THÔNG TIN THƯ MỤC VÀ TỔNG QUAN HỌC THUẬT: GIÁO TRÌNH XỬ LÝ ÂM THANH VÀ HÌNH ẢNH
Tổng quan về giáo trình
Tài liệu học tập Xử Lý Âm Thanh, Hình Ảnh được biên soạn bởi TS. Nguyễn Thanh Bình và ThS. Võ Nguyễn Quốc Bảo, do Học viện Công nghệ Bưu chính Viễn thông (PTIT) phát hành năm 2007 (lưu hành nội bộ). Giáo trình được thiết kế chuyên biệt phục vụ khối sinh viên đào tạo từ xa thuộc ngành Điện tử Viễn thông và Công nghệ Thông tin, giữ vị trí môn học chuyên ngành tiếp nối khối kiến thức cơ sở về xử lý tín hiệu số.
+-------------------------------------------------------------------------+
| HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG (PTIT) - NĂM 2007 |
| GIÁO TRÌNH: XỬ LÝ ÂM THANH VÀ HÌNH ẢNH |
| Tác giả: TS. Nguyễn Thanh Bình - ThS. Võ Nguyễn Quốc Bảo |
+-------------------------------------------------------------------------+
|
+-----------------------+-----------------------+
| |
v v
+-----------------------+ +-----------------------+
| CHƯƠNG 1: | | CHƯƠNG 2: |
| KỸ THUẬT XỬ LÝ | | KỸ THUẬT XỬ LÝ |
| ÂM THANH | | HÌNH ẢNH |
+-----------------------+ +-----------------------+
Mục tiêu đào tạo (Learning Outcomes) của tài liệu tập trung trang bị cho người học:
- Hệ thống hóa các khái niệm nền tảng về tín hiệu âm thanh và hình ảnh dưới dạng toán học và mô hình vật lý.
- Nắm vững các phương pháp nén tín hiệu, lưu trữ số liệu và phân tích các tiêu chuẩn mã hóa âm thanh, hình ảnh được chuẩn hóa quốc tế.
- Khả năng tiếp cận và giải quyết các bài toán kỹ thuật truyền dẫn thực tế trong mạng viễn thông cố định và di động.
Cấu trúc giáo trình chia làm hai phần chính: Chương 1: Kỹ thuật xử lý âm thanh và Chương 2: Kỹ thuật xử lý hình ảnh. Cách tiếp cận của tài liệu là kết hợp chặt chẽ giữa giải tích toán học rời rạc (phép biến đổi $Z$, biến đổi Fourier rời rạc DFT) với các mô hình tham số (AR, ARMA, Sinusoidal, LPC) và các chuẩn viễn thông thực tiễn (ITU-T, ETSI, TIA, DoD, RCR). Điểm đặc thù của giáo trình nằm ở việc giải quyết bài toán xử lý tín hiệu theo hướng ứng dụng tối ưu hóa băng thông, giảm thiểu độ trễ và kiểm soát chất lượng dịch vụ thoại trên hạ tầng mạng viễn thông.
Nội dung kiến thức cốt lõi
+---------------------------------------------------------------------------------------------------+
| CÁC KHỐI KIẾN THỨC CỐT LÕI (CHƯƠNG 1) |
+---------------------------------------------------------------------------------------------------+
| 1. Cơ sở toán học & Lấy mẫu -> Biến đổi Z, Fourier, DFT; Định lý Nyquist-Shannon |
| 2. Mô hình hóa tín hiệu âm thanh -> Mô hình AR (Makhoul/Huber), ARMA, Mô hình Sinusoidal |
| 3. Kỹ thuật tổng hợp âm thanh -> Dao động số, Bảng sóng (Wavetable), Hạt, FM (Chowning) |
| 4. Dự đoán tuyến tính (LPC) -> Thuật toán Levinson-Durbin, Thuật toán Leroux-Gueguen |
| 5. Chuẩn mã hóa & Codec thoại -> G.711, G.726, G.729, GSM 6.10, FS1015, IS54, AMR-ACELP |
| 6. Đánh giá chất lượng thoại -> Phương pháp chủ quan MOS; Khách quan PSQM, PESQ, E-Model |
| 7. Ứng dụng nhận dạng (ASR) -> Trích xuất MFCC, Uốn nắn thời gian động (DTW) |
+---------------------------------------------------------------------------------------------------+
Các chương và chủ đề chính
Nội dung phần xử lý âm thanh trong tài liệu được phát triển theo một chuỗi logic từ bản chất vật lý, công cụ giải tích toán học, mô hình nén mã hóa cho đến các phương pháp đo kiểm chất lượng và thuật toán nhận dạng:
-
Tổng quan về âm thanh và hệ thống xử lý tín hiệu:
- Bản chất thông tin của âm thoại: Âm thanh được cấu thành từ tập hữu hạn các ký hiệu âm vị (phoneme). Ngôn ngữ tự nhiên có từ 30 đến 50 âm vị (tiếng Anh có khoảng 42 âm vị). Với tốc độ phát âm trung bình 10 âm vị/giây, mỗi âm vị mã hóa bằng 6 bit, tốc độ truyền tin thô của âm thoại đạt khoảng 60 bit/s.
- Đặc tính thính giác người: Độ nhạy tai người tối ưu ở dải tần $2,\text{kHz} - 5,\text{kHz}$, ngưỡng nhận biết có thể mở rộng trên $20,\text{kHz}$, đáp ứng thính giác có dạng hàm logarit. Yêu cầu tỷ số tín hiệu trên nhiễu (SNR) lượng tử hóa: tối thiểu $18,\text{dB}$ cho 8 mức (3 bit) và $24,\text{dB}$ cho 16 mức (4 bit).
- Phân loại tín hiệu & hệ thống: Tín hiệu liên tục/rời rạc theo thời gian, liên tục/rời rạc theo giá trị; tín hiệu xác định và ngẫu nhiên; tín hiệu đa kênh (ECG, EEG, ảnh RGB); hệ thống tuyến tính dịch bất biến (LTI) đặc trưng bởi đáp ứng xung $h(n)$ và phép chập $y(n) = x(n) * h(n)$.
-
Cơ sở toán học và mô hình lấy mẫu:
- Công cụ giải tích: Biến đổi $Z$ và miền hội tụ (ROC: $R_1 < |z| < R_2$); Biến đổi Fourier thời gian rời rạc (DTFT) trên đường tròn đơn vị ($z = e^{j\omega}$); Biến đổi Fourier rời rạc (DFT) $N$ điểm ứng với chuỗi tuần hoàn: $$X(k) = \sum_{n=0}^{N-1} x(n) e^{-j\frac{2\pi}{N}kn}, \quad k = 0, 1, \dots, N-1$$
- Định lý lấy mẫu Nyquist-Shannon: Tần số lấy mẫu phải thỏa mãn $F_s \ge 2B$ (với $B$ là tần số cao nhất của tín hiệu băng thông hữu hạn) nhằm ngăn chặn hiện tượng chồng phổ (aliasing).
-
Mô hình hóa và tổng hợp tín hiệu âm thanh:
- Mô hình tham số quang phổ: Mô hình tự hồi quy (Autoregressive - AR bậc $P$) $s[n] = \sum_{i=1}^{P} a_i s[n-i] + e[n]$ với các phương pháp ước lượng bậc mô hình (Maximum Likelihood, Least-Squares theo Makhoul 1975, Robust to Noise theo Huber 1981); mô hình ARMA; mô hình hàm Sin (Sinusoidal Model) kết hợp thành phần ngẫu nhiên Stochastic phân tích qua STFT.
- Mô hình Sin + Nhiễu + Nốt đệm (SNT): Tách thành phần xung ngắn thông qua phép biến đổi Cosine rời rạc (DCT).
- Mô hình tổng hợp âm thanh:
- Miền thời gian: Máy tạo dao động số (Digital Oscillator) dựa trên phương trình sai phân bậc 2; Máy tạo dao động bằng bảng sóng (Wavetable Oscillator) với bước nhảy pha $I = \frac{B \cdot f_0}{F_s}$; Tổng hợp hạt (Granular Synthesis - Giovanni De Poli) biểu diễn tín hiệu bằng chuỗi hạt $g_k(i) = \omega_d(i)\cos(2\pi f_k T_s i)$.
- Mô hình phi tuyến: Tổng hợp điều chế tần số FM (John Chowning) $x(n) = A\sin(\omega_c n + I\sin(\omega_m n))$ phân tích qua chuỗi hàm Bessel $J_k(I)$; Tổng hợp bằng méo phi tuyến (NLD) sử dụng đa thức trực giao Chebyshev $T_n(\cos\theta) = \cos(n\theta)$.
-
Phân tích Dự đoán Tuyến tính (Linear Prediction - LP/LPC):
- Bài toán dự đoán: Ước lượng mẫu hiện tại từ $M$ mẫu quá khứ $\hat{s}[n] = -\sum_{i=1}^{M} a_i s[n-i]$. Tối thiểu hóa bình phương trung bình sai số dự đoán $J = E{e^2[n]}$.
- Độ lợi dự đoán (Prediction Gain - PG): $$PG = 10 \log_{10}\left(\frac{E{s^2[n]}}{E{e^2[n]}}\right)$$
- Thuật toán Levinson-Durbin: Giải hệ phương trình tự tương quan $R[l]$ đệ quy từ bậc $0$ đến $M$, tính toán các hệ số phản xạ (Reflection Coefficients - RC) $k_l$ và hệ số LPC $a_i^{(l)}$.
- Thuật toán Leroux-Gueguen (1979): Tính trực tiếp các hệ số phản xạ RC thông qua tham số phụ $\varepsilon^{(l)}[k]$ mà không cần tính trung gian ma trận LPC, giải quyết triệt để vấn đề tràn số trong hệ thống xử lý số dấu chấm tĩnh (fixed-point arithmetic).
- Ứng dụng trong mã hóa thoại FS1015 (2.4 kbps): Phân loại khung thoại (Voiced) và phi thoại (Unvoiced), tính toán năng lượng công suất lỗi $p$, mô hình hóa ống âm thanh người bằng bộ lọc toàn cực (all-pole filter).
SƠ ĐỒ BỘ MÃ HÓA THOẠI DỰ ĐOÁN TUYẾN TÍNH (LPC)
Tín hiệu thoại +-------------------------+
đầu vào x(n) ---+----------------------------->| Phân tích LP (Tính LPC) |--+
| +-------------------------+ |
| | Hệ số LPC
| +-------------------------+ | Lượng tử hóa
+----------------------------->| Phân loại Voiced/Unvoice|--+
| +-------------------------+ |
| | Khung thoại/phi thoại
| +-------------------------+ | Chu kỳ Pitch
+----------------------------->| Ước lượng Pitch & Năng |--+
| | lượng / Độ lợi (Gain) | |
| +-------------------------+ |
v v
+--------------+ +-------------------------------+
| Bộ lọc phân | | Đóng gói luồng bit (Bitstream)| --> Kênh truyền
| tích lỗi e(n)| | Tốc độ thấp (VD: 2.4 kbps) | viễn thông
+--------------+ +-------------------------------+
- Chuẩn mã hóa âm thoại trong mạng viễn thông:
- Hệ thống hóa các tổ chức ban hành chuẩn: ITU-T, TIA (thuộc ANSI), ETSI (châu Âu / GSM), DoD (Bộ Quốc phòng Mỹ), RCR (Nhật Bản).
- Phân tích kiến trúc Codec thoại băng danh định $300,\text{Hz} - 3400,\text{Hz}$, tần số lấy mẫu chuẩn $8,\text{kHz}$.
- Bảng tổng hợp các tiêu chuẩn công nghiệp:
| Năm | Tiêu chuẩn | Thuật toán mã hóa | Tốc độ bit (kbps) | Phạm vi ứng dụng |
|---|---|---|---|---|
| 1972 | ITU-T G.711 | PCM | 64 | Mạng thoại công cộng PSTN |
| 1984 | DoD FS 1015 | LPC | 2.4 | Liên lạc bảo mật quân sự |
| 1987 | ETSI GSM 6.10 | RPE-LTP | 13 | Vô tuyến di động số GSM |
| 1990 | ITU-T G.726 | ADPCM | 16, 24, 32, 40 | Mạng viễn thông công cộng |
| 1990 | TIA IS54 | VSELP | 7.95 | Hệ thống di động số TDMA Bắc Mỹ |
| 1990 | RCR STD-27B | VSELP | 6.7 | Hệ thống di động số tế bào Nhật Bản |
| 1991 | DoD FS 1016 | CELP | 4.8 | Mạng liên lạc bảo mật |
| 1992 | ITU-T G.728 | LD-CELP | 16 | Mạng thoại chất lượng cao |
| 1993 | TIA IS96 | VBR-CELP | 8.8 | Hệ thống di động số CDMA Bắc Mỹ |
| 1995 | ITU-T G.723.1 | MP-MLQ / ACELP | 6.3 / 5.3 | Truyền thông đa phương tiện, H.324 |
| 1995 | ITU-T G.729 | CS-ACELP | 8 | Thoại qua gói IP, di động |
| 1996 | ETSI GSM EFR | ACELP | 12.2 | Mạng GSM chất lượng cao |
| 1996 | TIA IS641 | ACELP | 7.4 | Mạng di động số TDMA Bắc Mỹ |
| 1997 | DoD FS MELP | MELP | 2.4 | Liên lạc bảo mật quân sự |
| 1999 | ETSI AMR | AMR-ACELP | 4.75 - 12.2 | Mạng di động 2G/3G đa tốc độ |
-
Phương pháp phân tích và đánh giá chất lượng thoại:
- Tham số truyền dẫn ảnh hưởng chất lượng: OLR (Overall Loudness Rating), độ trễ (delay), tiếng vọng (echo), cắt tiếng (clipping).
- Phương pháp chủ quan (ITU-T P.800, P.830): Thang điểm ý kiến trung bình MOS (Mean Opinion Score từ 1 đến 5) thông qua các bài kiểm tra hội thoại, ACR (Absolute Category Rating), DCR (Degradation Category Rating), CCR (Comparison Category Rating).
- Phương pháp khách quan mô hình giác quan:
- PSQM (ITU-T P.861 - John G. Stemerdink): So sánh mật độ phổ công suất (SPD) giữa tín hiệu gốc và tín hiệu thu qua mô hình nhận thức thính giác con người.
- PESQ (ITU-T P.862): Chuẩn đánh giá chất lượng thoại đầu-cuối thay thế PSQM, xử lý bù trễ thời gian biến đổi, hiệu chỉnh mức âm lượng và biến dạng phổ (frequency warping).
- Mô hình quy hoạch truyền dẫn E-Model (ITU-T G.107, ETSI ETR 250): Tính toán hệ số chất lượng truyền dẫn $R$ dựa trên nguyên lý cộng dồn tổn hao tâm lý thính giác: $$R = R_0 - I_s - I_d - I_e + A$$ (Trong đó: $R_0$ là tỷ số SNR cơ bản; $I_s$ là tổn hao tức thời; $I_d$ là tổn hao do trễ và tiếng vọng; $I_e$ là tổn hao do thiết bị nén codec; $A$ là hệ số thuận lợi Advantage Factor).
-
Mô hình ứng dụng xử lý thoại (Nhận dạng tiếng nói tự động - ASR):
- Khái niệm: Trích xuất vector đặc trưng Mel Frequency Cepstral Coefficients (MFCC) và khoảng cách Euclid cục bộ: $$d(x, y) = \sum_i (x_i - y_i)^2$$
- Giải thuật uốn nắn thời gian động (Dynamic Time Warping - DTW): Sử dụng quy hoạch động (Dynamic Programming - DP) để so khớp mẫu âm thanh có độ dài phát âm không đồng đều giữa tín hiệu thử nghiệm và tập mẫu từ điển.
Kiến thức nền tảng được xây dựng
Tài liệu thiết lập hệ thống lý thuyết có tính liên kết chặt chẽ:
- Cơ sở lý thuyết thông tin và quá trình ngẫu nhiên: Biểu diễn toán học của tín hiệu tự nhiên, ước lượng phổ mật độ công suất (PSD), phương pháp bình phương tối thiểu (Least Squares).
- Nguyên lý nén và giảm độ dư thừa: Cơ chế giảm trừ độ dư thừa biên độ qua dự đoán tuyến tính và loại bỏ độ dư thừa cảm nhận thính giác (Perceptual Masking).
- Lý thuyết hệ thống viễn thông số: Mô hình hóa các khâu biến đổi A/D, lọc trung gian modified IRS, mã hóa kênh, phân bố lỗi truyền dẫn và trễ mạng.
Kỹ năng phát triển cho người học
- Kỹ năng tính toán kỹ thuật: Thiết lập và giải đệ quy hệ phương trình ma trận Toeplitz bằng thuật toán Levinson-Durbin; tính toán chuyển đổi hệ số $Z$-domain và chuỗi DFT.
- Kỹ năng phân tích và thẩm định chuẩn: Đọc hiểu và phân tích tham số kỹ thuật của các bộ giải mã chuẩn quốc tế (ITU-T G-series, ETSI GSM, DoD).
- Kỹ năng đo kiểm viễn thông: Triển khai phương pháp đo chất lượng thoại khách quan bằng thuật toán PESQ và xây dựng bài toán quy hoạch đường truyền sử dụng E-Model.
- Kỹ năng lập trình thuật toán xử lý: Cài đặt các khối chức năng cơ bản trong hệ thống nhận dạng giọng nói ASR như thuật toán đối sánh mẫu DTW.
Phương pháp giảng dạy và học tập
+-------------------------------------------------------------------------+
| TIẾN TRÌNH TIẾP CẬN SƯ PHẠM CỦA TÀI LIỆU |
+-------------------------------------------------------------------------+
|
v
[KHÁI NIỆM & ĐẶC TÍNH VẬT LÝ ÂM THANH / TÍN HIỆU RỜI RẠC]
|
v
[CÔNG CỤ TOÁN HỌC: BIẾN ĐỔI Z, PHỔ FOURIER, DFT]
|
v
[MÔ HÌNH HÓA TOÁN HỌC: AR, ARMA, SINUSOIDAL, DỰ ĐOÁN TUYẾN TÍNH]
|
v
[THUẬT TOÁN ĐỆ QUY TỐI ƯU: LEVINSON-DURBIN, LEROUX-GUEGUEN]
|
v
[CHUẨN HÓA CÔNG NGHIỆP: CODEC THOẠI ITU-T/ETSI & ĐO CHẤT LƯỢNG PESQ]
Giáo trình áp dụng mô hình sư phạm chuyên biệt cho hệ đào tạo từ xa:
- Nguyên tắc cấu trúc hóa tự học: Kiến thức được phân rã thành các khối mô-đun độc lập kèm theo giả định và phạm vi áp dụng toán học rõ ràng (ví dụ: điều kiện áp dụng thuật toán Leroux-Gueguen khi xử lý dấu chấm tĩnh).
- Hệ thống sơ đồ khối giải thuật: Mỗi mô hình mã hóa (LPC, PSQM, PESQ) đều đi kèm sơ đồ luồng tín hiệu (Signal Flow Chart) chi tiết hóa từ tín hiệu ngõ vào $x(n)$, qua các bộ lọc bù, khâu lượng tử hóa bitstream đến khối tái tạo tín hiệu $y(n)$.
- Phương pháp dẫn giải toán học gắn với tham số thực tiễn: Các công thức lý thuyết (như tính toán đa thức Chebyshev hay chuỗi hàm Bessel) đều được ánh xạ trực tiếp đến các giá trị vật lý như độ rộng băng thông $BW = 2(I + 1)f_m$ hoặc tần số hài âm thanh.
- Tự lượng giá và nghiên cứu mở rộng: Tài liệu yêu cầu người học tự chứng minh các bước chuyển đổi trung gian (như bảng thông số $\varepsilon$ của Leroux-Gueguen) và tra cứu các báo cáo kỹ thuật gốc từ danh mục tài liệu tham khảo (Makhoul, Chowning, Tremain, ITU-T Recommendations).
Điểm nổi bật và cập nhật của giáo trình
- Tính chuẩn hóa viễn thông cao: Khác với các tài liệu thuần xử lý tín hiệu hàn lâm, giáo trình tích hợp các tiêu chuẩn công nghiệp đang vận hành trực tiếp trong mạng viễn thông toàn cầu và mạng di động tại Việt Nam (mạng GSM của VNPT).
- Hệ thống hóa toàn diện các chuẩn Codec kinh điển: Tổng hợp chi tiết tiến trình phát triển của các công nghệ nén âm thoại từ năm 1972 đến 1999 (PCM, ADPCM, LPC, RPE-LTP, VSELP, CELP, LD-CELP, CS-ACELP, AMR).
- Cập nhật các mô hình đo kiểm chất lượng hiện đại: Phân tích sâu thuật toán PESQ (ITU-T P.862) và mô hình tính toán quy hoạch mạng E-Model (ITU-T G.107), giải quyết bài toán bù trễ biến đổi và lỗi kênh vô tuyến vốn là hạn chế của chuẩn PSQM (ITU-T P.861) trước đó.
- Cân bằng giữa lý thuyết và kỹ thuật thực thi: Trình bày chi tiết giải thuật Leroux-Gueguen nhằm giải quyết bài toán giới hạn dải số động trên phần cứng xử lý số DSP dấu chấm tĩnh.
Đối tượng sử dụng giáo trình
+-------------------------------------------------------------------------+
| ĐỐI TƯỢNG SỬ DỤNG |
+-------------------------------------------------------------------------+
| - Sinh viên: Năm 3 - Năm 4 ngành Điện tử Viễn thông & CNTT |
| - Học viên từ xa: Tự học có hướng dẫn qua hệ thống sơ đồ và bài toán |
| - Giảng viên: Khung tham chiếu thiết kế bài giảng Xử lý Âm thanh/Hình ảnh|
| - Kỹ sư viễn thông: Tra cứu tham số codec, chuẩn đo kiểm PESQ & E-Model |
+-------------------------------------------------------------------------+
- Sinh viên đại học: Phục vụ sinh viên năm 3 và năm 4 chuyên ngành Kỹ thuật Điện tử Viễn thông, Kỹ thuật Mạng truyền thông và Công nghệ Thông tin.
- Học viên hệ đào tạo từ xa và vừa làm vừa học: Cung cấp tài liệu có cấu trúc tự dẫn hướng, hỗ trợ người học không có điều kiện tiếp xúc liên tục với giảng viên trên lớp.
- Kiến thức tiên quyết (Prerequisites): Người học cần hoàn thành các học phần: Xử lý tín hiệu số (DSP), Giải tích hàm số/Chuỗi Fourier, Đại số tuyến tính và Xác suất thống kê & Quá trình ngẫu nhiên.
- Giảng viên và Kỹ sư thực hành: Giảng viên dùng làm tài liệu tham khảo cấu trúc môn học; kỹ sư vận hành mạng viễn thông sử dụng để tra cứu quy chuẩn kỹ thuật mã hóa thoại và đánh giá chất lượng truyền dẫn đầu-cuối.
Câu hỏi thường gặp (FAQ)
1. Giáo trình này phù hợp với đối tượng nào?
Tài liệu được biên soạn chính thức cho sinh viên hệ đào tạo đại học từ xa ngành Điện tử Viễn thông thuộc Học viện Công nghệ Bưu chính Viễn thông, đồng thời phù hợp cho sinh viên chính quy và kỹ sư chuyên ngành xử lý tín hiệu âm thanh - hình ảnh.
2. Cần chuẩn bị những kiến thức nền tảng nào trước khi học?
Người học bắt buộc phải nắm vững kiến thức môn Xử lý tín hiệu số, bao gồm: biểu diễn tín hiệu rời rạc, phép tích chập, biến đổi $Z$, biến đổi Fourier rời rạc (DFT/FFT) và nguyên lý thiết kế bộ lọc số cơ bản.
3. Điểm đặc trưng về mặt học thuật của tài liệu này so với các giáo trình xử lý tín hiệu khác là gì?
Giáo trình tập trung vào ứng dụng truyền dẫn trong mạng viễn thông. Trọng tâm không dừng ở lý thuyết toán học thuần túy mà đi sâu vào các công nghệ nén thực tế (chuỗi chuẩn ITU-T G-series, ETSI GSM, TIA), các giải thuật tối ưu hóa phần cứng DSP (Leroux-Gueguen) và các tiêu chuẩn kiểm định chất lượng thoại quốc tế (MOS, PSQM, PESQ, E-Model).
4. Phương pháp tự học giáo trình này như thế nào để đạt hiệu quả tối ưu?
Người học nên tiếp cận tuần tự theo từng khối chuyên đề: bắt đầu từ việc nắm vững định nghĩa toán học của tín hiệu, tái lập lại các chứng minh thuật toán (Levinson-Durbin, Leroux-Gueguen), sau đó phân tích sơ đồ khối của các bộ codec chuẩn và đối chiếu với các khuyến nghị kỹ thuật của ITU-T và ETSI.
5. Có những tài liệu bổ trợ và nguồn tham khảo nào kèm theo?
Người học cần kết hợp nghiên cứu giáo trình Xử lý tín hiệu số (Học viện Công nghệ Bưu chính Viễn thông) cùng các tài liệu và khuyến nghị kỹ thuật quốc tế được trích dẫn ở cuối sách: ITU-T P.800, P.861, P.862, G.107; ETSI ETR 250; các công trình nghiên cứu của Makhoul (1975), Tremain (1982), và John Chowning.
Kết luận
Giáo trình Xử Lý Âm Thanh và Hình Ảnh (PTIT, 2007) là tài liệu học tập chuẩn hóa, cung cấp nền tảng toán học và kỹ thuật chuyên sâu về xử lý tín hiệu đa phương tiện ứng dụng trong mạng viễn thông. Nội dung giáo trình bao quát từ lý thuyết mô hình hóa tín hiệu (AR, Sinusoidal, LPC), các giải thuật đệ quy tối ưu tham số (Levinson-Durbin, Leroux-Gueguen), hệ thống hóa các chuẩn codec thoại quốc tế đến các công cụ đo kiểm chất lượng hiện đại (PESQ, E-Model). Người học được khuyến nghị tuân thủ lộ trình học tập kết hợp giữa giải tích lý thuyết, đối chiếu quy chuẩn công nghiệp và khai thác các tài liệu tiêu chuẩn viễn thông quốc tế bổ trợ.