MỞ ĐẦU. 1 CHUONG I: TONG QUAN VE TIENG NOI VA NHAN DANG NGUGI NOI TRONG TIENG NOL 1. Tổng quan tiếng nói 1. Tổng quan về lý thuyết nhận đạng tiếng nói 1.
Thông tin người nói trong tiếng nói 1. Vấn đề nhận dang và xác minh người nói qua giọng nói. Phân loại nhận đạng và xác thực người nói đựa vào chức năng của. Phân loại nhận đạng và xác thực người nói dựa theo từ khóa ul 1.
Đặc trưng tiếng nói liên quan đến thông tin người nói. Rút trích đặc trưng 1 1. Đặc trừng biên độ 4 1. Đặc trưng cao độ.
Đặc trừng phổ. 16 CHUONG I: MOT SO PHUONG PHAP PHAN LOP TRONG NHAN DANG NGUGI NOI QUA GIONG NOI 20 2. Kỹ thuật so khớp mẫu trực tiếp. Phương pháp so sánh mẫu trực tiếp cổ điễn đùng giải thuật thời gian déng (Dynamic time warping - DTW).
Phương pháp phân lớp đùng lượng tử hóa vector (Vector Quantization - VQ), 2. Phương pháp sử đụng mô hình pha trộn Gaussian, 30 2. Đặc tả mô hình 30 2.2 Ước lượng tham số mô hình GMM. Mô hình hỗa người nói không phụ thuộc văn bản với mô hình Gaussian Mixture Model - GMM 34 2.
Huấn luyện với mô hình Gaussian Mixture Model - GMM 2. Nhận dang với mé hinh Gaussian Mixture Model - GMM. Phân lớp bằng mô hình GMM-HMM. Đặc tả mô hình GMM-HMM.
GMM-HMM và bài toán định danh người nói 40 CHƯƠNG II: ĐÁNH GIÁ THỰC NGHIỆM PHƯƠNG PHÁP NHẬN DẠNG NGƯỜI NÓI DÙNG VQ VÀ MÔ HÌNH GMM. Lựa chọn cơ sỡ dữ liệu 3. Phạm vi của các cơ sở dữ liệu ATR. Thu thập dỡ liệu tiếng nói trong ATR.
Gán nhãn trong ATR. Cai đặt các phương pháp trên MATLAB, 3. Cài đặt phương pháp VQ. Cài đặt phương pháp GMM.
Kết quả của các phương pháp 3. Đánh giá các kết quả. TÀI LIỀU THAM KHẢO. DANH MUC BANG ‘Bang 1.1: Mét s6 gia tri cia tần số cơ bản ứng với giới tinh va độ tuôi.1: Thốngkề các thông số của cơ sỡ dữ liệu Bang 3.2: Các lớp phiên âm, Bang 3.3: Các kỹ hiệu âm thanh — âm cho lớp thứ 2 iv DANH MỤC HÌNH "Hình 1.
: Các ứng dụng xử lý tiếng nôi.2: Sơ đỗ nhận đạng tổng quát.4: Đặc trưng phổ formant đặc trưng cho cơ quan phát âm.5: Mô hình chung nhận dang người nói.6: Bài toán định danh người nồi.7: Bài toán xác thực người nồi.8: Phân loại bài toán nhận dạng người nói theo từ khóa.9: So dé rat trích vector đặc trưng tổng quát.10: Sơ đồ rút trích đặc trưng chỉ tiết 14 Hình 1.1 : Đặc trưng cao độ.12: Đặc trưng phé và đường bao phổ đặc trưng cho co quan phát âm17 Hình 1.13: Đỗ thị biểu điễn mối quan hệ giữa Mel và Hz.14: Các bước trích chọn đặc trưng, 18 "Hình 1.15: Bộ lọc trên thang Mel 19 "Hình 1.16: Bộ lọc trên tần số thật.17: Minh họa các bước biến đổi MFCC.1: Hai chuỗi đữ liệu trong DTW theo thời gian.2: Giãn tín hiệu có độ đài khác nhau: tín hiệu màu đỏ đã được giãn để có độ đài tương ứng với tín hiệu màu xanh 2 Hình 2.3: Khoảng cách Eucliđean tính cho 2 mẫu tiếng nói đã giãn đề có độ đài bằng nhau.4a: Huấn luyện 24 Hình 2.4b: Nhận dạng, 2 Hinh 2.5: Ham mật độ Gauss 30 Hình 2.6: Mô hình GMM.7: Hàm mật độ của GIMM có 3 phân phối Gauss.8: HMM với 3 trạng thái và trọng số chuyển trạng thái Hinh 2.9: Nhận đạng người nói ding HMM "Hình 2.10: Mé hinh GMM-HMM3 trạng thái Hình 3.1: Sơ đỗ khối hệ thống thu thập dữ liệu.2: Một ví dụ về kết quả phiên âm da ting.3: Thuật toán huấn luyện VQ.4: Thuật toán nhận dang VQ "Hình 3.5: Thuật toán huấn luyện GMM.6: Thuật toán nhận dang GMM. vi DANH MUC CHU VIET TAT VA Ki HIEU Ký tự Ýnghĩa F0 Tin s6 đao động cơ bản MECC Hệ số Cepstral tần số Mel IDFT Phép biển đổi Fourier ngược. DCT Phép biến đổi cosin rời rac GMM ‘M6 hinh Gaussian hén hop vọ KY thuật lượng từ hóa vector FFT "Phép biến đổi Fourier nhanh. MỠĐẦU ý do chọn đề tài Ti \g nói là phương tiện giao tiếp cơ bản của con người.
Vì vậy tiếng nói cũng là loại hình thông tin cơ bản và phổ biến nhất trong các hệ thống truyền thông. Tín hiệu tiếng nói mang nhiều thông tin, như thông tin ngôn. ngữ, thông tin về người nói, thông tin vi ắc thải tỉnh cảm khi nối, Hầu hết các hệ thống xử lý và nhận dang tiếng nói truyền ng tập trung vào xử lý các thông tin ngôn ngữ để đảm bảo nhận dang được nội dung ngôn ngữ hay ngữ nghĩa được nôi [5], [11]. Tuy nhiên đễ các ứng đụng xử lý tiếng nói trong máy tính cô thể được áp đụng rộng rãi trong thực tế, một trong.
những vấn đề quan trong cần đám bảo là khả năng nhận dang va xác minh người nói [2], [ Trên thế giới đã có nhiều nghiên cứu về nhận đạng người nói qua giọng. Tai Việt Nam cũng có một số nghiên cứu ban đầu, đặc biệt là một số nghiên cứu tại Viện Công nghệ thông tin [3] và Viện nghiên cứu ‘MICA~ Đại học Bách Khoa Hà Nội [1], [2]. Tuy nhiên 6 Viet Nam vẫn chưa có nhiều các nghiên cứu đánh giá một cách tổng hợp các phương pháp nhận dang người nói phổ biến. Đặc biệt, hai phương pháp nhận dang người nôi hiện đại dùng phép lượng tử hóa vector - VQ và mô hình pha trộn Gaussian - ;MM [10|, [12], [13] lại chưa được nghiên cứu nhiều tại Việt Nam.
Vi vay luận văn này nghiên cứu một số phương pháp nhận dạng người nói bằng giong nồi, tập trung vào hai phương pháp đùng phép lượng tử hóa vector và mô hình pha trộn Gaussian, đánh giá thực nghiệm các phương pháp, và đưa ra những khuyến nghị. Mục tiêu của để tài Luận văn nghiên cứu một số phương pháp nhận dạng người nói qua giong nói bao gi - Một số phương pháp truyền thống đùng so sánh mẫu trực tiếp với giải thuật thoi gian dong — DTW: - Phương pháp phân lớp đùng lượng tử hóa vector VQ - Phương pháp sử dụng mô hình pha trộn Gaussian ~ GMM. Sau đô đánh giá thực nghiệm các phương pháp đùng lượng tử hóa vector và ding mô hình pha trộn Gaussian GMM với cơ sở đữ liệu tiếng nói đa người nôi, và đưa ra những khuyến nghị. Đối tượng và phạm vi nghiên cứu Đối tượng nghiên cứu của luận văn là các phương pháp nhận dạng người nói bằng giọng nói.
Đây là đối tượng nghiên cứu được nhiều nhà nghiêncứu trên thể giới quan tâm trong thời gian gin day. Phạm vi của luận văn bao gồm nghiên cứu tổng quan vẻ tín hiệu tiếng. nói và thông tin người nói trong tiếng nôi, một phương pháp nhận đạng người nói, bao gồm phương pháp so sánh mnẫu trực tiếp đùng giải thuật thời gian động [9], phương pháp phân lớp đùng lượng tử hóa vector [14], và đặc biệt tập trung vào phương pháp sử đụng mô hình pha trộn Gaussian [10]. Luận văn cũng nghiên cứu đánh giá thực nghiệm các phương pháp đề đưa ra các khuyến nghỉ.
Phương pháp nghiên cứu Phương pháp nghiên cứu của luận văn là nghiên cứu các lý thuyết đã cô trên thể giới [1-15] đề phân tích, đánh giávề các phương pháp biến đổi thông tắn người nồi trong tiếng nồi. "Dựa trên các cơ sỡ lý thuyết và các phân tích, đánh giá, luận văn cũng sẽ nghiên cứu thực nghiệm một số phương pháp nhận dang người nôi qua giọng nói. Ý nghĩa khoa học và thực tiễn. "Như đã trình bày trong phần 1, nghiên cứu về thông tin người nói trong tiếng nôi và các phương pháp nhận đạng người nói qua giọng nói có vai trò quan trọng trong các hệ thống xử lý thông tin và truyền thông hiện đại.
Đây không phải đề nghiên cứu mới trên thể giới nhưng còn khá mới mẽ ở Việt "Nam. Đặc biệt, nghiên cứu tổng hợp về các phương pháp nhận dạng người nói qua giọng nói đùng phép lượng tir héa vector - VQ và mô hình Gaussian - GMM chua được nghiên cứu nhiều ở Việt Nam. Do vậy vấn đề nghiên cứu trong luận văn có ý nghĩa khoa học và thực tiễn. (CHUONG I: TONG QUA \N VE TIENG NÓI VÀ NHẬN DẠNG NGƯỜI.
Tổng quan về tiếng nói Âm thanh của lời nôi cũng như âm thanh trong thế giới tự nhiên xung quanh ta, về bản chất đều là những sóng âm được lan truyền trong một môi trường nhất định (thường là không khi). Khi nói đây thanh trong hầu bị chấn. động, tạo nên những sóng âm, sóng truyền trong không khí đến màng nhĩ — một màng mông rất nhạy cảm của tai ta, làm cho màng nhĩ cũng đao động, các day thin kinh mang nhĩ sẽ nhận được cảm giác âm khi tần số đao động của sóng đạt đến một độ lớn nhất định Tai con người chỉ cảm thụ được những đao động có tần số từ khoảng 16Hz đến khoảng 20000H1z. Những đao động trong miền tần số này gọi là dao động âm hay âm thanh, và các sống tương ứng gọi là sóng âm.
Những sóng có tần số nhõ hơn 16Hz gọi là sóng hạ âm, những sông có tằn số lớn hơn 20000Hz gọi là sống siêu âm nhưng con người không cảm nhận được. Sóng âm, sóng siêu âm, sóng hạ âm không chỉ lan truyền trong không khí mà còn có thể lan truyền tốt ở những môi trường. như rắn, lõng, đo đó cũng được sử dụng rất nhiều trong các thiết bị hiện đại. Tiếng nói là dang théng tin tự nhiên và phổ biến nhất đối với con người.
Từ khi lịch sử con người hình thành, con người đã biết sử dụng tiếng nói làm phương tiện giao tiếp chính, trãi qua hằng triệu năm trong quá trình tiến hóa và phát triển của loài người, tiếng nôi vẫn luôn giữ vai trò là phương. tiên giao tiếp cơ bản nhất. Kể từ khi máy tính và các ứng đụng của máy tính được nghiên cứu và ứng dụng rộng rãi, người ta cổ gắng dé may tính không chỉ có thể xử lý nhanh, nhiều ma quan trọng hơn nô đủ thông minh để thay thế con người. Một trong các tiêu chí quan trọng để đánh giá độ thông minh.
của máy tính chính là khả năng hiểu được ngôn ngữ tự nhiên của con người trong đồ có tiếng nói. Do vậy, trong khoảng một thập kỹ lại đây, lĩnh vực xử 1ý ngôn ngữ tự nhiên và tiếng nói đã được nghiên cứu rất rộng rãi trên: giới. Xử lý tiếng nói được hiểu là các thao tác, kỹ thuật xử lý trên máy tính. nhằm mục đích đưa tiếng nôi vào máy tính, xử lý theo yêu cầu và phát lại cho con người.
Yêu cầu xử lý ở đây phụ thuộc vào từng ứng đụng cụ thể như trong hình 1. Chẳng han dé có thể truyền tiếng nói tin cay và hiệu quả trên.