CHƯƠNG 1: TỔNG QUAN VỀ LPC (LINEAR PREDICTIVE CODING) 1. KHÁI NIỆM VỀ LPC Mã hóa dự đoán tuyến tính LPC là một phương pháp được sử dụng chủ yếu trong xử lý tín hiệu âm thanh và xử lý giọng nói để biểu diễn quang phổ của tín hiệu kỹ thuật số của lời nói ở dạng nén, sử dụng thông tin của mô hình dự đoán tuyến tính. LPC là phương pháp được sử dụng rộng rãi nhất trong mã hóa giọng nói và tổng hợp giọng nói. Đây là một kỹ thuật phân tích giọng nói mạnh mẽ và là một phương pháp hữu ích để mã hóa giọng nói chất lượng tốt ở tốc độ bit thấp.
TỔNG QUAN LPC bắt đầu với giả định rằng tín hiệu giọng nói được tạo ra bởi một bộ rung ở cuối ống (đối với âm thanh có giọng nói), thỉnh thoảng có thêm tiếng rít và âm thanh bật lên (đối với âm thanh không có giọng nói như sibilants và plosives). Mặc dù rõ ràng là thô sơ, mô hình Source-filter này thực sự là một xấp xỉ gần đúng với thực tế của việc sản xuất giọng nói. Đường thanh âm (cổ họng và miệng) tạo thành ống, được đặc trưng bởi sự cộng hưởng của nó; Những cộng hưởng này làm phát sinh các định hình, hoặc các dải tần số nâng cao trong âm thanh được tạo ra. Tiếng rít và tiếng bật được tạo ra bởi tác động của lưỡi, môi và cổ họng trong sibilants và plosives.
LPC phân tích tín hiệu giọng nói bằng cách ước tính các chất tạo hình, loại bỏ ảnh hưởng của chúng khỏi tín hiệu giọng nói và ước tính cường độ và tần số của tiếng vang còn lại. Quá trình loại bỏ các chất tạo hình được gọi là lọc nghịch đảo và tín hiệu còn lại sau khi trừ tín hiệu được lọc được gọi là dư lượng. Các con số mô tả cường độ và tần số của buzz, các formants và tín hiệu dư lượng, có thể được lưu trữ hoặc truyền đi một nơi khác. LPC tổng hợp tín hiệu giọng nói bằng cách đảo ngược quy trình: sử dụng các tham số buzz và cặn để tạo tín hiệu nguồn, sử dụng các formant để tạo bộ lọc (đại diện cho ống) và chạy nguồn thông qua bộ lọc, dẫn đến lời nói.
2 Tieu luan Bởi vì tín hiệu giọng nói thay đổi theo thời gian, quá trình này được thực hiện trên các đoạn ngắn của tín hiệu giọng nói, được gọi là khung. Nói chung, 30 đến 50 khung hình mỗi giây cho một bài phát biểu dễ hiểu với độ nén tốt. 3 Tieu luan CHƯƠNG 2: TỔNG QUAN VỀ TIẾNG NÓI VÀ XỬ LÝ TIẾNG NÓI 1. TIẾNG NÓI VÀ ĐẶC ĐIỂM CỦA TIẾNG NÓI Tiếng nói là một trong những phương tiện trao đổi thông tin của con người.
Tiếng nói được tạo ra từ tư duy của con người dưới sự chỉ đạo của trung khu thần kinh, mệnh lệnh phát sinh tiếng nói được phát ra và hệ thống phát âm thực hiện nhiệm vụ tạo âm thanh. Tiếng nói mà con người vẫn giao tiếp hàng ngày có bản chất là sóng âm thanh lan truyền trong không khí. Sóng âm thanh trong không khí là sóng dọc sinh ra do sự dãn nở của không khí. Tín hiệu âm thanh là tín hiệu biến thiên liên tục về thời gian và biến độ, có dải tần số rất rộng.
Tuy nhiên tại người chỉ có thể nhận biết được các sóng âm có tần số trong khoảng 20 - 20000 (Hz). Những sóng âm có tần số lớn hơn 20000 Hz gọi là sóng siêu âm. Những sóng có tần số nhỏ hơn 20 Hz gọi là sóng hạ âm. Thực tế người ta có thể hạn chế dải tần số của tín hiệu tiếng nói trong khoảng từ 300 đến 3500 Hz.
Do đó, quá trình phân tích cũng như tổng hợp tiếng nói chỉ cần dùng một số nhất định các tham số cũng đủ để biểu diễn tín hiệu tiếng nói mà não người xử lý.1 Mô phỏng quá trình truyền tiếng nói trong không khí Về bản chất vật lí, sóng âm, sóng siêu âm, sóng hạ âm không khác gì nhau và cũng như các sóng cơ học khác. Sự phân biệt như trên là dựa vào khả năng cảm thụ các sóng cơ học của tai con người, do các đặc tính sinh lí của tai người quyết định. Vì vậy sóng âm thanh được phân biệt hai loại đặc tính là đặc tính vật lý và đặc tính âm học. Đặc tính vật lý của âm thanh Bản chất âm thanh tiếng nói là sóng cơ học nên có các tính chất cơ bản của sóng cơ học.
Các tính chất của sóng cơ học mang một ý nghĩa khác khi xét trên góc độ là âm thanh tiếng nói. Tín hiệu âm thanh tiếng nói là một tín hiệu ngẫu nhiên không dừng, tuy nhiên những đặc tính của nó tương đối ổn định trong những khoảng thời gian ngắn (vài chục mili giây). Trong khoảng thời gian nhỏ đó tín hiệu gần tuần hoàn, có thể coi như tuần hoàn. Độ cao (Pitch) Độ cao hay còn gọi là độ trầm bổng của âm thanh chính là tần số của sóng cơ học.
Âm thanh nào phát ra cũng ở một độ cao nhất định. Độ trầm bổng của âm thanh phụ thuộc vào sự chấn động nhanh hay chậm của các phần tử trong không khí trong một đơn vị thời gian nhất định. Nói cách khác, độ cao của âm phụ thuộc vào tần số dao động. Đối với tiếng nói, tần số dao động của dây thanh quy định độ cao giọng nói của con người và mỗi người có một độ cao giọng nói khác nhau.
Độ cao của nữ giới thường cao hơn so với nam giới và độ cao tiếng nói của trẻ em cao hơn so với nữ giới, điều này cũng tương tự đối với tần số của dây thanh. Cường độ Cường độ chính là độ to nhỏ của âm thanh, cường độ càng lớn thì âm thanh có thể truyền đi càng xa trong môi trường có nhiễu. Nếu xét trên góc độ sóng cơ học thì cường độ chính là biên độ của dao động sóng âm, nó quyết định cho năng lượng của sóng âm. Trong tiếng nói, cường độ của nguyên âm phát ra thường lớn hơn phụ âm.
Do vậy chúng ta thường dễ phát hiện ra nguyên âm hơn so với phụ âm. Tuy nhiên đối với tai người giá trị tuyệt đối của cường độ âm 1 không quan trọng bằng giá trị tỉ đối của 1 so với một giá trị Io nào đó chọn làm chuẩn. Người ta định nghĩa mức cường độ âm L là logarit thập phân của tỉ số I/I: (đơn vị mức cường độ là Ben - kí hiệu B) L(B)=lg(I/I0) 1. Trường độ Trường độ hay độ dài của âm phụ thuộc vào sự chấn động lâu hay nhanh của các phần tử không khí.
Cùng một âm nhưng trong các từ khác nhau thì độ dài khác nhau. Âm sắc Âm sắc là bản sắc, sắc thái riêng của một âm, cùng một nội dung, cùng một độ cao nhưng khi nói mỗi người đều có âm sắc khác nhau. Đặc tính âm học của âm thanh Tín hiệu tiếng nói là tín hiệu tương tự biểu diễn cho thông tin về mặt ngôn ngữ và được mô tả bởi các âm vị khác nhau. Tuỳ theo từng ngôn ngữ cụ thể mà số lượng các âm vị nhiều hay ít.
Thông thường số lượng các âm vị vào khoảng 20 – 30 và nhỏ hơn 50 đối với mọi ngôn ngữ. Đối với từng loại âm vị mà có các đặc tính âm thanh khác nhau. Các âm vị được chia thành hai loại nguyên âm và phụ âm. Tổ hợp các âm vị tạo nên âm tiết.
Âm tiết đóng vai trò một từ trọn vẹn mang ngữ nghĩa. Nguyên âm Nguyên âm được tạo ra bằng sự cộng hưởng của dây thanh khi dòng khí được thanh môn đẩy lên. Khoang miệng được tạo lập thành nhiều hình dạng nhất định tạo thành các nguyên âm khác nhau. Số lượng các nguyên âm phụ thuộc vào từng ngôn ngữ nhất định.
Mỗt nguyên âm được đặc trưng bởi 3 formant đầu tiên, các formant tiếp theo thường thì ít mang thông tin hơn. Phụ âm Phụ âm được tạo ra bởi các dòng khí hỗn loạn được phát ra gần những điểm co thắt của đường dẫn âm thanh do cách phát âm tạo thành. Dòng không khí tại chỗ đóng của vòm miệng tạo ra phụ âm tắc. Những phụ âm xát được phát ra từ chỗ co thắt lớn nhất và các âm tắc xát tạo ra từ khoảng giữa.
Phụ âm có đặc tính hữu thanh và vô thanh tuỳ thuộc việc dây thanh có dao động để tạo thành cộng hưởng không. Đặc tính của phụ âm tuỳ thuộc vào tính chu kỳ của dạng sóng, phổ tần số, thời gian tồn tại và sự truyền dẫn âm. Tỷ suất thời gian Trong khi nói chuyện, khoảng nói chuyện và khoảng nghỉ xen kẽ nhau. Phần trăm thời gian nói trên tổng số thời gian nói và nghỉ được gọi là tỷ xuất thời gian.
Giá trị này biến đổi tuỳ thuộc vào tốc độ nói và từ đó ta có thể phân loại thành nói nhanh, nói chậm hay nói bình thường. Hàm năng lượng thời gian ngắn Hàm năng lượng thời gian ngắn của tiếng nói được tính bằng cách chia tín hiệu tiếng nói thành nhiều khung chứa N mẫu và tính diện tích trung bình tổng các mẫu tín hiệu trong mỗi khung. Các khung này được đưa qua một cửa sổ có dạng hàm như sau: Thông thường có ba dạng cửa sổ được sử dụng đó là cửa sổ chữ nhật, cửa sổ Hamming và cửa sổ Hanning. Cửa sổ chữ nhật: Cửa sổ Hamming: Cửa sổ Hanning: 7 Tieu luan Hàm năng lượng ngắn tại mẫu thứ m được tính theo công thức sau : Hàm năng lượng thời gian ngắn của âm hữu thanh thường lớn hơn so với âm vô thanh.
Tần số vượt qua điểm không Tần suất vượt qua điểm không là số lần biên độ tín hiệu tiếng nói vượt qua giá trị không trong một khoảng thời gian cho trước. Thông thường giá trị này đối với âm vô thanh lớn hơn âm hữu thanh do đặc tính ngẫu nhiên của âm vô thanh. Do đo tần suất vượt qua điểm không là tham số quan trọng để phân loại âm hữu thanh và âm vô thanh. Phát hiện điểm cuối Trong xử lý tiếng nói việc xác định khi nào bắt đầu xuất hiện tín hiệu tiếng nói và khi nào kết thúc quá trình nói rất cần thiết và quan trọng.
Trong một môi trường nhiều tiếng ồn (nhiễu) hoặc môi trường nhiều người nói thì việc phát hiện điểm kết thúc rất khó khăn. Có rất nhiều phương pháp để phát hiện điểm cuối của tiếng nói. Ví dụ như một phương pháp đơn giản sau : Lấy một mẫu nhỏ của nền nhiễu trong khoảng thời gian yên lặng trước khi bắt đầu nói. Sử dụng hàm năng lượng thời gian ngắn để tính năng lượng cho mẫu.