NGHIÊN cứu KHẢ NĂNG TRIỆT NHIỄU TRONG tín HIỆU THOẠI ở NGÕ RA máy TRỢ THÍNH

NGHIÊN CỨU KHẢ NĂNG TRIỆT NHIỄU TRONG TÍN HIỆU THOẠI Ở NGÕ RA MÁY TRỢ THÍNH Đối với người lớn, các bác sĩ cũng đã thống kê: Gần 30% số người ở lứa tuổi 40 50 có hiện tượng giảm thính lực. Khi bước sang lứa tuổi 5060 tỷ lệ này là 35% và ở lứa tuổi 70, có đến 50% số người già bị khiếm thính. Và khi đó, thiết bị trợ thính chính là giải pháp khôi phục lại niềm tin và tạo dựng nên nhân cách cho họ, đặc biệt là đối với trẻ em. Tuy nhiên, rất nhiều người bị khiếm thính không nghĩ đến việc phải đeo máy trợ thính một phần mặc cảm mình bị tàn tật và thấy bất tiện khi đeo máy trợ thính. Máy trợ thính chỉ tăng âm chứ không thể thay đổi mức độ và chất lượng thính giác của người khiếm thính. Những tần số người bệnh không nghe được chút nào thì dù có tăng âm lên bao nhiêu cũng không nghe được hoặc nếu có thì những âm thanh đó cũng bị biến đổi, méo mó. Máy trợ thính có tác dụng chủ yếu với các tần số thuộc vùng tiếng nói nên không thể nghe hết các âm thanh muôn màu muôn vẻ của đời sống.

MỤC LỤC

Danh mục các bảng biểu và hình ảnh 2

Chương 1: Mở đầu 3

1 Lý do và bối cảnh của đề tài 4

2 Ý nghĩa thực tiễn của đề tài 6

3 Kết quả đạt được và dự kiến tiếp theo 6

Chương 2: Tổng quan 8

1 Tổng quan tình hình nghiên cứu 9

2 Phép biến đổi Wavelet 10

3 Triệt nhiễu bằng Gói Wavelet 21

Chương 3: Thực nghiệm và kết quả 24

1 Triệt nhiễu theo phương pháp của Johnstone và Silverman cấp 3, 5, 8 25

2 Lấy ngưỡng theo phương pháp của M.Bahoura và J.Rouat so với phương pháp của Johnstone và Silverman của một số tín hiệu khác nhau 27

Hướng phát triển 28

Tài liệu tham khảo 29

DANH MỤC CÁC BẢNG BIỂU VÀ HÌNH ẢNH

Hình 1: Máy trợ thính TIANLE HA-93

Hình 2: Sơ đồ mạch in máy trợ thính TIANLE HA-93

Hình 3: Sơ đồ triệt nhiễu bằng wavelets

Hình 4: Biểu diển tín hiệu bằng CWT

Hình 5: Hàm cơ sở trong phép biến đổi Wavelets

Hình 6: Các hệ số Wavelet trên không gian 3 chiều

Hình 7: Thuật toán phân tách

Hình 8: Sơ đồ phân tích liên tiếp cả thành phần gần đúng và chi tiết Mỗi nhóm hệ số

sau phân tích được gọi là một gói wavelet

Hình 9: Sơ đồ khối quá trình xử lý ngưỡng thích nghi theo thời gian

Hình 10: Tín hiệu thoại cộng nhiễu nhiệt được thu từ ngõ ra máy trợ thính TIANLE

HA-93 và tín hiệu sau triệt nhiễu bằng phương pháp lấy ngưỡng của

Chương 1

MỞ ĐẦU

1 LÝ DO VÀ BỐI CẢNH CỦA ĐỀ TÀI

Bệnh khiếm thính có thể can dự vào chất lượng cuộc sống của bất kỳ ai, làm giảmkhả năng giao tiếp với mọi người, gây nên sự hiểu lầm và mệt mỏi, làm tăng stress vàlàm mất đi những âm thanh mang đến niềm vui và ý nghĩa cuộc sống của họ Và khi

đó, thiết bị trợ thính chính là giải pháp khôi phục lại niềm tin và tạo dựng nên nhâncách cho họ, đặc biệt là đối với trẻ em

Theo TS Võ Thiện Quang, Viện trưởng Viện Tai - Mũi - Họng TƯ, vấn đề giảmthính lực ở người lớn và trẻ em vẫn chưa được quan tâm đúng mức Tại một cuộckhám bệnh cho trẻ em ở huyện Đông Anh, các bác sĩ đã phát hiện rất nhiều trẻ bị viêmtai giữa thanh dịch khiến thính lực giảm sút nghiêm trọng Những trường hợp này nếukhông được chữa trị kịp thời sẽ trở thành bệnh mãn tính, giảm thính lực vĩnh viễn.Đối với người lớn, các bác sĩ cũng đã thống kê: Gần 30% số người ở lứa tuổi 40 -

50 có hiện tượng giảm thính lực Khi bước sang lứa tuổi 50-60 tỷ lệ này là 35% và ởlứa tuổi 70, có đến 50% số người già bị khiếm thính

Và khi đó, thiết bị trợ thính chính là giải pháp khôi phục lại niềm tin và tạo dựng

nên nhân cách cho họ, đặc biệt là đối với trẻ em Tuy nhiên, rất nhiều người bị khiếmthính không nghĩ đến việc phải đeo máy trợ thính một phần mặc cảm mình bị tàn tật vàthấy bất tiện khi đeo máy trợ thính

Máy trợ thính chỉ tăng âm chứ không thể thay đổi mức độ và chất lượng thính giáccủa người khiếm thính Những tần số người bệnh không nghe được chút nào thì dù cótăng âm lên bao nhiêu cũng không nghe được hoặc nếu có thì những âm thanh đó cũng

bị biến đổi, méo mó Máy trợ thính có tác dụng chủ yếu với các tần số thuộc vùngtiếng nói nên không thể nghe hết các âm thanh muôn màu muôn vẻ của đời sống.Máy chất lượng tốt sẽ giúp tăng âm tiếng nói người đối thoại, giảm tiếng ồn xungquanh; tự động loại bỏ các âm thanh quá cao, có hại cho thính giác Nếu máy chấtlượng kém, không được kiểm định thì những tiếng động bất chợt như tiếng còi tàu xe,sấm sét… sẽ bị tăng lên quá mức, gây tổn thương thính giác, làm cho điếc càng nặngthêm

Lý do xuất hiện đề tài:

 Nhà trường đặt hàng khoa Điện tử nghiên cứu chế tạo máy trợ thính

 Khoa Điện tử đã chọn thầy Nguyễn Hoàng Huy và Đào Hồng Phong chịu tráchnhiệm nghiên cứu thực hiện

Quá trình thực hiện:

 Thầy Chiến đã mua một máy trợ thính đang có bán trên thị trường để tìm hiểu

Hình 1: Máy trợ thính TIANLE HA-93

Hình 2: Sơ đồ mạch in máy trợ thính TIANLE HA-93

 Sau quá trình nghiên cứu tìm hiểu nhận thấy:

 Thiết bị được chế tạo từ công nghệ SMT, sử dụng các linh kiện khá đặc biệt

Do khó khăn về công nghệ và chế tạo chúng ta không thể chế tạo được một thiết bịtương tự nhỏ gọn hơn hoặc rẻ hơn Do đó, nhóm thực hiện đề tài đề nghị một số nội

dung nghiên cứu mang tính học thuật đó là: “Nghiên cứu khả năng triệt nhiễu trong

tín hiệu thoại ở ngõ ra máy trợ thính” nhằm nâng cao chất lượng của máy trợ thính.

2 Ý NGHĨA THỰC TIỂN CỦA ĐỀ TÀI

Nâng cao chất lượng sản phẩm nhằm phục vụ tốt hơn cho cuộc sống luôn là mụctiêu hướng tới của con người Kết quả nghiên cứu của đề tài nhằm cải thiện chất lượngnghe cho người khiếm thính

3 KẾT QUẢ ĐẠT ĐƯỢC VÀ DỰ KIẾN TIẾP THEO

Tín hiệu thoại ở ngõ ra máy trợ thính thường kèm theo một lượng nhiễu nhiệt tạo ra

âm thanh rào rào Ngoài ra, trong môi trường động (ồn ào) các âm thanh không mongmuốn xen lẫn vào âm thanh cần gây khó khăn cho người sử dụng

Mục đích của đề tài là tìm cách triệt hai loại nhiễu trên Hiện nay, có nhiều nghiêncứu khử hai loại nhiễu này, nhưng nhìn chung có hai hướng thường được nghiên cứu

là sử dụng phép biến đổi Wavelet và phương pháp trừ phổ

Giai đoạn đầu đề tài tập trung vào phương pháp Wavelet Phương pháp trừ phổ sẽtiếp tục nghiên cứu ở giai đoạn hai Nội dung đề tài gồm:

 Tìm hiểu phép biến đổi Wavelet và ứng dụng

 Tìm hiểu phương pháp triệt nhiễu bằng phép biến đổi Wavelet

 Thực nghiệm bằng Matlab trên tín hiệu thực thu được từ máy trợ thính

 Đánh giá và kết luận

Kết quả thực nghiệm bước đầu trên Matlab là khả quan và sẽ được trình bày ở phầnsau

Chương 2

TỔNG QUAN

1 TỔNG QUAN TÌNH HÌNH NGHIÊN CỨU

Phép biến đổi Wavelet là một lĩnh vực mới được nghiên cứu nhiều trong thời giangần đây Nó có nhiều ứng dụng trong lĩnh vực xử lý tín hiệu số như: nén tín hiệu, triệtnhiễu tín hiệu …

Thuật giải triệt nhiễu bằng biến đổi Wavelet được tóm tắt như sau:

Hình 3: Sơ đồ triệt nhiễu bằng wavelets

 Khai triển wavelet rời rạc cho tín hiệu bị nhiễu để có những hệ số wavelet có nhiễu

 Tính giá trị ngưỡng tương ứng với loại và mức nhiễu

 Khử nhiễu khỏi những hệ số wavelet xấp xỉ (cũng có thể là hệ số chi tiết nếu nhiễu

có tần số cao) bằng cách lấy ngưỡng cho chúng

 Cuối cùng, khôi phục lại tín hiệu từ các hệ số đã được khử nhiễu

Cốt lõi của phương pháp khử nhiễu bằng Wavelet là việc chọn ngưỡng Johnstone

và Silverman [2] đã đề nghị một phương pháp chọn ngưỡng thống kê như sau:

trong đó: , MAD (Median Absolute Deviation): độ sai lệch tuyệt đốitrung bình N: chiều dài gói wavelet

Nhóm thực hiện đề tài đã tìm hiểu và thử nghiệm phương pháp chọn ngưỡng nàytrên tín hiệu thực với nhiễu nhiệt và cho kết quả khá tốt Tuy nhiên, việc lấy ngưỡngnày lại làm xuất hiện một lượng nhiễu dư ( cỏn gọi là nhiễu nhạc) làm méo dạng tínhiệu

Bahoura và Rouat [3] có đề xuất một phương pháp chọn ngưỡng sử dụng toán tửnăng lượng TEO Phương pháp này giúp giảm được lượng nhiễu dư so với phươngpháp trên, nhưng việc tính toán phức tạp hơn

Chọn ngưỡng

2 PHÉP BIẾN ĐỔI WAVELET

a Biến đổi Fourier thời gian ngắn – STFT- cơ sở của biến đổi Wavelet.

Phép biến đổi Fourier không thể áp dụng đối với tín hiệu không dừng, vì các thànhphần tần số không ổn định Tuy nhiên, nếu chúng ta chia tín hiệu không dừng thànhnhững đoạn đủ nhỏ theo thời gian thì tín hiệu trong mỗi đoạn có thể xem là tín hiệudừng và do đó có thể lấy biến đổi Fourier trên từng đoạn tín hiệu này Như vậy, phépbiến đổi STFT vừa có tính định vị theo tần số do tính chất của biến đổi Fourier, vừa cótính định vị theo thời gian do được tính trong từng khoảng thời gian ngắn Đây lànguyên lý của STFT hay còn gọi là biến đổi Fourier cửa sổ hóa

Công thức biến đổi :

Trong STFT, tín hiệu f(t) đầu tiên được nhân với một hàm cửa sổ w(t-τ) để lấy được tín hiệu trong khoảng thời gian ngắn xung quanh thời điểm τ Sau đó phép biến

đổi Fourier bình thường được tính trên đoạn tín hiệu này Kết quả chúng ta được một

hàm hai biến STFT f (w,t) xác định bởi :





STFT tại thời điểm t là biến đổi Fourier của tín hiệu f(t) nhân với phiên bản dịch

một khoảng τ theo thời gian w(t-τ) của cửa sổ cơ bản tập trung xung quanh τ Đây là

phổ cục bộ của f(t) xung quanh thời điểm τ do cửa sổ tương đối ngắn làm triệt tiêu tín hiệu ngoài vùng lân cận xung quanh τ Vì thế STFT có tính định vị theo thời gian Cửa

sổ khảo sát càng hẹp thì tính định vị này (hay độ phân giải theo thời gian) càng tốt

Để thấy rõ hơn về tính định vị theo tần số, ta áp dụng định lý Parserval để viết lại(2.2) như sau:

Với W * (w’-w) và F(w’) lần lượt là phổ của cửa sổ w(t-t) và tín hiệu f(t).

W * (w’-w) có tác dụng như một bộ lọc dải thông tập trung quanh tần số w có băng

thông bằng băng thông w(t) làm giới hạn phổ của tín hiệu F(w’) xung quanh tần số đang phân tích w Như vậy STFT có tính định vị theo tần số Tính định vị này càng tốt

khi băng thông của cửa sổ phân tích càng hẹp

Ta thấy rằng, STFT chính là số đo độ giống nhau giữa tín hiệu phiên bản dịch và

biến điệu của cửa sổ cơ bản vì (6.1) có thể viết lại như sau:

Với g w,τ (t) = w(t-τ).e jwt là phiên bảng dịch và biến thiên của w(t)

Do việc dịch thời gian một khoảng τ làm cho cửa sổ tịnh tiến một khoảng τ theo

trục thời gian và biến điệu cửa sổ với e jwt là cửa sổ tịnh tiến một khoảng w theo trục

tần số, nên kích thước của cửa sổ không thay đổi mà chỉ dời đến vị trí mới xung quanh

(τ ,w) Như vậy, mỗi hàm cửa sổ cơ sở sử dụng trong phép biến đổi này đều có một độ

phân giải thời gian-tần số, chỉ khác vị trí trên mặt phẳng thời gian tần số Do đó, có thể

rời rạc hóa dễ dàng STFT trên một lưới chữ nhật (mw 0 , nτ 0 ).

Nếu hàm cửa sổ là một bộ lọc hạ thông có tần số cắt w b , hoặc băng thông 2w b thì w 0

được chọn nhỏ hơn w b và τ 0 nhỏ hơn  / w 0 để việc lấy mẫu không mất thông tin Các

hàm cửa sổ tại tất cả các điểm lấy mẫu sẽ phủ kín mặt phẳng thời gian-tần số của phépbiến đổi

Độ phân giải thời gian-tần số của STFT phụ thuộc vào hàm cửa sổ Để có độ phângiải tốt thì cửa sổ phân tích phải hẹp (về mặt thời gian) Trong khi đó, để đạt được độphân giải tần số tốt thì băng thông của cửa sổ phải hẹp Tuy nhiên, theo nguyên lý bấtđịnh thì không thể tồn tại một cửa sổ với khoảng thời gian và băng thông hẹp tùy ý mà

có một sự hoán đổi giữa hai thông số này (do tích của chúng bị chặn dưới) Nếu tachọn cửa sổ có băng thông hẹp để độ phân giải tốt thì khoảng thời gian lại rộng làmcho độ phân giải thời gian lại kém đi và ngược lại, đây chính là nhược điểm của STFT

b Phép biến đổi Wavelet:

Khi khảo sát tín hiệu hỗn hợp gồm nhiều thành phần, một cách trực quan ta có thểthấy rằng với các thành phần tần số cao tồn tại trong thời gian ngắn có thể phân tíchbằng một của sổ hẹp để có được độ phân giải thời gian tốt; trong khi các thành phầntần số thấp ổn định trong một khoảng thời gian dài có thể phân tích bằng một của sổrộng để đạt được độ phân giải tần số tốt hơn Điều này đòi hỏi một phép biến đổi mớitốt hơn phép biến đổi STFT Và phép biến đổi Wavelets ra đời là một bước cải tiếntiếp theo của phép biến đổi Fourier thời gian ngắn Như chúng ta đã biết, phép biến đổiFourier thời gian ngắn không thể hiện tính linh hoạt khi định vị các thành phần trongmột tín hiệu vì kích thước cửa sổ phân tích không thay đổi được Do đó tín hiệu chỉđược phân tích ở một độ phân giải thời gian và một độ phân giải tần số cố định Điềunày được khắc phục trong phép biến đổi Wavelets, cửa sổ sử dụng để phân tích tínhiệu có thể được phóng to hay thu nhỏ bởi một thao tác đơn giản là thay đổi hệ số cogiãn, đồng thời cửa sổ đó có thể dịch chuyển được thông qua một hệ số dịch chuyểntrong hàm cơ sở của Wavelets

Phép biến đổi Wavelets cho phép ta phân tích những khoảng thời gian dài để đạt sựchính xác đối với thông tin tần số thấp và phân tích trong khoảng thời gian ngắn khi tamuốn thể hiện thông tin ở tần số cao

Hình 4: Biểu diển tín hiệu bằng CWTChúng ta có thể nhận thấy sự khác nhau giữa phép biến đổi Wavelets so với phépbiến đổi Fourier thời gian ngắn là phép biến đổi Wavelets không thể hiện tín hiệutrong miền tần số mà thể hiện tín hiệu trong miền thời gian - hệ số (timescale), trong

đó biến scale tỷ lệ nghịch với tần số của tín hiệu

Ưu điểm lớn nhất của phép biến đổi Wavelets so với các phép biến đổi cổ điểnkhác là nó cho phép thực hiện sự phân tích cục bộ Nghĩa là cho phép phân tích tín

hiệu trong từng vùng thời gian-tần số của tín hiệu Từ đó cho phép ta phân tích một sốđặc điểm của tín hiệu mà các phép phân tích khác không thể thực hiện được như làphân tích điểm gãy, sự thay đổi đột ngột, sự tương tự (self similarity) của tín hiệu.Phép biến đổi Fourier có hàm cơ sở là hàm sin nên khoảng thời gian tồn tại là vôhạn Trong khi đó phép biến đổi Wavelets lại dựa trên hàm cơ sở có khoảngthời gian tồn tại giới hạn và có giá trị trung bình bằng không Hình sau trình bày một

ví dụ về hàm cơ sở của Wavelets:

Hình 5: Hàm cơ sở trong phép biến đổi Wavelets

Phép biến đổi Wavelets phân tích tín hiệu thành những phiên bản được co giãn vàdịch từ hàm Wavelet ban đầu (còn gọi là hàm Wavelet mẹ) Phép biến đổi Waveletsđược định nghĩa là tổng trên toàn trục thời gian của tín hiệu nhân với phiên bản được

dịch và co giãn từ một hàm cơ sở Wavelet Ψ :

Kết quả của phép biến đổi Wavelets là một tập hợp các hệ số Wavelets C Đó làmột hàm hai biến theo hệ số co giãn và vị trí tại điểm phân tích Kết quả này khi đượcthể hiện trên không gian 3 chiều còn gọi là scalogram

Hình 6: Các hệ số Wavelet trên không gian 3 chiềuNếu nhân các hệ số với phiên bản tỉ lệ và dịch hợp lý của hàm Wavelet mẹ , chúng

ta sẽ khôi phục được tín hiệu gốc ban đầu Trong phép biến đổi Wavelet có một sự tương ứng giữa hệ số co giãn và tần số phân tích như sau:

 Hệ số co giãn nhỏ dẫn đến Wavelets nén phân tích thành phần tần số cao của tínhiệu, do đó phân tích được các chi tiết của tín hiệu

 Hệ số co giãn lớn dẫn đến việc Wavelets trãi rộng phân tích thành phần tần số thấp của tín hiệu Nói cách khác Wavelets phân tích những đặc điểm thô của tínhiệu

Như vậy có thể kết luận hệ số tỉ lệ tỉ lệ nghịch với tần số

c Biến đổi Wavelets rời rac ( Discretes Wavelets Transform – DWT)

Vì những hàm Wavelets được định nghĩa đối với mọi điểm trong không gian (a,b)

nên việc áp dụng những cơ sở Wavelets trở nên rất dư thừa Để giảm bớt các dư thừa

này, ta có thể rời rạc hóa thông số a, b theo công thức sau: a= a 0 m , b= nb 0 a 0 m Trong

đó, a 0 > 0 và b 0  0 và là những thông số cố định, m và n là những số tự nhiên.

Khi đó:

Những hệ số Wavelets rời rạc được định nghĩa:

Nếu chọn Ψ(t), a 0 , b 0 thích hợp thì ta được công thức khôi phục lại như sau:

Trên đây là phần tóm lược về cơ sở toán học của phép biến đổi Wavelets rời rạc

Để có thể có ý niệm rõ hơn về bản chất của phép biến đổi này, chúng ta hãy khảo sátphần nội dung còn lại trong mục này

Tại sao lại cần đến biến đổi Wavelets rời rạc?

Mặc dù biến đổi Wavelets liên tục (CWT) một cách rời rạc cho phép thực hiện việctính toán CWT bằng máy tính, nhưng đó không thật sự là biến đổi rời rạc Là một vấn

đề trong thực tế, chuỗi Wavelets chỉ đơn giản là các mẫu của CWT, và thông tin mà nócung cấp là rất dư thừa theo cách mà việc tái tạo tín hiệu chịu ảnh hưởng Sự dư thừanày mặt khác lại cần một lượng tính toán đáng kể Biến đổi Wavelets rời rạc (DWT)cung cấp lượng thông tin đầy đủ cho cả việc phân tích và tổng hợp tín hiệu gốc, vớithời gian tính toán được giảm đáng kể.DWT được thực hiện dễ dàng hơn khi so sánhvới CWT

Biến đổi Wavelet rời rạc

Phép biến đổi Wavelets rời rạc được đưa ra vào năm 1976 khi Croiser, Esteban, vàGaland tìm ra một kĩ thuật để phân tích những tín hiệu rời rạc Trong cùng năm đó,Crochiere, Weber và Flanagan làm công việc tương tự trong mã hóa tín hiệu tiếng nói

Họ đặt tên cho phân tích của mình là thuật giải phân tách Vào năm 1983, Burt địnhnghĩa một kĩ thuật mới rất giống với phân tách và đặt tên nó là mã hóa hình chóp(pyramidal coding), còn được gọi là phân tích đa phân giải Vào cuối năm 1989,Vetterly và Le Gall đã có một số cải tiến cho thuật giải phân tách, bỏ đi những thành