Các mô hình phân tích phổ

2. Các âm vị khác

4.2.1 Các mô hình phân tích phổ

Hai lựa chọn chung nhất cho việc xây dựng đầu cuối xử lý tín hiệu của bộ nhận dạng tiếng nói là mô hình filter bank (dãy các bộ lọc) và mô hình LPC (dự đoán tuyến tính). Trrong mô hình filter bank, tín hiệu tiếng nói được chuyển qua một dãy các bộ lọc thông dải mà mỗi một trong chúng chiếm lĩnh một khoảng nhất định trong một phạm vi tần số cần quan tâm (ví dụ 100-3000Hz cho các tín hiệu điện thoại). Có thể thấy rằng, mỗi bộ lọc trong mô hình filter bank xử lý tín hiệu tiếng nói một cách độc lập để tạo các đặc trưng của tín hiệu tiếng nói trong dải thông mà nó phụ trách.

Mô hình phân tích LPC thực hiện việc phân tích phổ dựa trên các khối tiếng

nói (khung tiếng nói) với ràng buộc mô hình toàn điểm cực. Sau khi tìm ra được các vector hệ số LPC xác định phổ của một mô hình toàn điểm cực của khung tiếng nói, các tham số LPC sẽ trải qua một vài xử lý trước khi được đưa tới đầu vào của bộ nhận dạng.

Trong các phần tiếp theo của chương này, cũng do giới hạn về quy mô luận văn, tác giả chỉ xin trình bày kỹ về phương pháp xử lý tín hiệu dựa trên mô hình filter bank vì nó được sử dụng khá phổ biến hiện nay và có liên quan trực tiếp tới việc xây dựng phần mềm thử nghiệm.

Hình 4.3 Xử lý tín hiệu trong các tiếp cận nhận dạng tiếng nói 4.2.2 Bộ xử lý đầu cuối filter bank (dãy bộ lọc)

Sơ đồ khối chi tiết hơn của bộ phân tích đầu cuối filter bank được đưa ra trong hình 4.4. Tín hiệu tiếng nói đã được lấy mẫu s(n) được đưa qua một dãy Q bộ lọc thông dải, và ta được tín hiệu sau

(4.1a)

(4.1b)

ở đó chúng ta đã giả định rằng đáp ứng xung của bộ lọc thứ i là h_i(m) trong khoảng thời gian tương ứng với Mi mẫu; như vậy, chúng ta sử dụng biểu diễn tích chập của thao tác lọc để đưa ra một biểu diễn tường minh cho si(n), tín hiệu đầu ra của bộ lọc thứ i. Do mục đích của phân tích filter bank là đưa ra số liệu về năng lượng của tín hiệu tiếng nói trong từng dải tần số nhất định, nên mỗi tín hiệu thông dải siđược chuyển qua một bộ chuyển đổi phi tuyến. Các bộ chuyển đổi phi tuyến dịch chuyển phổ của tín hiệu thông dải về vùng tần thấp đồng thời cũng tạo ra các nhiễu tần số cao. Tiếp đó các bộ lọc thông thấp được sử dụng để loại bỏ các nhiễu tần số cao, và cho ta một tập hợp các tín hiệu ui, 1iQ, biểu diễn đánh giá về năng lượng của tín hiệu tiếng nói trong từng giải thông (thuộc Q dải thông của Q bộ lọc).

Để có thể hiểu một cách đầy đủ hơn về tác dụng của bộ chuyển đổi phi tuyến và bộ lọc thông thấp, chúng ta hãy giả sử rằng đầu ra của bộ lọc thông dải thứ i là một hàm thuần tuý hình sin tại tần số _inhư sau

s_i(n)=_i sin(_in) (4.2)

Giả sử này là hợp lệ đối với tiếng nói trong trường hợp các âm thanh hữu thanh có trạng thái ổn định và khi băng thông của bộ lọc là đủ hẹp sao cho chỉ một thành phần dao động điều hoà đơn của tín hiệu tiếng nói được chuyển qua. Nếu chúng ta sử dụng một bộ chuyển đổi phi tuyến như sau

f(s_i(n))=s_i(n) với si(n)0

=-s_i(n) với s_i(n)<0 (4.3)

thì chúng ta có thể biểu diễn đầu ra bộ chuyển đổi như sau

v_i(n)=f(s_i(n))=s_i(n).w(n) (4.4)

ở đó

(4.5)

như được minh họa trong các hình 4.5 a - 4.5 c. Bộ chuyển đổi phi tuyến có thể được xem như thực hiện một sự biến đổi tần số theo thời gian (theo công thức (4.5)) ,và trong miền tần số chúng ta có được kết quả sau

V_i(e^j)=S_i(e^j)W(e^j) (4.6)

Hình 4.5 Các đồ thị dạng sóng và phổ cho việc phân tích một tín hiệu thuần tuý hình sin trong mô hình filter bank

ở đó Vi(e^j), S_i(e^j) và W(e^j) là biến đổi Fourier của tín hiệu vi(n), s_i(n) và w_i(n), với là một tích chậpvòng. Hình phổ Si(e^j) là một xung đơn tại 0=i; trong khi

đó hình phổ W(e^j) lại là một tập hợp các xung tại các tần số dao động điều hoà lẻq=iq, q=1,2,...,q_max. Như vậy, hình phổ V(e^j) là một xung tại =0 và một tập hợp các xung có biên độ nhỏ hơn tại _q=_iq, q=2,4,6,... như được minh hoạ trong các hình 4.5 d - 4.5 f. Tác dụng của bộ lọc thông thấp là giữ lại thành phần DC của Vi(e^j) và lọc đi các thành phần tần số cao hơn do bộ chuyển đổi phi tuyến gây ra.

Phân tích trên, mặc dù chỉ đúng cho trường hợp hàm thuần tuý hình sin, vẫn là một mô hình tốt cho các âm thanh tiếng nói giả tuần hoàn và hữu thanh chừng nào mà bộ lọc thông dải không quá rộng đến nỗi cho phép nhiều hơn một thành phần dao động điều hoà có biên độ lớn của tín hiệu đi qua. Do bản chất biến thiên theo thời gian của tín hiệu tiếng nói (tính giả tuần hoàn), hình phổ của tín hiệu tần thấp không phải là một xung DC thuần tuý mà có thể là một dải tần số thấp xung quanh DC.

Quay trở lại hình 4.4, hai khối cuối cùng mà các tín hiệu đã được lọc thông thấp t_i(n) đi qua là khối lấy mẫu lại tín hiệu với tần số thấp hơn (khoảng 40-60Hz) và khối nén biên độ tín hiệu (dùng mã hoá logarithm hay luật  (_law)). Tác dụng của hai khối này chủ yếu là để giảm bớt đi số bit cần để lưu trữ các tín hiệu.