Báo Cáo Nghiên cứu các thuật tóan mờ để giảm nhiễu tiếng vang trong miền phổ nhằm nâng cao chất lượng tiếng

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 environment. 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 reverberation 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 than 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)
[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

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 giảm 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

Hình 3: Sơ đồ khối thuật tóan spectral masking
Sơ đồ thuật toán được trình bày trong hình 3. Tín hiệu được phân tích thành các dải
tần số khác nhau sau đó tính toán đường bao của mỗi dải tần số này rồi chuyển sang thang
dB. Hằng số thời gian a của nhiễu tiếng vang được ước lượng ở mỗi tần số bằng cách tính
độ dốc của đường bao trên N mẫu (N được chọn qua thử nghiệm nhiều giá trị khác nhau).
Một cửa sổ có chiều dài N sẽ được dịch trên đường bao của tín hiệu qua từng mẫu, dùng
phép đệ quy tuyến tính để tính độ dốc . Theo cách ước lượng trong [7], giá trị chính xác
Phân đoạn
tín hiệu

Ước lượng đáp ứng
xung của kênh truyền
Trừ ước lượng này
ra khỏi tín hiệu

Khôi phục lại tín
hiệu ban đầu

Phân đoạn
tín hiệu
theo dải tần

Ước lượng RT60 của
kênh truyền ở các dải
tần
Xây dựng mặt
nạ
Nhân mặt nạ với tín
hiệu bị nhiễu + khôi
phục lại tín hiệu