Nhiễu ảnh hưởng nhiều đến hiệu quả xử lý tín hiệu, ví dụ như nhận dạng tiếng nói trong môi trường thời gian thực. Có ba nhân tố chính của nhiễu đó là:
- Nhiễu thêm vào trong tín hiệu như tiếng quạt gió, ô tô, tàu hoả
- Nhiễu gắn liền với thiết bị ghi âm
- Sự biến đổi các mức tiếng nói sinh ra từ người nói (giọng yếu hay giọng khoẻ), sự thay đổi hướng hay khoảng cách đến micro,...
Vì vậy triệt nhiễu và nâng cao chất lượng tiếng nói là một bước quan trọng trong hệ thống nhận dạng tiếng nói, đặc biệt là nhận dạng thời gian thực.
Có nhiều phương pháp triệt nhiễu trong đó triệt nhiễu bằng wavelet (wavelet denosing) là một phương pháp mạnh được sử dụng rộng rãi trong thời gian gần đây.
Ta phân tích nhiễu của tín hiệu, sau đó là các hàm tương quan đặc tính xác suất, phổ, và các hàm phân phối. Về tổng thể, với một tín hiệu thời gian rời rạc một chiều các tần số cao ảnh hưởng tới các chi tiết ở mức đầu (giá trị nhỏ của j), trong
khi các tần số thấp ảnh hưởng tới các mức sâu nhất (các giá trị lớn của j) và các xấp xỉ kết hợp.
Mô hình chung cho tín hiệu nhiễu là
Công thức 4.5
Trong đó Sk là tín hiệu tiếng nói sạch, nk là nguồn nhiễu độc lập với phương sai k (n2 = 1) (giả sử nk là nhiễu trắng). Mục đích của wavelet denoising là tối ưu sai số trung bình phương E(s^, s2
)
Công thức 4.6
Ý tưởng của phương pháp
Sử dụng DWT để phân tách tín hiệu thành phần chi tiết và xấp xỉ. Phần xấp xỉ là thông tin quan trọng còn phần chi tiết là các thông tin đặc trưng và cũng đồng thời chứa nhiễu.
Khi những thành phần chi tiết nhỏ hơn một mức cho phép nào đó (gọi là ngưỡng) chúng ta có thể loại bỏ nó mà không làm ảnh hưởng nhiều đến tín hiệu ban đầu. Vì vậy ý tưởng lấy ngưỡng các hệ số wavelet là cách để loại bỏ những thành phần chi tiết không quan trọng được coi là nhiễu.
Nguyên tắc khử nhiễu
Bước 1. Phân tách: Chọn một Wavelet, chọn mức N. Tính phân tách Wavelet của tín hiệu s ở mức N.
Bước 2. Đặt ngưỡng các hệ số chi tiết: Với mỗi mức từ 1 đến N, chọn một ngưỡng và áp dụng đặt ngưỡng cho các hệ số chi tiết.
Bước 3. Tái tạo: Tính toán tái tạo Wavelet sử dụng các hệ số xấp xỉ ban đầu ở mức N và các hệ số chi tiết đã chỉnh sửa ở các mức 1 đến N. Hai điểm cần được định rõ là cách chọn ngưỡng và cách thực hiện định ngưỡng.
Đặt ngưỡng cứng hay ngưỡng mềm?
Cho t là biểu diễn ngưỡng. Tín hiệu ngưỡng cứng là x nếu x > T, là 0 nếu
x <= T. Tín hiệu ngưỡng mềm nếu sign(x -T) nếu x > 0 và là 0 nếu x <= T. T được xác định theo Dohono và Jonhstone [21]
Công thức 4.7
(độ lệch chuẩn )
Hình 4.15 Quá trình đặt ngưỡng với mức ngưỡng cứng với T=0.4.