Luận văn: Các phương pháp tăng cường chất lượng tiếng nói - Nguyễn Xuân Việt

Tổng hợp các phương pháp tăng cường chất lượng tiếng nói và giảm nhiễu. Luận văn phân tích chi tiết thuật toán xử lý tín hiệu như trừ phổ, lọc Wiener.

• Tác giả: Nguyễn Xuân Việt
• Người hướng dẫn: PGS.TS Trịnh Văn Loan
• Trường học: Trường Đại Học Bách Khoa Hà Nội
• Chuyên ngành: Công Nghệ Thông Tin
• Đề tài: Tìm Hiểu Một Số Phương Pháp Tăng Cường Chất Lượng Tiếng Nói
• Loại tài liệu: Luận Văn Thạc Sĩ Kỹ Thuật
• Năm xuất bản: 2014
• Địa điểm: Hà Nội

Tóm tắt

I. Khái niệm về tăng cường chất lượng tiếng nói

Tăng cường chất lượng tiếng nói là quá trình xử lý tín hiệu âm thanh nhằm cải thiện độ rõ ràng và giảm thiểu tạp âm. Đây là một lĩnh vực quan trọng trong xử lý tín hiệu số và các ứng dụng viễn thông hiện đại. Quá trình này liên quan đến việc phân tích tín hiệu tiếng nói, xác định các thành phần nhiễu và loại bỏ chúng mà vẫn giữ nguyên thông tin gốc. Chất lượng tiếng nói được đánh giá thông qua các chỉ số khách quan như SNR (Signal Noise Ratio) - tỉ số tín hiệu trên nhiễu, và các chỉ số chủ quan thông qua nhận thức của người nghe. Các phương pháp tăng cường chất lượng đã trở thành nhu cầu thiết yếu trong các ứng dụng như: cuộc gọi điện thoại, hội nghị truyền hình, và các hệ thống nhận diện giọng nói.

1.1. Định nghĩa và tầm quan trọng

Nâng cao chất lượng tiếng nói hay Speech Enhancement là kỹ thuật loại bỏ tạp âm từ tín hiệu âm thanh. Tầm quan trọng của nó nằm ở việc cải thiện khả năng hiểu rõ thông tin âm thanh trong các môi trường có tiếng ồn cao. Điều này đặc biệt quan trọng đối với những người khiếm thính, các ứng dụng viễn thông, và các hệ thống tự động xử lý giọng nói.

1.2. Ứng dụng thực tiễn

Các ứng dụng của tăng cường chất lượng tiếng nói rất đa dạng: từ các hệ thống viễn thông hiện đại, điều khiển giọng nói tới thiết bị trợ thính. Trong các cuộc gọi video, chất lượng âm thanh được cải thiện giúp người dùng giao tiếp hiệu quả hơn, giảm sự mệt mỏi của tai. Các ứng dụng nhận dạng giọng nói cũng cần đầu vào âm thanh sạch sẽ để đạt độ chính xác cao.

II. Thuật toán giảm nhiễu phổ Spectral Subtraction

Phương pháp trừ phổ hay Spectral Subtraction là một trong những thuật toán hiệu quả nhất để giảm tạp âm từ tín hiệu tiếng nói. Phương pháp này hoạt động dựa trên nguyên lý: ước lượng phổ tần số của nhiễu và trừ nó khỏi phổ tần số của tín hiệu gốc. Quá trình này được thực hiện bằng cách áp dụng Phép biến đổi Fourier nhanh (FFT) để chuyển tín hiệu từ miền thời gian sang miền tần số. Sau đó, phổ nhiễu được ước lượng trong những khoảng thời gian im lặng và được trừ khỏi phổ tín hiệu. Thuật toán này cho kết quả tốt nhưng có thể tạo ra âm thanh "vẩn vơ" nếu không điều chỉnh tham số hợp lý. Phương pháp này được ứng dụng rộng rãi trong các hệ thống xử lý tiếng nói thực tế.

2.1. Nguyên lý hoạt động

Spectral Subtraction dựa trên giả định rằng phổ tín hiệu = phổ tiếng nói + phổ nhiễu. Bằng cách ước lượng phổ nhiễu trong các đoạn không có tiếng nói, thuật toán có thể trừ nó khỏi tín hiệu gốc. Quá trình sử dụng FFT để chuyển đổi tín hiệu, tính toán phổ biên độ, áp dụng Cửa số Hamming để phân khúc tín hiệu thành các khung nhỏ.

2.1. Ưu và nhược điểm

Ưu điểm của phương pháp trừ phổ là đơn giản, tính toán nhanh và hiệu quả cao với nhiều loại tiếng ồn. Nhược điểm là dễ tạo ra âm thanh vẩn vơ do trừ quá mức, và không thích hợp với nhiễu không ổn định. Thuật toán này cần điều chỉnh tham số alpha thích hợp để cân bằng giữa loại bỏ nhiễu và bảo toàn chất lượng tiếng nói.

III. Bộ lọc Wiener trong tăng cường tiếng nói

Bộ lọc Wiener hay Wiener Filter là một thuật toán tối ưu để giảm thiểu lỗi bình phương trung bình (MMSE) khi xử lý tín hiệu tiếng nói bị nhiễu. Khác với Spectral Subtraction, bộ lọc này dựa trên nguyên lý thống kê và yêu cầu kiến thức về các đặc tính của tín hiệu tiếng nói và nhiễu. Thuật toán Wiener Filter tính toán hàm lọc tối ưu bằng cách cực tiểu hóa sai số bình phương giữa tín hiệu ước lượng và tín hiệu gốc. Phương pháp này đặc biệt hiệu quả khi tỉ số tín hiệu trên nhiễu (SNR) thấp. Bộ lọc Wiener có thể được triển khai trong miền tần số hoặc miền thời gian, tùy thuộc vào yêu cầu của ứng dụng. Phương pháp này được sử dụng rộng rãi trong các ứng dụng viễn thông chuyên nghiệp.

3.1. Cơ chế hoạt động của bộ lọc Wiener

Wiener Filter hoạt động bằng cách tính toán hệ số lọc tối ưu dựa trên nguyên lý MMSE. Thuật toán cần ước lượng các tham số thống kê như phương sai của tiếng nói và nhiễu. Sau đó, bộ lọc được áp dụng theo từng khung tín hiệu để loại bỏ thành phần nhiễu mà vẫn giữ lại thành phần tiếng nói. Phương pháp này thích hợp cho các môi trường có đặc tính nhiễu ổn định.

3.2. So sánh với các phương pháp khác

So với Spectral Subtraction, Wiener Filter có hiệu suất tốt hơn ở SNR thấp nhưng yêu cầu tính toán phức tạp hơn. Bộ lọc này tạo ra âm thanh tự nhiên hơn và ít âm thanh vẩn vơ hơn. Tuy nhiên, thuật toán Wiener cần thông tin chính xác về đặc tính nhiễu, điều này không phải lúc nào cũng khả thi trong thực tế.

IV. Các phương pháp đánh giá chất lượng tiếng nói

Để đánh giá hiệu quả của các thuật toán tăng cường tiếng nói, cần sử dụng các phương pháp đánh giá khách quan và chủ quan. Đánh giá khách quan (OE - Objective Evaluation) sử dụng các chỉ số kỹ thuật như SNR (tỉ số tín hiệu trên nhiễu), LLR (Log Likelihood Ratio), và Itakura-Saito. Các chỉ số này so sánh tín hiệu đầu vào và đầu ra của thuật toán để đánh giá mức cải thiện. Đánh giá chủ quan (SE - Subjective Evaluation) dựa vào cảm nhận của người nghe thông qua các bảng đánh giá như MOS (Mean Opinion Scores) hay ACR (Absolute Categories Rating). Phương pháp đánh giá này kết hợp cả hai tiêu chí khách quan và chủ quan để có cái nhìn toàn diện về chất lượng tiếng nói được cải thiện.

4.1. Chỉ số đánh giá khách quan

Các chỉ số khách quan như SNR, LLR, và Itakura-Saito được tính toán tự động dựa trên so sánh tín hiệu. SNR đo tỉ lệ giữa năng lượng tín hiệu và nhiễu, là chỉ số phổ biến nhất. LLR được sử dụng trong xử lý tiếng nói để so sánh các hệ số dự đoán. Các chỉ số này nhanh chóng và khách quan nhưng không luôn phản ánh chính xác chất lượng nghe thực tế.

4.2. Đánh giá chủ quan và MOS

Đánh giá chủ quan (Subjective Evaluation) yêu cầu người nghe đánh giá chất lượng tiếng nói trên thang điểm từ 1 đến 5. Mean Opinion Scores (MOS) là trung bình cộng của các đánh giá này, phản ánh chính xác chất lượng nghe của con người. Phương pháp này tốn thời gian nhưng cung cấp cái nhìn sâu sắc giá trị về hiệu quả tăng cường chất lượng tiếng nói.

Trích đoạn nội dung tài liệu

Chương 1: Tìm hiểu chung vẻ tín hiệu tiếng nói và chất lượng tiếng nói, các DANH MUC HINA VA BANG BIEU 1Hình 1.1 Mô hình tạo tiếng nói. sexy sexy sexy Linh 1. sexy sexy sexy Linh 1.3 Dạng vả sự phân bê phổ năng lượng trưng binh nhiễu trên xe.4 Mức nhiễu và tiếng nói (đo bing SPL dB) trong cdc môi trường i Khao hau. cesses ¬—-- ¬—-- ¬—-- lại Bang 2.2 Thang diém dành giả chất lượng tiếng nói theo MOR.3 Thang điểm đánh giả chất lượng tin hiệu tiếng nói theo CC.4 Thang đánh giá DƠH.1 Sơ đỏ khỏi cho bai thuật toán 88 vả WE.2 Sơ dỏ khối của thuật toán Trừ phô.

TH sexy Hình 3.3 Sơ dỏ khối của thuật toán lọc Wiener.4 Phân tích tin hiệu thành các khung,.4 Sơ dỏ thuật toán phân tích tin hiệu thánh các khung.5 Quá trình thực liện xếp chồng và cộng Hình 3.5 Thuật toán xếp chẳng và công Hình 4.2 Trữ phố Hinh 4.3 Luu dé thuat loan WE.4 Tín hiệu có nhiều và sau khi lọc nhiễu bằng WE Hình 4.5 Tín hiện sạch sau khi đã lọc nhiễu MỤC LỤC LOI CAM ĐOAN. ọciSnneiiierreere ¬—-- ¬—-- DANH MỤC HÌNH VẢ BẰNG BIẾU. se ee CHUONG I: TONG QUAN V 1. sexy sexy sexy bow 1.1 Téng, quan về tiếng nói con người 1.2 Tổng quan về nãng cao chất lượng tiếng nói.

“OO 12 Tim hiểu về tín hiệu và nhiều.1 Tim hiểu vẻ tín hiệu.2 Tìm hiểu về nhiễn. Tín hiệu rồi rạc theo thời gian 1.1 Tin hiệu xung đơn vị 1.1in hiệu bậc don vi.3 Tin hiệu hảm sin rồi rạc.4 Tin hiệu hàm mũ. CHƯƠNG II: XỨT,Ý VÀ ĐÁNH GIÁ CHẤT TƯỢNG TÍN HIẾU THÌNG NÓI 3.1 Xử lý tín hiệu số 2.2 Phép biến đổi Fourier. sexy sexy sexy 3.Các thuật toán sử dụng nâng cao chất lượng tín hiệu tiếng nói 2.1 Spectral-subtraction-Trix phd.2 Thuật toán Mô hình thẳng kê 2.3 Đảnh giá chất lượng tiếng nói.2 Phương pháp đánh giá khách quan.

¬—-- ¬—-- CHƯƠNG II. MỘT SỐ THƯẬT TOÁN TRƠNG XỬ LÝ VÀ TĂNG CƯỜNG CHAT LƯỢNG TIN HIBU TIENG NOI MỤC LỤC LOI CAM ĐOAN. ọciSnneiiierreere ¬—-- ¬—-- DANH MỤC HÌNH VẢ BẰNG BIẾU. se ee CHUONG I: TONG QUAN V 1.

sexy sexy sexy bow 1.1 Téng, quan về tiếng nói con người 1.2 Tổng quan về nãng cao chất lượng tiếng nói. “OO 12 Tim hiểu về tín hiệu và nhiều.1 Tim hiểu vẻ tín hiệu.2 Tìm hiểu về nhiễn. Tín hiệu rồi rạc theo thời gian 1.1 Tin hiệu xung đơn vị 1.1in hiệu bậc don vi.3 Tin hiệu hảm sin rồi rạc.4 Tin hiệu hàm mũ. CHƯƠNG II: XỨT,Ý VÀ ĐÁNH GIÁ CHẤT TƯỢNG TÍN HIẾU THÌNG NÓI 3.1 Xử lý tín hiệu số 2.2 Phép biến đổi Fourier.

sexy sexy sexy 3.Các thuật toán sử dụng nâng cao chất lượng tín hiệu tiếng nói 2.1 Spectral-subtraction-Trix phd.2 Thuật toán Mô hình thẳng kê 2.3 Đảnh giá chất lượng tiếng nói.2 Phương pháp đánh giá khách quan. ¬—-- ¬—-- CHƯƠNG II. MỘT SỐ THƯẬT TOÁN TRƠNG XỬ LÝ VÀ TĂNG CƯỜNG CHAT LƯỢNG TIN HIBU TIENG NOI 3.1 Thuật toán Trừ phỏ. sexy sexy sexy 3.1 Sơ đồ khải chung của thuật toán.2 Thuật toán Specwal Subtraction (thuật toán trừ phổ).3 Phương pháp đánh giá mục tiên của (huật toàn.2 Thuật toán bộ lọc Wiener.1 Giới thiệu chung.2 Nguyên lý cơ bản của lọc Wiener.3 Xếp chẳng và cộng trong quá trinh xử lý tín hiệu tiếng nói.1 Phân tích tín hiệu theo từng Kung 3.2 Xếp chéng va céng (Cverlap and adding).3 Ước lượng vá cập nhật nhiều.4 Phát hiện tiếng nói (Voice activity đetection), 3.5 Qui trình tước lượng và cập nhật nhiễn CHUONG 4: THƯC HIỆN VÀ DANH GIA CAC THUAT TOAN.1 đi thiệu chương, 4.2 Lưu dễ thực hiện vá đánh giả thuật toán.3 Lưu đồ thuật toản Trừ phẩ.4 Liu dé thuật toán lọc WViener 4.5 Thực hiện thuật toán 4.6 Các thông số ánh hướng dền thuật toản.7 Phát triển thuật toán 1rừ phỏ từ thuật toán Lọc Wiener.8 Nhận xét và kết luận.

KET LUAN LUAN VAN VA HUGNG PHÁT TRIẾN TRIẾN TIẾP THEO PHU LUC CHAY THUC NGHTEM VÀ CAC BROAN CODE MATLAB DANH MUC TU VIET TAT Từ viết tắt TiếngAnh Nghĩa tiếng Việt ACR Absolute Categories Rating | Đánh giá theo giá tị tuyệt dối CCR Comparison Category Rating | Binh gia bing cdch so sinh DCR Degradation Category Rating | Đánh giá suy giâm chất lượng DET Discrete Fourier Transform Phép biến đổi Fourier rai rae DIFT [Discrete-Time Fourier Transform P22? Pi» 46; Fourier của tìnhiệu ron rac. FFT Fast Fourier Transform Thép bién di Fourier nhanh DIET Inverse Discrete Fourier | Phép biến đối ngược Fowierrời Transform, rac 1§ Itakura_Saito International ars Ines tian obra itn ha Ur ‘Telecommunications Union | HAP B51 Geachan Vien thong Telecommunication auecte LLR Log likehook Ratio Log ty 16 tuong déng LPC Linear Prediction Coefficients Hệ số dự đoán tuyên tỉnh: LT Linear Time-Invariant Hệ thông tuyến tính va bat bien theo thời gian. MMSE Minium Mean-Squared Frror_ | *: thiéu bod bình saiphương, lệch trung bình Mos Mean Opinion Scores Đánh giá theo quan điểm người nghe OE Objective Evaluation Danh gid khach quan PC Personal Compuler Mãy tính cá nhân ROC Region of Convergence Miễn hội tu LOT NOT BAU Trơng thời đại của công nghé thong lin va di dong, chat, long tin biéu liéng noi la một vẫn dé kha quan trong va phổ biến. Tăng cường tin hiệu tiếng nói dã co nhiều ứng dụng trong các hệ thống nhận đạng tiếng nói tự động cũng như truyền thông đi động, đặc biệt trong các môi trường có độ rhiễn cao, nơi mổ (ÿ số ln hiệu trén nhiéu (Signal Noise Ratio-SNR) rit thap, lam suy giám chất lượngtiếng nói một cách dang kế.

Trong các hệ thống nhận dạng tiếng nói, việc áp đụng các thuật taán. tăng cường chất lượng tin hiệu nhằm mục đích giảm sự tác động của nhiễu có thé Tang lại sự cái thiện đáng kế chất lượng nhận dạng. Trong các hệ thông thông tin di động, chất lượng tín hiệu tiếng nói thường bị thoái hóa hay suy giảm chất lượng do sự tác động của nhiều loại nhiễu khác nhau lrên kênh truyền thông. Vì vậy nang cao chất lượng tín hiệu tiếng nói là thực sự cần thiết trong các hệ thông thông tin di động.

Whiéu hé théng nang cao chất hương tín hiệu tiếng nói đá được phát triển trên xiến tầng áp dụng trừ phổ tín hiệu|6J và bộ lọc lọc Wiener|7Í. Đặc diễm chung của tất cả những phương pháp này là dự đoản công suất phổ của tin hiệu tiếng nói sạch bằng cách sử dụng phổ năng lượng của In hiệu liễng nói có hiếu và phổ năng, lượng của nhiều. Để có phổ năng lượng của nhiễu âm thanh, thông thường người ta thực hiện ước lượng phố cửa nó trong tin hiệu tiếng nói có nhiễu nhưng chỉ tại những vững im lặng (vùng không xuất hiện tiếng nói, hay vùng tín hiệu giữa hai từ). Từ đó, đã hình thánh nên một số giải pháp truyền thống trong xử lý nâng cao chất lượng tiếng nói thực hiện đánh giá rác lượng phổ nhiễu dựa trên mô hình thông kê.

Trong luận văn này, tôi sẽ trình bảy tổng quan về xử lý nâng cao chất lượng. tiếng nói cũng như nghiên cứu một số thuật toán khử nhiễu wong tín hiệu tiếng mỏi dựa trên kỹ thuật trừ phỏ và lọc Wiennor, Luận văn nay được tô chức như sau: Chương 1: Tìm hiểu chung vẻ tín hiệu tiếng nói và chất lượng tiếng nói, các nguyén ly hoat déug và cơ chế của tin hiệu Chương 2: Dưa ra các phương pháp xứ lý, đánh giá chất lượng tiếng nói vả giới thiệu chung cáo thuật Loán thực hiện giãn nhiễu để tăng cường chất lượng lin hiệu tiếng nói. Chương 3: Trình bày chỉ tiết một số thuật toán nâng cao chất lượng tín hiệư tiếng nói như: thuật toán giâm nhiễu bằng phương pháp trừ phố (Spectral Subtraction), thuật boán giảm nhiễu bằng bộ lọc (Wiener Eilte), và một số thuật toán khác. Chương 4: Trình bảy lưu để thuật toán cũng rửnr chỉ tiết hóa các bước thực hiện cho thuật toán.

'Thực nghiệm và so sánh đảnh giá cho một số thuật toán, SE Subjective Evaluation Đánh giá chủ quan SNR Signal Noise Ratio Tỉ số tín hiệu trên nhiễu SPL. Sound Pressure evel Mức áp suất arm thanh 88 Spectral Subtraction 'Trử phổ, SVD Singular Value Decomposition | Phép phân tích giá tị đơn VAD Voice Activity Deleclon) Thát biện tiếng nói Thuật toán giôm nhiều tín hiệu WE Wiener Filter tiếng nói bằng cách sử dụng bộ lọc Wiener. WSS Weighted Spectral Slope Do theo trong sé ctia phé “yr # Transform Phép biến dôi Z Speech Linhancement Nang cao chất lượng tiếng nói Statistical-model-based Dựa trên nguyên lý thống kê Frame Khung tín hiệu 1lamming Window' Cửa số Iamming Overlap va Adding Xếp chồng và thêm mới 3.1 Thuật toán Trừ phỏ. sexy sexy sexy 3.1 Sơ đồ khải chung của thuật toán.2 Thuật toán Specwal Subtraction (thuật toán trừ phổ).3 Phương pháp đánh giá mục tiên của (huật toàn.2 Thuật toán bộ lọc Wiener.1 Giới thiệu chung.2 Nguyên lý cơ bản của lọc Wiener.3 Xếp chẳng và cộng trong quá trinh xử lý tín hiệu tiếng nói.1 Phân tích tín hiệu theo từng Kung 3.2 Xếp chéng va céng (Cverlap and adding).3 Ước lượng vá cập nhật nhiều.4 Phát hiện tiếng nói (Voice activity đetection), 3.5 Qui trình tước lượng và cập nhật nhiễn CHUONG 4: THƯC HIỆN VÀ DANH GIA CAC THUAT TOAN.1 đi thiệu chương, 4.2 Lưu dễ thực hiện vá đánh giả thuật toán.3 Lưu đồ thuật toản Trừ phẩ.4 Liu dé thuật toán lọc WViener 4.5 Thực hiện thuật toán 4.6 Các thông số ánh hướng dền thuật toản.7 Phát triển thuật toán 1rừ phỏ từ thuật toán Lọc Wiener.8 Nhận xét và kết luận.

KET LUAN LUAN VAN VA HUGNG PHÁT TRIẾN TRIẾN TIẾP THEO PHU LUC CHAY THUC NGHTEM VÀ CAC BROAN CODE MATLAB 3.1 Thuật toán Trừ phỏ. sexy sexy sexy 3.1 Sơ đồ khải chung của thuật toán.2 Thuật toán Specwal Subtraction (thuật toán trừ phổ).3 Phương pháp đánh giá mục tiên của (huật toàn.2 Thuật toán bộ lọc Wiener.1 Giới thiệu chung.2 Nguyên lý cơ bản của lọc Wiener.3 Xếp chẳng và cộng trong quá trinh xử lý tín hiệu tiếng nói.1 Phân tích tín hiệu theo từng Kung 3.2 Xếp chéng va céng (Cverlap and adding).3 Ước lượng vá cập nhật nhiều.4 Phát hiện tiếng nói (Voice activity đetection), 3.5 Qui trình tước lượng và cập nhật nhiễn CHUONG 4: THƯC HIỆN VÀ DANH GIA CAC THUAT TOAN.1 đi thiệu chương, 4.2 Lưu dễ thực hiện vá đánh giả thuật toán.3 Lưu đồ thuật toản Trừ phẩ.4 Liu dé thuật toán lọc WViener 4.5 Thực hiện thuật toán 4.6 Các thông số ánh hướng dền thuật toản.7 Phát triển thuật toán 1rừ phỏ từ thuật toán Lọc Wiener.8 Nhận xét và kết luận. KET LUAN LUAN VAN VA HUGNG PHÁT TRIẾN TRIẾN TIẾP THEO PHU LUC CHAY THUC NGHTEM VÀ CAC BROAN CODE MATLAB LOT NOT BAU Trơng thời đại của công nghé thong lin va di dong, chat, long tin biéu liéng noi la một vẫn dé kha quan trong va phổ biến.