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 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)

và thuật tóan tạo mặt nạ (spectral masking) . 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) .

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 , 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 hiệ