Phương pháp nâng cao chất lượng tiếng nói bằng cách triệt nhiễu thành phần xấp xỉ và thành phần chi tiết trên miền wavelet

Đỗ Huy Khôi và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 99(11): 15 - 19 
 15
PHƯƠNG PHÁP NÂNG CAO CHẤT LƯỢNG TIẾNG NÓI 
BẰNG CÁCH TRIỆT NHIỄU THÀNH PHẦN XẤP XỈ 
VÀ THÀNH PHẦN CHI TIẾT TRÊN MIỀN WAVELET 
Đỗ Huy Khôi, Nguyễn Thành Trung, Trịnh Văn Hà* 
Trường Đại học Công nghệ Thông tin & Truyền thông – ĐH Thái Nguyên 
TÓM TẮT 
Kỹ thuật triệt nhiễu và nâng cao chất lượng tiếng nói dùng phép biến đổi Wavelet đã được nghiên 
cứu nhiều trên thế giới. Hầu hết các nghiên cứu tập trung vào cách ước lượng và đặt ngưỡng toàn 
cục cho toàn bộ tín hiệu. Bài báo này trình bày phương pháp triệt nhiễu nâng cao chất lượng tiếng 
nói bằng biến đổi Wavelet cho tín hiệu tiếng nói thành hai thành phần hệ số chi tiết và hệ số xấp 
xỉ, sau đó áp dụng kỹ thuật trừ phổ và kỹ thuật ước lượng bình phương tối thiểu MMSE (minimum 
mean square error) của Ephraim/Malah cho các hệ số đó. Các kết quả mô phỏng cho thấy tiếng 
nói có nhiễu được triệt nhiễu bằng phương pháp đề xuất có SNR cao hơn các phương pháp trừ 
phổ, phương pháp MMSE và phương pháp Wavelet của Dohono. 
Từ khóa: wavelet, triệt nhiễu, phổ trừ, MMSE, PSNR. 
TỔNG QUAN VỀ TRIỆT NHIỄU TÍN HIỆU 
TIẾNG NÓI* 
Nhiễu ảnh hưởng nhiều đến hiệu quả xử lý tín 
hiệu. Vì vậy, triệt nhiễu và nâng cao chất 
lượng tín hiệu là bước quan trọng trong các hệ 
thống xử lý tín hiệu thời gian thực [3]. 
Mô hình chung của tín hiệu có nhiễu là: 
, 0,.., 1k k kx s n k K= + = − (1) 
Trong đó sk là tín hiệu tiếng nói sạch, nk là 
nguồn nhiễu độc lập với phương sai 
2( 1)k nσ σ = (giả sử nk là nhiễu trắng). 
Gọi sˆ là giá trị ước lượng của tín hiệu tiếng 
nói sạch. Mục đích của các phương pháp triệt 
nhiễu tín hiệu tiếng nói là tối thiểu sai số bình 
phương trung bình 2ˆ(| , | )E s s 
1
2 2
k k
0
ˆ ˆs - s (s - s )
K
k
E E
−
=
  =
  ∑ (2) 
PHƯƠNG PHÁP BIẾN ĐỔI WAVELET 
CHO TÍN HIỆU TIẾNG NÓI CÓ NHIỄU. 
Phép biến đổi wavelet 
Biến đổi wavelet WT của một tín hiệu x(t) 
được định nghĩa 
WT(b,a) = 
1
2| | ( ) ( )t ba x t dt
a
ψ∞−
−∞
−
∫ (*) 
*
 Tel: 0983 454755, Email: hatvhit@gmail.com 
Trong đó ( )t b
a
ψ − là hàm wavelet mẹ, ( )tψ 
là hàm wavelet phức của ( )tψ , b là toán tử 
dịch và a là toán tử tỉ lệ. 
Trong thực tế biến đổi wavelet thường dùng 
là wavelet rời rạc DWT (Discrete Wavelet 
Transform) được thực hiện bằng cấu trúc đa 
phân giải MRA (Multiresolution Analysis) 
phân tích tín hiệu ra hai thành phần chi tiết 
(detail) và xấp xỉ (approximation). Thành 
phần chi tiết là thành phần tần số cao và chứa 
nhiễu nên các phương pháp triệt nhiễu bằng 
wavelet đều dựa trên ý tưởng đặt ngưỡng cho 
các thành phần chi tiết và loại bỏ các thành 
phần chi tiết nhỏ hơn ngưỡng. 
Hình 1. Biến đổi wavelet rời rạc dùng đa phân giải 
Biến đổi Wavelet rời rạc áp dụng cho tín 
hiệu tiếng nói. 
DWT được xây dựng dựa trên cấu trúc đa 
phân giải MRA [6]. Tín hiệu nguyên thủy S đi 
Đỗ Huy Khôi và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 99(11): 15 - 19 
 16
qua 2 bộ lọc có đặc tính bù nhau và phân tách 
thành 2 tín hiệu, cA là các hệ số xấp xỉ, cD là 
các hệ số chi tiết. 
Quá trình phân tách có thể được lặp lại, với 
xấp xỉ hoàn toàn được tách ra, do đó một tín 
hiệu được tách thành nhiều thành phần phân 
giải thấp hơn. Nó được gọi là cây phân tách 
Wavelet. 
PHƯƠNG PHÁP TRIỆT NHIỄU THAM KHẢO 
Phương pháp trừ phổ 
Ý tưởng chung của phương pháp trừ phổ [1, 
5] là chọn một mức phổ sàn tương ứng với 
phổ của nhiễu nền và tách ra khỏi phổ tín hiệu 
lẫn nhiễu. Giả thiết nhiễu nk là quá trình ngẫu 
nhiên dừng trong khoảng thời gian một khung 
tiếng nói và không tương quan với tín hiệu 
tiếng nói. 
Từ (1), sau khi cửa sổ hoá ta được: 
xw(k) = sw(k) + nw(k) (3) 
Phổ của tín hiệu lẫn nhiễu là 
2 2 2 * *| ( )| | ( )| | ( )| ( ). ( ) ( ). ( )w w w w w w wX w S w N w S w N w S w N w= + + +
 (4) 
Nếu chúng ta cho rằng n(k) có trung bình 
bằng 0 và không tương quan với s(k) thì 
* *( ). ( ) ( ). ( )w w w wS w N w S w N w+ tiến tới 0. Do 
vậy ta có : 
2 2 2| ( ) | | ( ) | | ( ) |S w X w E N w = −   (5) 
2
2 2
2
| ( ) || ( ) | | ( ) | 1 ( ) |
E N w
S w X w
X w
    = −
 
 
 (6) 
2 2| ( ) | | ( ) | . ( )S w X w G w= (7) 
Gọi G(w) là hệ số trọng số phổ. Áp dụng biến 
đổi Wiener và đơn giản hóa bằng hàm biến 
đổi trọng số theo [1] ta có: 
G = Max ( )1 ,( )
PSD
PSD
N w
X w
α β −  
 
 (8) 
Với α là hệ số ước lượng trên và β là sàn phổ 
được chọn tương ứng. 
Phương pháp MMSE (minimum mean 
square error) của Ephraim/Malah 
Trong phương pháp MMSE của 
Ephraim/Malah [7], các thành phần phổ của 
tiếng nói và nhiễu được mô hình thành các 
biến ngẫu nhiên Gaussian. 
Phân khung băng con tiếng nói thứ i thành các 
khung có độ dài bằng nhau. Ngưỡng nhiễu ước 
lượng trong khung thứ p và băng con thứ i là 
,i pλ được xác định theo Jansen [4]. 
( )postimR và ( )prioriimR là các tỉ lệ hệ số trên 
ngưỡng CTR (Cofficient to Thershold Ratio) 
tiền nghiệm và hậu nghiệm: 
( )priori | |ii mm i
m
cR λ= (9) 
Các ngưỡng nhiễu đối với từng hệ số i
mc là 
i
mλ 
được ước lượng giống nhau trong từng khung. 
Nói cách khác trong khung p i
mλ = ,i pλ . 
CTR hậu nghiệm tương ứng 
( )post i priorimˆ| | (1 ) ax[0,(R ) -1]ii mm i
m
cR mα αλ= + − (10) 
Hình 2. Phân tích Wavelet rời rạc tiếng nói 
h 
g 
↓2 
↓2 
Tiếng nói 
gốc 
h' 
g' 
↑2 
↑2 
Tiếng nói tái tạo 
DW IDW
cA 
cD 
Các hệ số 
xấp xỉ 
Các hệ số 
chi tiết 
Đỗ Huy Khôi và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 99(11): 15 - 19 
 17
Với α là một hệ số có thể thay đổi 0 < α <1. 
Với CTR tiền nghiệm và hậu nghiệm xác định 
như trên ta có công thức biểu diễn bộ lọc đặt 
ngưỡng mềm Ephraim/Malah: 
( ) ( )1[ ]
1 ( ) ( ) 1 ( )
i post i post
i m m
m i post i priori i post
m m m
R RH
R R R
= +
+ +
 (11) 
Áp dụng bộ lọc này cho các hệ số phân rã cim 
với từng bank i, các hệ số phân ra đã được 
triệt nhiễu được tính như sau: 
ˆ
.
i i i
m m mC H C= (12) 
Mô hình triệt nhiễu đề xuất 
Trong tín hiệu tiếng nói thành phần nhiễu 
“musical noise” được loại bỏ ở phương pháp 
MMSE là ước lượng ngưỡng nhiễu đối với 
từng hệ số phân rã trong khung nên giảm 
thiểu sai số phổ. Kết quả thực nghiệm trong 
[5, 7] cho thấy hiệu quả triệt nhiễu của 
phương pháp này không cao so với phương 
pháp trừ phổ và phương pháp triệt nhiễu bằng 
Wavelet của Dohono đối với trường hợp 
nhiễu có cường độ lớn (PSNR của tín hiệu lẫn 
nhiễu nhỏ). 
Mặt khác thành phần nhiễu “musical noise” 
là các thành phần chi tiết trên miền Wavelet. 
Thuật toán triệt nhiễu như sau: 
Bước 1. Phân rã DWT cho toàn bộ tín hiệu 
tiếng nói có nhiễu 
Bước 2. Sử dụng bộ lọc để lấy các hệ số chi 
tiết và các hệ số xấp xỉ. 
Bước 3. Áp dụng phương pháp trừ phổ cho hệ 
số xấp xỉ. 
Bước 4. Áp dụng phương pháp MMSE cho hệ 
số chi tiết. 
Bước 5. Tái tạo wavelet và thu được tín hiệu 
đã được triệt nhiễu. 
Các tham số thực nghiệm. 
Giá trị phổ sàn trên α = 0.9, sàn dưới β = 0.5 
ứng với khoảng có tiếng nói, α = 1.2, β = 0.1 
ứng với khoảng lặng [1]. DWT được thực 
hiện với thuật toán FWT, Wavelet mẹ được 
chọn là Deubechies 8, số mức phân rã là 3. 
KẾT QUẢ TRIỆT NHIỄU THỰC NGHIỆM 
TRÊN MATLAB 
Chúng tôi đã thử nghiệm hệ thống triệt nhiễu 
đề nghị với đầu vào là tiếng nói sạch cộng với 
nhiễu Gauss trắng nhân tạo. 
Phương pháp chung để xác định và đánh giá 
hiệu quả triệt nhiễu của các phương pháp triệt 
nhiễu trong [2, 4, 5, 7] là thông qua giá trị 
PSNR được xác định như sau: 
2
i i
1
1
ˆ( )
N
i
MSE S S
N
=
= −∑ (13) 
2
i
10
[max(S )]10log
MSE
PSNR = (14) 
iS là tín hiệu nhiễu tại thời gian i còn ˆiS là 
tín hiệu đã triệt nhiễu tại thời gian i. 
Hình 3. Mô hình triệt nhiễu sử dụng 
Tiếng nói có 
nhiễu 
Trừ phổ 
MMSE DW
cA cA
c cDc 
Tiếng nói 
triệt nhiễu IDW
Các hệ số 
xấp xỉ 
Các hệ số 
chi tiết 
Các hệ số xấp 
xỉ được triệt 
nhiễu 
Các hệ số chi 
tiết được triệt 
nhiễu 
Đỗ Huy Khôi và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 99(11): 15 - 19 
 18
Bảng 1. So sánh PSNR của các phương pháp triệt nhiễu 
Tín hiệu nhiễu Phương pháp 
trừ phổ 
Phương pháp 
trung bình phương 
tối thiểu 
MMSE 
Phương pháp 
ngưỡng toàn cục 
của Dohono 
Phương pháp kết 
hợp trên miền 
Wavelet 
47.1320 58.0015 52.6225 55.5868 63.4432 
52.1753 58.4312 54.3736 59.9119 65.6679 
57.4413 59.8643 58.4647 64.1735 67.4762 
62.5753 63.1262 64.6353 69.0072 70.2716 
67.2824 69.7463 71.4373 71.3361 71.9635 
72.2251 72.2601 73.6573 72.8592 73.6253 
Hình 4. Hình ảnh âm thanh trước và sau khi triệt nhiễu 
Để so sánh hiệu quả của phương pháp đề xuất 
với các phương pháp khác, chúng tôi thử 
nghiệm triệt nhiễu và tính toán các giá trị 
PSNR (priori signal to noise ratio) của 
phương pháp trừ phổ, phương pháp MMSE 
của Malah, phương pháp triệt nhiễu Wavelet 
của Dohono [2] và phương pháp đề xuất. 
Kết quả PSNR tính được với tín hiệu có nhiễu 
và đã triệt nhiễu được cho trong bảng 1. Qua 
kết quả PSNR nhận được và chất lượng âm 
thanh kiểm nghiệm trực tiếp ta thấy phương 
pháp đề xuất có kết quả tốt nhất, nhiễu gần 
như được loại bỏ mà chất lượng tiếng nói 
giảm không đáng kể. Trong thực nghiệm nếu 
PSNR của tín hiệu lẫn nhiễu nhỏ hơn 20 dB 
thì cả 3 phương pháp đều không cho hiệu quả 
triệt nhiễu đáng kể. Khi PSNR đầu vào nhỏ 
(40-60 dB) phương pháp đề xuất cho kết quả 
cao hơn hẳn, tuy nhiên khi PSNR tăng dần (> 
70 dB) thì sự phân biệt của các phương pháp 
là không đáng kể. 
KẾT LUẬN 
Dựa trên các kết quả nghiên cứu chúng tôi 
đánh giá phương pháp triệt nhiễu sử dụng 
biến đổi Wavelet thành các hệ số chi tiết, hệ 
số xấp xỉ và áp dụng triệt nhiễu cho từng 
thành phần hệ số với kỹ thuật trừ phổ và kỹ 
thuật MMSE của Ephraim/Malah là một kỹ 
thuật triệt nhiễu hiệu quả và có thể áp dụng 
trong khối tiền xử lý của các hệ thống xử lý 
tiếng nói thời gian thực như mã hóa, nhận 
dạng tiếng nói thời gian thực. 
TÀI LIỆU THAM KHẢO 
[1]. Hà Đình Dũng, Nguyễn Kim Quang, (2003), 
“Xây dựng bộ giảm nhiễu sử dụng phương pháp trừ 
phổ ứng dụng trong hệ thống nhận dạng tiếng nói”, 
Báo cáo hội thảo quốc gia CNTT, Thái Nguyên. 
[2]. Donoho, D. L, (1995), “Denoising via soft 
thresholding'', IEEE Trans. Information Theory. 
[3]. Gibert Strang, Truong Nguyen, (1996), 
Wavelet and Filter Banks, Weliesley- Cambridge 
Press, The United States of America. 
Đỗ Huy Khôi và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 99(11): 15 - 19 
 19
[4]. Jansen M. , (2001), Noise Reduction by 
Wavelet Thresholding, Springer-Verlag, New 
York. 
[5]. S.F. Boll, “Suppression of Acoustic Noise in 
Speech Using Spectral Subtraction”, IEEE 
Transactions on Acoustics, Speech, and Signal 
Processing, vol. 27, April 1979, pp. 113-120. 
[6]. Stéphane Mallat, (1999), A Wavelet Tour of 
Signal Processing, Second Edition. 
[7]. Y. Ephraim and D. Malah, (1985), “Speech 
enhancement using a minimum mean square error 
log-spectral amplitude estimator” IEEE Trans. on 
ASSP, pp. 443-445. 
SUMMARY 
SPEECH DENOISING AND ENHANCEMENT BASED 
ON DENOISING COMPONENT APPROXIMATIONS 
AND DETAILS IN THE WAVLET DOMAIN 
Do Huy Khoi, Nguyen Thanh Trung, Trinh Van Ha* 
 College of Information and Communication Technology - TNU 
There are many researches about the methods of speech denoising and enhancement using wavelet 
in the world. Most of researches study the methods to estimate the global or sub band dependent 
threshold overall signal. 
In this paper, we present a speech denoising approach using discrete Wavelet transform ,with 
approximation coefficients based on spectral subtraction method and details coefficients based on 
MMSE methods. The simulation results show that the noisy speech denoised by our proposed 
method has higher SNR than the spectral subtraction denoising, the MMSE denoising and the 
Wavelet denoising of Dohono. 
Keyword: Wavelet, denoising, spectral subtraction , MMSE, PSNR (priori signal to noise ratio) 
speech processing. 
Ngày nhận bài:05/10/2012 , ngày phản biện: 20/10/2012, ngày duyệt đăng:10/12/2012
*
 Tel: 0983 454755, Email: hatvhit@gmail.com