ĐÁNH GIÁ GIẢI PHÁP GIẢM NHIỄU CHO TÍN HIỆU TIẾNG NÓI SỬ DỤNG CÁC PHÉP BIẾN ĐỔI WAVELET
Tóm tắt: 34
| 
PDF: 67 
##plugins.themes.academic_pro.article.main##
Author
Từ khóa:
Wavelet
PSWF
miềnWavelet
tiếng nói
giảm nhiễu
Tóm tắt
Bài báo tập trung trình bày kỹ thuật giảm nhiễu nâng cao chất lượng cho tín hiệu tiếng nói sử dụng các phép biến đổi trong miền wavelet. Phương pháp xác định nhiễu sử dụng bộ lọc phần trăm (PF: Percentile Filter) được sử dụng để thực hiện tiền xử lý cho các kỹ thuật nén nhiễu bao gồm hàm nén nhiễu ngưỡng cứng, nén nhiễu ngưỡng mềm và nén nhiễu thích nghi sử dụng phương pháp lọc Wavelet thống kê có tính cảm quan (PSWF). Phần mô phỏng sẽ trình bày kết quả đánh giá hiệu quả giảm nhiễu của ba phương pháp trên trong các môi trường nhiễu khác nhau, đồng thời cũng sẽ thực hiện so sánh, đánh giá với các phương pháp giảm nhiễu trong miền tần số đã được nghiên cứu. Kết quả cho thấy các kỹ thuật trong miền wavelet cho hiệu giảm nhiễu khá tốt, đặc biệt đối với nhiễu màu.
Tài liệu tham khảo
-
[1] Phạm Văn Tuấn, Hoàng Lê Uyên Thục, “Giải pháp giảm nhiễu trong miền Wavelet để nâng cao hiệu suất nhận dạng tiếng nói tự động”, Tạp chí Khoa học và Công nghệ, Đại học Đà Nẵng, số 4(39), 2010.
[2] Boll, S.F., “Suppression of acoustic noise in speech using spectral subtraction”, IEEE Trans, Acoust. Speech Signal Process., 27(2), 113-120, 1979.
[3] Ephraim, Yariv, and David Malah, Speech enhancement using optimal non-linear spectral amplitude estimation, Acoustics, Speech, and Signal Processing, IEEE International Conference on ICASSP'83, Vol. 8, IEEE, 1983.
[4] Cohen, Israel, “Speech enhancement using a noncausal a priori SNR estimator”, IEEE signal processing letters, 11.9 (2004): 725-728.
[5] Graps, Amara, “An introduction to Wavelets”, IEEE computational science and engineering, 2.2 (1995): 50-61.
[6] Pham T.V., Gernot Kubin, “WPD-based Noise Suppression Using Nonlinearly Weighted Threshold Quantile Estimation and Optimal Wavelet Shrinking”, Proc. Interspeech, Lisboa, Portugal, 4-8 Sep., 2005.
[7] Van Pham, Tuan, Wavelet Analysis For Robust Speech Processing and Applications, Diss. Ph. D. Thesis, 2007.
[8] Donohol, M. Johnstone, and M. Johnsone, Ideal spatial adaptation via Wavelet shrinkage, Biometrika 12.8 (1994): 430-445.
[9] Donoho D. L., “De-noising by soft thresholding”, IEEE Trans. Information Theory, 41:613–627, 1995.
[10] Pham T.V., Gernot Kubin, Erhard Rank, Robust Speech Recognition Using Adaptive Noise Threshold Estimation And Wavelet Shrinkage, Proc. IEEE ICCE, Hoi An, Vietnam, 04-06 Feb., 2008.
[11] Ephraim Y. and D. Malah, “Speech enhancement using a minimum mean square error log-spectral amplitude estimator”, IEEE Transactions on Acoustics, Speech, and Signal Processing, 33:443–445, 1985.
[12] Ephraim, Yariv, and David Malah, “Speech enhancement using a minimum mean-square error log-spectral amplitude estimator”, IEEE Transactions on Acoustics, Speech and Signal Processing, 33.2 (1985): 443-445.
[13] http://ecs.utdallas.edu/loizou/speech/noizeus/ truy cập lần cuối 20/03/2017.
Xem thêm
##plugins.themes.academic_pro.article.sidebar##
Đã Xuất bản
May 31, 2017
Download
Cách trích dẫn
Duong Ngoc Phap, Vo Thi Dieu Hanh. “ĐÁNH GIÁ GIẢI PHÁP GIẢM NHIỄU CHO TÍN HIỆU TIẾNG NÓI SỬ DỤNG CÁC PHÉP BIẾN ĐỔI WAVELET”. Tạp Chí Khoa học Và Công nghệ - Đại học Đà Nẵng, vol 5, số p.h 114, Tháng Năm 2017, tr 1-5, https://jst-ud.vn/jst-ud/article/view/3295.
