NGHIÊN CỨU CÁC THUẬT TÓAN MỜ ĐỂ GIẢM NHIỄU TIẾNG VANG TRONG MIỀN PHỔ NHẰM NÂNG CAO CHẤT LƯỢNG TIẾNG NÓI

Bài báo này nghiên cứu và đánh giá hiệu quả của hai kĩ thuật nâng cao chất lượng tín hiệu tiếng nói trong môi trường nhiễu tiếng vang. Phương pháp thứ nhất loại bỏ thành phần phổ tiếng vang bằng cách trừ giá trị trung bình ước lượng của logarit của phổ tần số. Phương pháp thứ hai thực hiện
Nội dung trích xuất từ tài liệu:
NGHIÊN CỨU CÁC THUẬT TÓAN MỜ ĐỂ GIẢM NHIỄU TIẾNG VANG TRONG MIỀN PHỔ NHẰM NÂNG CAO CHẤT LƯỢNG TIẾNG NÓI Tuyển tập Báo cáo Hội nghị Sinh viên Nghiên cứu Khoa học lần thứ 7 Đại học Đà Nẵng năm 2010 NGHIÊN CỨU CÁC THUẬT TÓAN MỜ ĐỂ GIẢM NHIỄU TIẾNG VANG TRONG MIỀN PHỔ NHẰM NÂNG CAO CHẤT LƯỢNG TIẾNG NÓI STUDY ON SPECTRAL-BASED BLIND DEREVERBERATION ALGORITHMS FOR SPEECH ENHANCEMENT SVTH: Nguyễn Thị Phương Mai, Trần Thủy Nguyên, Đỗ Thị Hoàng Yến Lớp 05DT1,2, Khoa Điện tử Viễn thông, Trường Đại học Bách khoa GVHD : TS. Phạm Văn Tuấn Khoa Điện tử Viễn thông, Trường Đại họcBách khoa TÓM TẮT Bài báo này nghiên cứu và đánh giá hiệu quả của hai kĩ thuật nâng cao chất lượng tín hiệu tiếng nói trong môi trường nhiễu tiếng vang. Phương pháp thứ nhất loại bỏ thành phần phổ tiếng vang bằng cách trừ giá trị trung bình ước lượng của logarit của phổ tần số. Phương pháp thứ hai thực hiện việc ước lượng hằng số thời gian của nhiễu tiếng vang ở các băng tần số khác nhau , rồi xây dựng mặt nạ loại bỏ phần nhiễu tiếng vang. Các thuật toán này được kiểm tra trên cơ sở dữ liệu tiếng nói tiếng Việt. Kết quả đánh giá khách quan cho thấy hai thuật tóan trên đều nâng cao chất lượng tiếng nói bị nhiễu tiếng vang. Thuật tóan mặt nạ, nhìn chung, cho tín hiệu ra có chất lượng tốt hơn và ổn định hơn. Hiệu quả của thuật toán thể hiện rõ ở vùng nhiễu tiếng vang xa. ABSTRACT The objective of this paper is performance assessment of two techniques for speech enhancement in reverberant envir onment. The estimation of clean signal is done by subtracting the mean of logarithm of spectrum in the spectral subtraction algorithm while in the masking algorithm, T60 of acoustic channel is estimated and part of the signal dominated largely by reverber ation is then removed. The algorithms are tested on a Vietnamese speech corpus. The objective evaluation results show that these two algorithms improve speech quality and intelligibility of degraded signal. In general, the making method performs better th an mean subtraction in sense of speech quality improvement. The efficiency of blind technique is more obvious in far field. 1. Giới thiệu Nhiễu tiếng vang sinh ra do đế , nhiễu này ảnh hưởng nhiều đến chất lượng và tính hiểu được của tiếng nói (hình 1). Xử lý triệt/giảm tiếng vang (dereverberation) là vấn đề không đơn giản vì thông thường thông tin về tính chất của nguồn tín hiệu và điều kiện của kênh truyền âm thanh không được biết trước hoặc chỉ có rất ít kiến thức liên quan được cung cấp. Hình 1 : Tín hiệu tiếng nói bị nhiễu tiếng vang Cho đến nay, kỹ thuật xử lý tiếng vang được phân thành hai loại là các kỹ thuật giảm tiếng vang và các kỹ thuật loại bỏ tiếng vang [3] tùy thuộc kĩ thuật đó có ước lượng đáp ứng xung của kênh truyền hay không. Bài báo này đánh giá hiệu quả nâng cao chất lượng tiếng nói của 2 thuật tóan giảm tiếng vang: thuật tóan trừ phổ (spectral subtraction) 216 Tuyển tập Báo cáo Hội nghị Sinh viên Nghiên cứu Khoa học lần thứ 7 Đại học Đà Nẵng năm 2010 [1] và thuật tóan tạo mặt nạ (spectral masking) [6]. Hiệu quả hai thuật tóan này được thử nghiệm trên cơ sở dữ liệu tiếng Việt, ảnh hưởng của các thông số đến hiệu quả thuật toán cũng được khảo sát, hiệu quả của 2 thuật tóan được so sánh ở các khỏang cách nguồn- microphone khác nhau. Bài báo chia làm ba phần, lần lượt đề cập đến hai thuật toán trên và các phương pháp đánh giá chất lượng của các thuật toán và kết quả đánh giá đạt được. 2. Thuật toán trừ phổ 2.1. Thuật toán Khôi phục lại tín Trừ ước lượng này Phân đoạn Ước lượng đáp ứng hiệu ban đầu ra khỏi tín hiệu tín hiệu xung của kênh truyền Hình 2: Sơ đồ khối spectral subtraction Thuật toán này được đề xuất cho hệ thống nhận dạng tiếng nói tự động (ASR) [2]. Sơ đồ khối thuật toán được trình bày trong hình 2. Tín hiệu bị nhiễu tiếng vang được biến đổi Fourier thời gian ngắn (cửa sổ Hanning, tỉ lệ chồng lấp 75%). Bằng cách chọn cửa sổ có chiều dài lớn hơn nhiều so với chiều dài đáp ứng xung với giả thiết đáp ứng xung qua các khung thời gian khác nhau là không đổi. Bằng cách trừ đi giá trị trung bình của logarit của phổ tần số, ảnh hưởng của tiêng vang lên tín hiệu sẽ được giảm xuống. Do sử dụng cửa sổ có chiều dài lớn nên độ phân giải tần số cao, sau khi áp dụng trừ phổ sẽ làm xuất hiện nhiễu nhân tạo (artifact noise). Nhiễu nhân tạo ảnh hưởng nhiều đến chất lượng và tính dễ hiểu được của tín hiệu tiếng nói (điều này không quan trọng lắm với hệ thống ASR). Vì thể cần thiết có quá trình xử lý sau để giảm nhiễu nhân tạo. 2.2. Post Processing Post Processing là thủ tục xử lý nhiễu nhân tạo sinh ra do trừ phổ, thực hiện như sau. Thực hiện normalize logarit biên độ của cả tín hiệu bị nhiễu và tín hiệu sau khi qua trừ phổ, dùng cửa sổ win có chiều dài bé hơn nhiều so với N. So sánh biên độ của hai tín hiệu trên ở cùng một tần số và khung thời gian, nếu biên độ ở tín hiệu sau khi qua trừ phổ lớn hơn thì cho rằng phần biên độ lớn hơn là do nhiễu nhân tạo, và làm suy g iảm biên độ này bằng một hệ số tùy thuộc mức năng lượng dôi ra. Với những ô mà năng lượng sau khi xử lý bé hơn năng lượng trước khi xử lý, hệ số này bằng 1. 3. Thuật toán tạo mặt nạ phổ Phân đoạn Ước lượng RT60 của Xây dựng mặt Nhân mặt nạ với tín t ...