Đặt vấn đề - bài toán cooktail-party 27 4.2 Mô hình ICA cơ bản 30 4.3 Các điểm không xác định trong ICA 31 4.4 Sự độc lập thống kê 32 4.1 Bất tƣơng quan 32 4.2 Độc lập thống kê 33 4.3 Tính phi Gauss 33 4.4 Hạn chế của ICA 34 4.5 Ƣớc lƣợng ICA 34 4.1 Phƣơng pháp ICA sử dụng tính phi Gauss 35 4.2 Phƣơng pháp ICA sử dụng thông tin hỗ tƣơng 43 4.3 Phƣơng pháp ICA sử dụng tính phi tƣơng quan phi tuyến 44 4.6 PCA và ICA 45 4.7 Kết luận 48 Chƣơng 5. THUẬT TOÁN FASTICA 49 5.1 Tiền xử lý ở ICA 49 5.2 Trắng hóa 50 vii Luan van 5.2 Xấp xỉ hóa negentropy 53 5.3 Thuật toán FastICA 54 Chƣơng 6. THỰC NGHIỆM TÁCH ÂM 58 6.1 Mô hình thực hiện 58 6.2 Chuẩn đánh giá 59 6.3 Thực nghiệm và kết quả 60 6.4 Kết luận 77 Chƣơng 7. KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN 78 TÀI LIỆU THAM KHẢO 82 PHỤ LỤC 84 Thuật toán FastICA 84 viii Luan van DANH MỤC TỪ VIẾT TẮT/ KÍ HIỆU KHOA HỌC Ký tự viết tắt Tiếng Anh Tiếng Việt BEM Boundary Element Method phương pháp phần tử biên BSP Blind Signal Processing Xử lý tín hiệu mù BSS Blind Sources Separation Phân tách nguồn mù BEM Boundary Element Method phương pháp phần tử biên FDTD Finite Difference Time Domain phương pháp miền thời gian vi sai hữu hạn FEM Finite Element Method phương pháp phần tử hữu hạn ICA Independent Component Phân tích các thành phần độc Analysis lập IC Independent Component Thành phần độc lập PCA Principal Component Analysis Phân tích các thành phần chính PDF probability density function Hàm mật độ xác suất STFT Short Time Fourier Transform Biến đổi Fourier thời gian ngắn ix Luan van DANH SÁCH CÁC HÌNH HÌNH TRANG Hình 2.1: Cấu trúc hình học một phòng đơn giản 4 Hình 2.2: Minh họa đáp ứng xung và trường âm của khán phòng thu được 5 Hình 2.3: Các mô hình chính thống mô tả âm học phòng 6 Hình 2.4: Các tuyến âm trực tiếp và phản xạbậc một và hai 8 Hình 2.5: Theo phương pháp nguồn ảnh, nguồn âm phản xạ tại mỗi bề mặt 9 Hình 2.6: Các nguồn ảnh tìm được trong một khán phòng 10 Hình 2.7: Chia đáp ứng xung phòng thành âm trực tiếp 11 Hình 3.1 : Tách mù văn bản từ một tín hiệu bị trùng lặp 14 Hình 3.2 : Ứng dụng trong y tế của bài toán xử lý tín hiệu mù 15 Hình 3.3 : Thu nhiều tín hiệu tác động vào não bộ dùng EEG và MEG 16 Hình 3.4 : Năm mẫu của dòng tiền mặt theo trình tự thời gian 17 Hình 3.5 : Bốn thành phần độc lập được tìm thấy từ các dữ liệu dòng tiền mặt 18 Hình 3.6 : Môi trường truyền thông không dây 19 Hình 3.7: Bài toán xử lý tín hiệu mù trong quân sự 20 Hình 3.8 : Ứng dụng BSS trong xử lý âm thanh 21 Hình 4.1: Các tín hiệu âm gốc s1 t , s2 t và s3 t 28 Hình 4.2: Hỗn hợp lai ghép của các tín hiệu âm trong hình 4.3: Các ước lượng của tín hiệu gốc 29 Hình 4.4 : Mục đích của phân tách nguồn mù 30 Hình 4.5 : Hàm mật độ xác suất của phân bố Gauss 36 Hình 4.6 : Hàm mật độ xác suất của phân bố Laplace 36 Hình 4.7 : Phân bố đều 37 Hình 4.8 : Minh họa định lý giới hạn trung tâm 37 Hình 4.9 : Sự phân bố chung của các thành phần độc lập 38 Hình 4.10 :Mật độ của một thành phần độc lập phân bố đều 39 x Luan van Hình 4.11 : Phân bố chung của hai thành phần độc lập 39 Hình 4.12 :Mật độ phân bố của các tín hiệu trộn xi t 40 Hình 4.12: PCA của đám mây dữ liệu hai chiều 46 Hình 4.13: PCA tìm kiếm trục trực giao theo hướng cực đại phương sai 47 Hình 3.14: Hình chiếu hai cụm dữ liệu vào một trục sử dụng PCA và ICA 47 Hình 6.1: Minh họa quá trình tạo tín hiệu lai ghép với kỹ thuật phòng ảo 58 Hình 6.2: Sơ đồ hệ thống tách âm 59 Hình 6.3 : Trộn âm 61 Hình 6.4 : Tách âm 61 Hình 6.5 :Tín hiệu nguồn ban đầu 63 Hình 6.6 : Tín hiệu trộn 64 Hình 6.7 : Tín hiệu được ước lượng theo phương pháp ICA 65 Hình 6.8 :Biểu diễn các tín hiệu trong thực nghiệm 2 66 Hình 6.9 :Biểu diễn các tín hiệu trong thực nghiệm 3 69 Hình 6.10 : Tín hiệu nguồn s1, s2, s3, s4, s5 71 Hình 6.12:Tín hiệu ước lượng y1, y2, y3, y4, y5 72 Hình 6.13:Tín hiệu nguồn s1, s2,, s10 73 Hình 6.14 : Tín hiệu trộn x1, x2,, x10 74 Hình 6.15 : Tín hiệu ước lượng y1, y2,, y10 75 xi Luan van DANH SÁCH CÁC BẢNG BẢNG TRANG Bảng 6.1: Danh sách các nguồn âm thực nghiệm 62 Bảng 6.2: Kết quả đánh giá thực nghiệm 2 67 Bảng 6.3: Kết quả đánh giá thực nghiệm 3 68 Bảng 6.4: Kết quả đánh giá thực nghiệm 4 70 Bảng 6.5: Kết quả đánh giá thực nghiệm 5 76 xii Luan van Chƣơng 1 TỔNG QUAN 1.
Lý do chọn đề tài Gần đây, công nghệ xử lý tiếng nói, xử lý ảnh, truyền thông không dây, mạng và các thiết bị thông tin cá nhân đã và đang đuợc phát triển rất mạnh mẽ. Bắt đầu từ những năm 90 những nghiên cứu và thành công trong công nghệ mang lại tính năng hỗ trợ đa phương tiện, dễ sử dụng, nhỏ gọn và linh động. Một trong những công nghệ tham gia và phát triển hỗ trợ như vậy chính là xử lý tiếng nói. Mặc dù, nghiên cứu trong lĩnh vực đã tiến hành từ vài thập kỷ qua, nhưng nó vẫn còn là vấn đề cần quan tâm và làm sáng tỏ hơn.
Xử lý tiếng nói được tóm gọn phát triển trong năm hướng [1] thì ba trong số đó là có liên quan đến nhận dạng tiếng nói. Công việc nghiên cứu này thực ra không còn gì mới mẻ với nhiều nghiên cứu trên thế giới và cảở Việt Nam. Tuy nhiên để đạt đến sự hoàn thiện theo tham vọng của chúng ta thì vẫn còn những bước rất dài phía trước. Kết quả của bài toán tách tín hiệu tiếng nói là cơ sở cho rất nhiều những ứng dụng trong thực tiễn liên quan tới xử lý tiếng nói.
Kết quả của quá trình tách có tốt thì kết quả của nhận dạng mới chính xác được.Ví dụ như trong mô hình nhận dạng tiếng nói, tức là chuyển từ tiếng nói sang dạng text, tín hiệu đưa vào để nhận dạng được lấy từ dữ liệu ở các micro thu. Do đó, để có dữ liệu tiếng nói cho quá trình nhận dạng, trước hết cần tách ra được tín hiệu mong muốn từ dữ liệu bị trộn lẫn và chịu ảnh hưởng của môi trường từ các micro thu để không chỉ lấy được tín hiệu tiếng nói nào đó cần xử lý mà còn làm "sạch" nó khỏi nhiễu. Vậy suy nghĩ tự nhiên sẽ là: từ nhiều tín hiệu âm đã đƣợc trôn lẫn, làm thế nào để khôi phục lại từng tín hiệu nguồn riêng lẻ? 1 Luan van Giải pháp như vậy sẽ được đề cập và giải quyết trong luận văn này, mà phương pháp chính có tên là: phân tích thành phần độc lập (Independent Component Analysis_ICA) [2],[3],[4],[5].2 Mục tiêu nghiên cứu Luận văn này góp phần trình bày kiến thức tổng quan về bài toán phân tách nguồn mù âm thanh, kỹ thuật ICA. Trên cơ sở đó lựa chọn một thuật toán ICA hiệu quả đểứng dụng tách các nguồn âm mù độc lập.3 Nhiệm vụ nghiên cứu Trong luận văn này, trình bày tổng quan về bài toán phân tách nguồn mù âm thanh, kỹ thuật ICA và ứng dụng vào việc tách âm, thuật toán fastICA.
Người thực nghiên cứu tập trung vào các vấn đề tách nguồn xác định nơi số nguồn bằng số lượng các kênh trong hỗn hợp quan sát (số trộn).4 Khách thể và đối tƣợng nghiên cứu Luận văn thực hiện tách âm. Mỗi nguồn phát được tạo từ các mẫu âm chuẩn và thu mẫu từ máy tính với tốc độ lấy mẫu là 8KH mã hoá PCM 16 bit. Chiều dài mỗi đoạn dữ liệu mẫu là 10 giây. Do không có điều kiện thu trực tiếp nên ở đây các thực nghiệm tiến hành trên tín hiệu thu ảo, tức là mô tả ma trận lai ghép qua đặc trưng phòng âm hoặc là một ma trận hệ số bất kỳ.5 Giả thuyết nghiên cứu Người nghiên cứu thực hiện tất cả thực nghiệm dựa trên mô hình ICA cơ sở tuân theo giả thuyết về đặc trưng nguồn phát: độc lập và phi Gauss; tuân theo giả thuyết là quá trình lai ghép xảy ra tức thì, không nhiễu, số đầu thu bằng số tín hiệu.6 Phạm vi nghiên cứu Phạm vi nghiên cứu trong luận văn này là người thực nghiên cứu tập trung vào các vấn đề tách nguồn âm xác định nơi số nguồn bằng số lượng các kênh trong hỗn hợp quan sát (số trộn).7 Phƣơng pháp nghiên cứu Luận văn nghiên cứu lý thuyết kết hợp với thực nghiệm để kiểm chứng, cụ thể tiến hành theo các bước như sau: 2 Luan van - Tìm hiểu các vấn đề lý thuyết cụ thể gồm: tổng quan về bài toán xử lý mù, phương pháp phân tích thành phần độc lập, lý thuyết và mô hình toán của thuật toán fastICA.Sau đó áp dụng tách nguồn mù âm thanh bằng thuật toán FastICA.
- Thực hiện mô phỏng trên phần mềm mô phỏng Matlab 2013a.8Kế hoạch thực hiện Thời gian thực hiện Nội dung thực hiện 23/2/2015 – 20/3/2015 Nghiên cứu thuật toán fastICA 20/3/2015 – 20/6/2015 Thực hiện tách âm bằng thuật toán fastICA 20/6/2015 – 20/7/2015 Đánh giá chất lượng của âm tách 20/7/2015 – 20/8/2015 Viết báo cáo luận văn tốt nghiệp 3 Luan van Chƣơng 2 KỸ THUẬT PHÒNG ẢO Việc thử nghiệm mô hình ICA với nhiều nguồn tín hiệu và nhất là tín hiệu âm thanh đòi hỏi thực hiện với tín hiệu nhân tạo. Cụ thể là lấy tín hiệu âm thực chập với đáp ứng xung biết trước của một căn phòng. Lý do bởi số đầu thu giới hạn và khó mở rộng mạng thu âm. Ngoài ra có hai yếu tố quan trọng đối với thử nghiệm nhân tạo: một là giới hạn kích thước bộ lọc tách, hai là với các bộ lai biết trước, xác định ma trận giả lai trộn sẽ dễ dàng hơn trong phân tích định lượng, so sánh kết quả.
Phần này sẽ trình bày các giải pháp xác định đáp ứng xung của một căn phòng từ các thông số đặc tả của chúng. Kết quả là cơ sở cho việc hình thành ma trận lai trong mô hình ICA cơ sở.1Kỹ thuật âm học phòng Hình2.1 biểu diễn cấu trúc hình học đơn giản của một phòng và các tuyến truyền trực tiếp và phản xạ của âm.