Luận Văn Thạc Sĩ: Thiết Kế Hệ Thống Nhúng Nhận Dạng Giọng Nói Dùng Neural Network

Luận văn thạc sĩ kỹ thuật điện tử trình bày thiết kế hệ thống nhúng nhận dạng giọng nói sử dụng mạng nơ-ron, ứng dụng công nghệ tiên tiến.

• Tác giả: Nguyễn Thanh Tuấn
• Người hướng dẫn: TS. Hoàng Trang
• Trường học: Đại học Quốc gia TP.HCM
• Chuyên ngành: Kỹ Thuật Điện Tử
• Đề tài: Thiết Kế Hệ Thống Nhúng Nhận Dạng Giọng Nói Dùng Neural Network
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2013
• Địa điểm: Hồ Chí Minh

Tóm tắt

I. Tổng Quan Thiết Kế Hệ Thống Nhúng Nhận Dạng Giọng Nói

Ngày nay, việc điều khiển thiết bị bằng giọng nói đang trở thành xu hướng, ứng dụng rộng rãi trong nhiều lĩnh vực. Công nghệ nhận dạng tiếng nói mang lại sự tiện lợi và hiệu quả cao. Các ứng dụng tiêu biểu bao gồm điều khiển robot, nhập văn bản và nhận diện mật mã. Nhiều nghiên cứu về nhận dạng tiếng nước ngoài đã đạt được thành tựu đáng kể. Tuy nhiên, nghiên cứu về nhận dạng giọng nói tiếng Việt vẫn còn nhiều thách thức, chủ yếu thực hiện trên máy tính cá nhân. Sự phát triển của công nghệ vi mạch đã mở ra cơ hội ứng dụng rộng rãi các hệ thống nhúng. Các hệ thống này giúp đơn giản hóa và dễ dàng hóa quá trình xử lý công việc. BeagleBoard xM, với lõi Cortex A8 mạnh mẽ, hỗ trợ tốt cho các ứng dụng âm thanh, là một lựa chọn tiềm năng. Việc nhúng thành công các chương trình nhận dạng giọng nói tiếng Việt vào các Kit xử lý nhỏ gọn sẽ thúc đẩy ứng dụng này vào thực tế, đặc biệt trong lĩnh vực điều khiển. Vì vậy, việc sử dụng và cải tiến các giải thuật đã và đang được nghiên cứu, thiết kế hệ thống nhúng nhận dạng giọng nói để nhận dạng 16 từ đơn tiếng Việt trên BeagleBoard xM là một hướng đi đầy tiềm năng.

1.1. Tại Sao Chọn Thiết Kế Hệ Thống Nhúng

Công nghệ nhận dạng giọng nói ngày càng quan trọng. Hệ thống nhúng cho phép tích hợp trí tuệ nhân tạo (AI) vào các thiết bị nhỏ gọn. Điều này mở ra các ứng dụng trong nhiều lĩnh vực, từ gia đình đến công nghiệp. Việc điều khiển thiết bị bằng giọng nói mang lại sự tiện lợi và an toàn, đặc biệt trong môi trường yêu cầu rảnh tay. Việc ứng dụng AI vào các hệ thống nhỏ gọn (hay còn gọi là Edge AI) giúp giảm tải cho các trung tâm dữ liệu và tăng tốc độ xử lý.

1.2. Giới Thiệu Về Mạng Neural Trong Nhận Dạng Giọng Nói

Mạng Neural nhân tạo mô phỏng một số tính chất của bộ não người. Nó có khả năng học quan hệ giữa các biến đầu vào và đầu ra khi dữ liệu đầu vào không có quy luật rõ ràng. Phương pháp nhận dạng dùng mạng Neural khá hiệu quả trong việc tăng độ chính xác. Do đó, mạng Neural nhân tạo được chọn để giải quyết bài toán nhận dạng giọng nói. Hiện nay, có rất nhiều framework hỗ trợ xây dựng và huấn luyện mạng neural như TensorFlow, PyTorch và Keras.

II. Thách Thức Xây Dựng Hệ Thống Nhúng Nhận Dạng Giọng Nói

Tiếng nói người là một loại tín hiệu phức tạp, thay đổi theo không gian và thời gian. Bộ não người phải trải qua quá trình học và xử lý phức tạp để nhận dạng và hiểu được tiếng nói. Việc xây dựng một hệ thống nhận dạng giọng nói chính xác và hiệu quả đòi hỏi nhiều yếu tố. Cần phải lựa chọn thuật toán phù hợp, thu thập và xử lý dữ liệu chất lượng cao, và tối ưu hóa phần cứng. Các yếu tố như tiếng ồn, giọng nói khác nhau, và cách phát âm khác nhau có thể ảnh hưởng đến độ chính xác của hệ thống. Theo tài liệu gốc [3][5], âm thanh giọng nói có thể phân chia thành 3 trạng thái: trạng thái yên lặng hoặc nhiễu nền, trạng thái âm vô thanh (20%), và trạng thái âm hữu thanh (80%).

2.1. Những Khó Khăn Trong Xử Lý Tín Hiệu Giọng Nói Tiếng Việt

Tiếng Việt có nhiều thanh điệu và biến âm, gây khó khăn cho việc nhận dạng giọng nói. Sự khác biệt về giọng vùng miền cũng là một thách thức lớn. Các phương pháp xử lý tín hiệu giọng nói cần phải được điều chỉnh để phù hợp với đặc điểm của tiếng Việt. Cần có bộ dữ liệu giọng nói (speech datasets) lớn và đa dạng để huấn luyện mô hình acoustic (acoustic modeling) hiệu quả.

2.2. Yêu Cầu Về Phần Cứng Cho Hệ Thống Nhúng

Hệ thống nhúng cần có đủ bộ nhớ và khả năng tính toán để thực hiện các thuật toán nhận dạng giọng nói trong thời gian thực. Microcontroller, vi điều khiển hoặc FPGA là những lựa chọn phổ biến. Việc lựa chọn nền tảng phần cứng phù hợp phụ thuộc vào yêu cầu về hiệu suất, kích thước và chi phí. Raspberry Pi cũng là một lựa chọn phổ biến cho các dự án IoT và nhận dạng giọng nói.

III. Giải Pháp Thiết Kế Hệ Thống Nhúng Dùng Neural Network MFCC

Đề tài này tập trung vào việc sử dụng và cải tiến các giải thuật đã được nghiên cứu trong lĩnh vực nhận dạng giọng nói, thiết kế hệ thống nhúng nhận dạng giọng nói. Hệ thống này sẽ thực hiện nhận dạng 16 từ đơn tiếng Việt trên BeagleBoard xM. Phương pháp tiếp cận chính là kết hợp mạng Neural với phương pháp trích đặc trưng MFCC (Mel-scale Frequency Cepstral Coefficient). Mục tiêu là đạt được độ chính xác nhận dạng trên 95%. Theo tài liệu gốc, tác giả trong [4] đã xây dựng chương trình nhận dạng tiếng nói tiếng Việt trên Kit vi xử lý 32 bit họ ARM-LM3S296_ với kết quả thực hiện trên Kit thì xác suất rất thấp.

3.1. Phương Pháp Trích Đặc Trưng MFCC Trong Nhận Dạng

MFCC là một phương pháp phổ biến để trích đặc trưng từ tín hiệu giọng nói. Nó mô phỏng cách tai người cảm nhận âm thanh. MFCC chuyển đổi tín hiệu âm thanh thành một tập hợp các hệ số biểu diễn đặc trưng của âm thanh. Các hệ số MFCC này sau đó được sử dụng để huấn luyện mạng Neural. Các bước cơ bản của trích đặc trưng MFCC bao gồm: Frame Blocking & Overlap, Windowing, Fast Fourier Transform (FFT), Mel-Frequency Filter Bank, Tính Cepstrum và Hệ số Delta.

3.2. Xây Dựng Mạng Neural Cho Hệ Thống Nhúng

Mạng Neural được sử dụng để phân loại các đặc trưng MFCC và nhận dạng từ. Thuật toán Backpropagation được sử dụng để huấn luyện mạng Neural. Cấu trúc mạng Neural (số lớp, số nút) cần được tối ưu hóa để đạt được hiệu suất tốt nhất trên hệ thống nhúng. Việc lựa chọn hàm kích hoạt phù hợp cũng rất quan trọng. Các hàm kích hoạt thường dùng là Hardlim, Purelin và Log-Sigmode.

IV. Ứng Dụng Kết Quả Nhận Dạng Giọng Nói Trên BeagleBoard xM

Hệ thống được xây dựng và thử nghiệm trên BeagleBoard xM. Mục tiêu là xây dựng giải thuật nhận dạng giọng nói 16 từ đơn tiếng Việt: “Không”, “Một”, “Hai”, “Ba”, “Bốn”, “Năm”, “Sáu”, “Bảy”, “Tám”, “Chín”, “Mở”, “Đóng”, “Tới”, “Lui”, “Bật”, “Tắt”. Kết quả nhận dạng được đánh giá dựa trên độ chính xác và tốc độ xử lý. Hiệu suất của hệ thống được so sánh với các phương pháp nhận dạng giọng nói khác. Các yếu tố ảnh hưởng đến kết quả nhận dạng, như tiếng ồn và giọng nói khác nhau, được phân tích. Theo tài liệu gốc, việc xây dựng hệ điều hành nhúng (Thực hiện trên Window OS của PC) và Biên dịch ứng dụng trên BeagleBoard xM (Thực hiện trên Ubuntu 10.4) là rất quan trọng.

4.1. Kiểm Thử và Đánh Giá Độ Chính Xác Nhận Dạng

Độ chính xác của hệ thống được đánh giá bằng cách sử dụng một tập hợp các mẫu giọng nói đã được ghi âm. Các mẫu giọng nói này bao gồm các từ vựng mục tiêu và các biến thể của chúng. Độ chính xác được tính bằng tỷ lệ số từ được nhận dạng đúng trên tổng số từ trong tập mẫu. Các sai sót và lỗi trong quá trình nhận dạng được phân tích để cải thiện hiệu suất.

4.2. Ứng Dụng Thực Tế Của Hệ Thống Nhúng

Hệ thống có thể được sử dụng để điều khiển bằng giọng nói các thiết bị gia dụng, robot, hoặc các hệ thống công nghiệp. Nó cũng có thể được sử dụng trong các ứng dụng trợ lý ảo và giao diện người dùng bằng giọng nói (VUI). Công nghệ nhận dạng giọng nói có tiềm năng to lớn trong nhiều lĩnh vực, từ y tế đến giáo dục.

V. Kết Luận Tiềm Năng Phát Triển Hệ Thống Nhận Dạng Giọng Nói

Đề tài đã trình bày một phương pháp thiết kế hệ thống nhúng nhận dạng giọng nói sử dụng mạng Neural và MFCC. Hệ thống đã được thử nghiệm và đánh giá trên BeagleBoard xM. Kết quả cho thấy hệ thống có tiềm năng ứng dụng trong nhiều lĩnh vực. Các hướng nghiên cứu và phát triển tiếp theo bao gồm cải thiện độ chính xác, tăng tốc độ xử lý, và hỗ trợ nhiều ngôn ngữ hơn. Sự phát triển của AI và hệ thống nhúng sẽ mở ra nhiều cơ hội mới cho công nghệ nhận dạng giọng nói.

5.1. Hướng Nghiên Cứu Tiếp Theo Cho Nhận Dạng Giọng Nói

Nghiên cứu về học sâu (Deep Learning) có thể cải thiện đáng kể độ chính xác của hệ thống nhận dạng giọng nói. Việc sử dụng các mô hình mạng Neural phức tạp hơn, như mạng Neural hồi quy (Recurrent Neural Networks - RNN) và mạng Neural tích chập (Convolutional Neural Networks - CNN), có thể nâng cao hiệu suất. Nghiên cứu về ngôn ngữ học tính toán (Computational Linguistics) cũng có thể giúp cải thiện khả năng hiểu ngôn ngữ của hệ thống.

5.2. Triển Vọng Thị Trường Cho Công Nghệ Nhận Dạng Giọng Nói

Thị trường nhận dạng giọng nói đang phát triển mạnh mẽ, với nhiều ứng dụng tiềm năng trong nhiều lĩnh vực. Trợ lý ảo (Voice Assistant), điều khiển bằng giọng nói (Speech Commands), và giao diện người dùng bằng giọng nói (Voice User Interface - VUI) là những lĩnh vực có tiềm năng tăng trưởng lớn. Các công ty công nghệ lớn đang đầu tư mạnh vào nghiên cứu và phát triển công nghệ nhận dạng giọng nói. Sự phát triển của Internet of Things (IoT) và Embedded AI sẽ thúc đẩy sự tăng trưởng của thị trường.

Trích đoạn nội dung tài liệu

Chương 1 Cơ sở lý thuyết: trình bày cơ sở lý thuyết về nhận dạng giọng nói, tiền xử lý âm thanh, trích đặc trưng, mạng Neural nhân tạo và hệ thống nhúng. Chương 2 Hệ thống nhận dạng giọng nói dùng Neural Network: thiết kế so đỗ khối và hoạt động của hệ thống, bao gồm: quá trình thu 4m, tiền xử lý, trích đặc trưng, huấn luyện bộ trọng số, nhận dạng và hiển thị kết quả. Chương 3 Xây dựng hệ thống nhúng trên BeagleBoard xM: mô tả sơ đồ hệ thống nhận dạng trên BeagleBoard xM, các thành phan phan cứng được sử dụng, các bước xây dựng hệ thong nhúng, thực hiện hệ thống nhận dạng trên BeagleBoard xM. Chương 4 Kết quả: trình bày các kết quả đạt được, kết luận, hướng nghiên cứu và phát trién.

HVTH: Nguyễn Thanh Tuấn -4- Thiết kế HTN nhận dạng giọng nói dùng Neural Network GVHD: TS.Hoàng Trang CHUONG 1: CƠ SỞ LÝ THUYET 1.1 Cơ sở lý thuyết về nhận dạng giọng nói [3][5] 1.1 Các đặc điểm của giọng nói Am thanh giọng nói có thé phân chia thành 3 trạng thái: trạng thái yên lặng hoặc nhiễu nên, đây là khoảng thời gian không có tiếng nói; trạng thái âm vô thanh chiếm khoảng 20% đầu âm, đây là khoảng thời gian mà dạng sóng tiếng nói không tuần hoàn, đặc trưng cho phụ âm; trạng thái âm hữu thanh chiếm khoảng 80% âm còn lại, trong khoảng thời gian này dạng sóng của âm thanh mang tính tuần hoàn, đặc trưng cho âm hữu thanh. Việc phân chia nay cũng mang tính chất tương đối vé ranh giới giữa 3 trạng thái, nhưng ảnh hưởng không đáng ké đến việc phân tích và nhận dạng.2 Phân loại các hệ thong nhận dạng giọng nói - - Dựa theo cách thức người nói: + Nhận dạng từ rời rạc + Nhận dạng từ liên tục - - Dựa trên bộ từ vựng: + Hệ thống từ vựng nhỏ (10 đến 100 từ). + Hệ thống nhận dạng các từ rời rạc (vượt 1000 từ). + Hệ thông nhận dạng các từ liên tục trong phạm vi giới hạn (1000 đến 5000 từ).

- - Dựa trên thông tin về các mẫu tiếng nói của người sử dụng: + Hệ thống phụ thuộc người nói: được làm cho tương thích với từng người riêng biét. + Hệ thong độc lập người nói: có thể làm việc với số lượng lớn người sử dụng. HVTH: Nguyễn Thanh Tuấn -5- Thiết kế HTN nhận dạng giọng nói dùng Neural Network GVHD: TS.Hoàng Trang + Hệ thong thích ứng với người nói: tu cap nhật thong tin về từng người sử dụng riêng biệt trong thời gian hệ thống sử dụng.3 Cac yếu tố ảnh hướng đến kết quả nhận dạng - _ Hệ thống được thiết kế cho một hay nhéu người. - - Kích thước bộ tu vựng.

- _ Tiếng nói được đưa vào bang các từ rời rac với khoảng dừng đủ lớn hay phát âm liên tục. - Sự nhằm lẫn và không rõ ràng giữa các âm trong bộ từ vựng. - Hé thống nhận dạng trong môi trường yên tĩnh hay nhiễu. - Kién thức ngữ âm học được áp dụng cho bộ nhận dạng.4 Các phương pháp tiếp cận nhận dạng giọng nói Có 3 phương pháp tiếp cận chính để nhận dạng tiếng nói: ngữ âm học, nhận dạng mâu và ứng dụng trí tuệ nhân tạo.

- Ngữ âm học: dựa vao lý thuyết về ngữ âm âm thanh, lý thuyết này cho rằng tiếng nói ton tại hữu hạn, các đơn vị âm thanh có thé phân biệt được và được đặc trưng bởi một tập các tính chất biểu hiện cho tín hiệu tiếng nói trong miền thời gian hay các tính chất phố của nó. Bước dau tiên trong phương pháp ngữ âm học là phân đoạn và gán nhãn, bước thứ hai là xác định từ hợp lệ từ dãy ngữ âm được gan nhãn trong bước dau tiên. - Nhận dạng mẫu: gồm hai bước chính là huấn luyện mẫu và so sánh mẫu. Đặc tính chủ yếu của phương pháp này là sử dụng các cơ cau toán học rõ ràng và thiết lập sự biéu diễn thích hợp các mẫu tiếng nói cho việc so sánh chính xác các mẫu huan luyện.

Tiếng nói có thể được biểu diễn ở dạng mẫu tiếng nói hoặc một mô hình thống kê, có thể được áp dụng cho một âm, một từ hoặc một nhóm từ. Trong giai đoạn so sánh mau, có một sự so sánh trực tiếp giữa tiếng nói chưa biết với mỗi mẫu được học trong giai đoạn huấn luyện để xác định đặc tính của mẫu chưa biết. Hướng kết hợp mẫu trở thành phương pháp nhận dạng rất phố biến trong những năm 90. HVTH: Nguyễn Thanh Tuấn -6- Thiết kế HTN nhận dạng giọng nói dùng Neural Network GVHD: TS.Hoàng Trang - Phương pháp trí tuệ nhân tao: phương pháp này cố gan may móc hóa hoạt động nhận dạng theo cách con người áp dụng trí khôn trong việc hình dung, phân tích và đánh giá tiếng nói dựa trên một tập hợp các tính chất âm học đo được.

Nghiên cứu cách học nói và học nghe của con người, tìm hiêu các quy luật ngữ âm, ngữ pháp, ngữ nghĩa, ngữ canh. Một trong các kỹ thuật được áp dụng trong phương pháp này là dùng mạng Neural nhân tạo để huấn luyện các đặc trưng tiếng nói và nhận dạng để ứng dụng trong thực tế. Đây chính là phương pháp được chọn nghiên cứu và sử dụng trong luận văn.5 Một hệ thống nhận dạng giọng nói dùng mạng Neural nhân tạo Bộ trọng sô Huân luyện x F$ A huan luyén ` Vv Tín hiệu âm Trích đặc Kết quả Vv Tiền xử ly Nhận dạng thanh (trưng _| nhận dạng Hình 1. 1 Sơ đồ khối nhận dạng giọng nói dùng Neural Network e Tín hiệu âm thanh: được thu từ các thiết bi thu âm và được số hóa dé xử lý.

e Tiên xử lý: cat các khoảng lặng hoặc nhiêu nên dé giảm kích thước, tăng xác suất nhận dạng. e Trích đặc trưng: phân tích tín hiệu, trích các đặc trưng cơ bản lưu thành tập các đặc trưng riêng của môi từ. e Huấn luyện: dùng mang Neural huấn luyện tập các vector đặc trưng của tập mâu huân luyện, tạo ra bộ trọng sô huần luyện làm cơ sở dữ liệu cho qua trình nhận dạng. e Nhận dạng: dùng mang Neural nhân tạo tính toán các đặc trưng của tín hiệu kết hợp với bộ trọng số huan luyện so sánh đưa ra kết quả nhận dạng.

HVTH: Nguyễn Thanh Tuấn Thiết kế HTN nhận dạng giọng nói dùng Neural Network GVHD: TS.2 Tiền xứ ly âm thanh [2] Có nhiều phương pháp tiền xử lý âm thanh dé đưa âm thanh vừa thu được đạt được một chuẩn nhất định, về cơ bản là giảm nhiễu và cắt các khoảng lặng không cần thiết. Dé tài giới thiệu hai phương pháp pho biến là phương pháp xác định ngưỡng năng lượng thời gian ngắn và phương pháp xác định tỉ lệ biên độ tín hiệu dao động qua điểm Zero. 1 T M r r Nhiecu | Tiếng nói | oe} | a a6} |iMau ie Ham nang lượng - yt fe Mell VIMAR ) thời gian ngăn q4L \ hư 0.2}- | li lệ qua diem zero K8 1000 z0 3000 #000 5000 6000 Hình 1. 2 Sự tương quan giữa tín hiệu tiếng nói và nhiễu nền Phương pháp xác định ngưỡng năng lượng thời gian ngắn: năng lượng thời gian ngắn của đoạn chứa tiếng nói luôn lớn hơn nhiều so với đoạn chỉ có nhiễu.

Do đó nếu ta chọn được mức ngưỡng phủ hợp thì ta sẽ trích được tín hiệu mang thông tin một cách tốt nhất. khuyết điểm lớn nhất của phương pháp nảy là rất khó xác định điểm đầu và điểm cuối khi nhiễu có biên độ lớn. Phương pháp xác định tỉ lệ biên độ tín hiệu dao động qua điểm Zero: là thông số cho biết số lần mà biên độ tín hiệu đi qua điểm Zero trong một khoảng thời gian xác định. Tín hiệu âm thanh là một tín hiệu gần như tuần hoàn nên tỉ lệ qua điểm Zero lớn hơn nhiều so với nhiễu.

Sau khi cắt các khoảng lặng, để giảm nhiễu có thể dùng phương pháp lọc nhiễu Wiener và để khắc phục việc tín hiệu thu quá nhỏ có thể dùng phương pháp chuân hóa biên độ tín hiệu. HVTH: Nguyễn Thanh Tuấn -8- Thiết kế HTN nhận dạng giọng nói dùng Neural Network GVHD: TS.3 Trích đặc trưng [6] Việc trích đặc trưng tín hiệu rất quan trọng, ảnh hưởng đến tính chính xác và hiệu quả của hệ thông nhận dang. Có 2 phương pháp được dùng phổ biến nhất là phương pháp LPC (Linear Prediction Coding) và phương pháp MFCC (Mel-scale Frequency Cepstal Coeffients). Dé tai sẽ giới thiệu va áp dụng phương pháp MFCC như đã phân tích ở mục 2 của phần Mở đầu.

Speech >Pre-emphasis-» Frame Ly Windowing E—>| FFT |_| Mel frequency >Cepstrum| Blocking Filter Bank Ỷ > Logged >! Delta MECC Energy Hình 1. 3 Sơ đồ giải thuật trích đặc trưng MFCC Phương pháp này dựa trên khả năng cảm nhận âm thanh của tai người. Đó là tuyến tính ở vùng tần số thấp và tăng theo thang logarit ở vùng tần số cao. Từ đặc trưng này, phương pháp MECC cho ta những đặc trưng quan trọng nhất của tiếng noi con nBƯỜI.

Đầu ra của MECC là các vectơ đặc trưng mà khi dựa vào các vectơ này ta sẽ phân biệt được các tiếng nói khác nhau. Các vecto nay được sử dụng trong cả quá trình huấn luyện và nhận dạng tiếng noi. + Pre-emphasis: bộ loc pre-emphasis được dùng dé khuếch đại tín hiệu ở các tần số cao hơn. Ham truyén của bộ lọc trong miễn thời gian được cho bởi phương trình (1.

Trong đó tham số a tiêu biểu từ 0.9 đến 1, với s; là điểm thứ i của tín hiệu tiếng nói khi chưa qua bộ lọc và S| là điểm thứ i của tin hiệu tiếng nói sau khi được pre-emphasis.1) + Frame blocking: Bởi vi tín hiệu tiếng nói là tín hiệu biến đổi chậm theo thời gian, trong một hệ thống nhận dạng tiếng nói thì tiếng nói được phân đoạn thành những khoảng thời gian ngăn được gọi là các Frame. Để cho các thông số của Frame ít thay đối, thông thường có 0% chồng lấp giữa các Frame kế cận nhau, như HVTH: Nguyễn Thanh Tuấn -9- Thiết kế HTN nhận dạng giọng nói dùng Neural Network GVHD: TS.Hoàng Trang trong hình 1. Trong các hệ thống nhận dạng tiếng nói băng phần mém, tiếng nói được chia thành những Frame có chiều dai 20ms với 10ms chong lấp. Khi tiếng nói được lay mẫu với tần số 8SKHz sẽ có 160 mẫu trong mỗi Frame và có 80 mẫu được chồng lấp giữa 2 Frame kế cận nhau.

4 Cac Frame trong phân tích tiếng nói + Windowing: việc lọc cửa sỐ thường được áp dụng cho mỗi khung tín hiệu đề giảm sự tác động của việc chia khung tín hiệu, thường dùng cửa sô Hamming: X„(n) = x(n)*h(n) (1.