2π ) nếu điều kiện tồn tại của X( Ω ) thoả mãn. Các hệ số Fourier là x[n], ta có thể tính được x[n] từ X( Ω ) theo cách sau: 1 jΩl Nhân 2 vế của biểu thức DTFT với e rồi lấy tích phân trong khoảng 2π ( − π , π ) tacó 1 π π 1 ⎡ ∞ − jΩn ⎤ jΩl ∞ ⎡ 1 π jΩ ( l − n ) ⎤ 2π −∫π jΩl X (Ω)e dΩ = ∑ x[n]e ⎥⎦e dΩ = n∑ 2π −∫π ⎢⎣ n=−∞ x[n]⎢ ∫ e dΩ⎥⎦ = x[l ] = −∞ ⎣ 2π −π (1.15) Thay l = n và thay cận tích phân, không nhất thiết phải là ( − π , π ) mà chỉ cần khoảng giữa cân trên và dưới là 2 π , ta được biểu thức tính biến đổi Fourier ngược (IDTFT) như sau 1 x[n] = ∫ 2π 2π X (Ω)e jΩn dΩ (1.16) Ta có thể tính IDFT bằng hai cách : một là tính trực tiếp tích phân trên, hai là chuyển về biến đổi Z rồi tính như biến đổi Z ngược. Tuỳ vào từng trường hợp cụ thể mà ta chọn phương pháp nào cho thuận tiện.4 Các tính chất của phép biến đổi Fourier Tính tuyến tính ax1[n] + bx2 [n] ↔ aX 1 (Ω) + bX 2 (Ω) (1.17) SVTH: Nguyễn Thị Ngọc Diệp Trang 23 Chương 1 : Tổng quan về nâng cao chất lượng tiếng nói Tính dịch thời gian (1.18) Qua đây ta thấy sự dịch chuyển tín hiệu trong miền thời gian sẽ không ảnh hưởng biên độ của DTFT, tuy nhiên pha được thêm một lượng.

Tính dịch tần số / điều chế x[n] ↔ X (Ω) jΩ 0 n e x[n] ↔ X (Ω − Ω 0 ) (1. Tính chập thời gian Tương tự như biến đổi Z, với biến đổi Fourier ta cũng có: F x1[n] * x2 [n] ←⎯→ X 1 (Ω) X 2 (Ω) (1.19) 1 2π 2∫π Tính nhân thời gian x1[n].5 Phân tích tần số (phổ) cho tín hiệu rời rạc Trong miền tần số, mỗi tín hiệu đều có một đặc điểm riêng của nó. Ví dụ như, tín hiệu sin chỉ có duy nhất một tần số đơn, trong khi nhiễu trắng chứa tất cả các thành phần tần số. Sự biến thiên chậm của tín hiệu là do tần số thấp, trong khi sự biến thiến nhanh và những xung nhọn là do tần số cao.

Như xung vuông chẳng hạn, nó chứa tất cả tần số và cả tần số cao. Phổ của tín hiệu là mô tả chi tiết các thành phần tần số chứa bên trong tín hiệu. Ví dụ như tín hiệu xung vuông, phổ của nó chỉ ra tất cả các đỉnh nhọn của các sóng sin riêng có thể kết hợp lại hợp với nhau tạo ra xung vuông. Thông tin này quan trọng vì nhiều lý do.

Ví dụ, thành phần tần số trong một mẫu nhạc chỉ cho ta biết các đặc trưng của loa, để từ đó khi sản xuất ta lại có cải tiến cho hay hơn. Để dự đoán các ảnh hưởng của bộ lọc trên tín hiệu, cần phải biết không chỉ bản chất của bộ lọc mà còn phải biết cả phổ của tín hiệu nữa. SVTH: Nguyễn Thị Ngọc Diệp Trang 24 Chương 1 : Tổng quan về nâng cao chất lượng tiếng nói 1.6 Phổ tín hiệu và phổ pha Phổ của tín hiệu gồm hai phần: phổ biên độ (magnitude spectrum) và phổ pha (phase spectrum). Phổ biên độ chỉ ra độ lớn của từng thành phần tần số.

Phổ pha chỉ quan hệ pha giữa các thành phần tần số khác nhau. Công cụ để tính phổ tín hiệu rời rạc không tuần hoàn là DTFT. Để tính phổ tín hiệu , ta qua hai bước : một là tính DTFT của tín hiệu – là X( Ω ), hai là tính biên độ và pha của X( Ω ) X ( Ω) = X ( Ω ) e j θ ( Ω ) (1.21) ở đây |X( Ω )| là phổ biên độ và θ ( Ω ) là phổ pha. Ta dễ dàng chứng minh được rằng đối với tín hiệu thực, phổ biên độ là một hàm chẵn theo tần số Ω và phổ pha là một hàm lẻ theo Ω.

Do đó, nếu biết phổ X( Ω ) trong khoảng 0 đến π , ta có thể suy ra phổ trong toàn dải tần số. Để dễ giải thích phổ, tần số số Ω từ 0 đến π thường được chuyển đổi thành tần số tương tự từ 0 đến fs/2 nếu tần số lấy mẫu là fs.6 Mẫu tiếng nói “eee” được lấy mẫu với tần số lấy mẫu 8kHz [11]. SVTH: Nguyễn Thị Ngọc Diệp Trang 25 Chương 1 : Tổng quan về nâng cao chất lượng tiếng nói 1.7 Các thuật toán sử dụng nâng cao chất lượng tiếng nói 1.1 Trừ phổ Spectral-subtraction (SS) hay còn gọi là trừ phổ là một thuật toán giảm nhiễu đơn giản nhất. Nó dựa trên nguyên lý cơ bản là nó sẽ mô tả và cập nhật nhiễu trong tín hiệu có nhiễu bằng cách thu nhiễu khi không có sự hiện diện của tín hiệu.

Và nhiễu đó sẽ được trừ với tín hiệu có nhiễu, kết quả là tín hiệu của chúng ta sau khi xử lý bằng thuật toán này sẽ được loại đi nhiễu và xét trên phương diện lý tưởng thì nó là tín hiệu sạch. SS lúc ban đầu được đề xuất bởi Weiss[8] trong miền tương quan, và sau đó được đề xuất bởi Boll [9] trong miền chuyển đổi Fourier.2 Mô hình thống kê Vấn đề của nâng cao chất lượng tiếng nói là phải đề ra được khung mô tả mang tính thống kê. Nó là một tập các phép đo tương ứng với hệ chuyển đổi Fourier của tín hiệu nhiễu, và chúng ta mong muốn sẽ tìm ra được một phương thức ước lượng tuyến tính hoặc phi tuyến các tham số có lợi, đó là hệ chuyển đổi của tín hiệu sạch. Hai thuật toán được sử dụng đó là thuật toán Wiener và minium mean-squared error(MMSE)[10].8 Tín hiệu tiếng nói Tín hiệu tiếng nói là tín hiệu liên tục và có phổ năng lượng thay đổi theo thời gian.

Tuy nhiên khi khảo sát trong một khoảng thời gian đủ ngắn (khoảng 10 đến 30 ms) thì đặc tính phổ của nó coi như không thay đổi. SVTH: Nguyễn Thị Ngọc Diệp Trang 26 Chương 1 : Tổng quan về nâng cao chất lượng tiếng nói 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]. Dạng sóng của tín hiệu có thể được chia thành một số phân đoạn tương ứng với các âm/từ. Trong ví dụ trên ta thấy một số phân đoạn có dạng sóng gần như tuần hoàn còn số khác thì không có tính tuần hoàn và bị nhiễu Những kiểu của đoạn tiếng nói_chu kỳ, nhiễu, khoảng lặng… thường được tìm thấy trong tiếng nói trôi chảy với sự thay đổi về cường độ, khoảng thời gian và đặc tính phổ.

SVTH: Nguyễn Thị Ngọc Diệp Trang 27 Chương 1 : Tổng quan về nâng cao chất lượng tiếng nói 1.9 Cơ chế tạo tiếng nói 1.1 Bộ máy phát âm của con người Hình 1.8 mặt cắt dọc của cơ quan tạo tiếng nói [11].2 Mô hình kỹ thuật của việc tạo tiếng nói Hình 1.9 mô hình kỹ thuật tạo tiếng nói[11]. SVTH: Nguyễn Thị Ngọc Diệp Trang 28 Chương 1 : Tổng quan về nâng cao chất lượng tiếng nói 1.3 Phân loại âm Các âm trong tiếng Anh được phân loại gồm: nguyên âm và nguyên âm đôi, bán nguyên âm, âm mũi, âm stops, fricative, africatives, whisper.10 bảng phân loại âm vị trong tiếng Anh của người Mỹ [11] 1.4 Thuộc tính âm học của tiếng nói Tín hiệu tiếng nói là tín hiệu tương tự, biểu diễn cho thông tin về 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.Tổ hợp các âm vị tạo nên âm tiết.

Âm tiết đóng vai trò một từ trọn vẹn mang ngữ nghĩa.10 Kết luận chương Chương này đã trình bày được mục đích chính của speech enhancement là triệt nhiễu hoặc là nén nhiễu trong tín hiệu tiếng nói đã bị nhiễu. Ngoài ra, nội dung của chương cũng đã nêu rõ được các loại nhiễu xuất hiện trong từng môi trường cụ thể để từ đó chúng ta có tìm ra được thuật toán xử lý thích hợp ứng với mỗi trường hợp cụ thể. SVTH: Nguyễn Thị Ngọc Diệp Trang 29 Chương 2 : Đánh giá chất lượng tiếng nói CHƯƠNG 2 : ĐÁNH GIÁ CHẤT LƯỢNG TIẾNG NÓI 2.1 Giới thiệu chương Cho đến nay đã có rất nhiều thuật toán nâng cao chất lượng tiếng nói, nhưng làm thế nào để đánh giá đúng hiệu quả của chúng.