ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH

TRƯỜNG ĐẠI HỌC BÁCH KHOA

BÀI TẬP LỚN ĐẠI SỐ TUYẾN TÍNH

ĐỀ TÀI:
ỨNG DỤNG FOURIER RỜI RẠC (DFT) ĐỂ KHỬ NHIỄU

LỚP L12 - NHÓM 1

GVHD: NGUYỄN XUÂN MỸ

Thành phố Hồ Chí Minh, ngày 20 tháng 04 năm 2024

 BẢNG PHÂN CÔNG CÔNG VIỆC VÀ KẾT QUẢ THỰC HIỆN ĐỀ TÀI CỦA TỪNG
THÀNH VIÊN NHÓM

STT HỌ VÀ TÊN MSSV NHIỆM VỤ PHẦN TRĂM ĐIỂM

ĐÓNG GÓP
1 Bùi Huỳnh Minh Huy 2311122 - Soạn nội dung 100%
2 Bùi Nhật Tân 2312045 - Code MATLAB 100%
- Soạn nội dung
3 Bùi Trung Quân 2312817 - Code MATLAB 100%
- Soạn nội dung
4 Bùi Tuấn Kiệt 2311749 - Soạn nội dung 100%
5 Cao Hữu Thiên Hoàng 2311030 - Code MATLAB 100%
- Soạn nội dung
6 Cao Nguyễn Khánh Toàn 2313473 - Soạn nội dung 100%
7 Châu Tuấn Thành 2313107 - Soạn nội dung 100%
8 Chu Văn Long Vũ 2313948 - Tổng hợp báo cáo 100%
- Chỉnh sửa nội
dung
9 Chung Khành Duy 2310449 - Soạn nội dung 100%
10 Chung Minh Hoàng 2311032 - Soạn nội dung 100%

1
 MỤC LỤC
LỜI NÓI ĐẦU ...................................................................................................................................................................... 3
PHẦN I. TÓM TẮT ĐỀ TÀI ...............................................................................................................................................4
PHẦN II. NỘI DUNG BÁO CÁO .......................................................................................................................................5
2.1. TỔNG QUAN VỀ PHÉP BIẾN ĐỔI FOURIER ....................................................................................................... 5
2.2. LÝ THUYẾT VẬN DỤNG ........................................................................................................................................... 6
2.2.1. Định nghĩa ánh xạ tuyến tính ............................................................................................................................... 6
2.2.2. Nhân và ảnh của ánh xạ tuyến tính .......................................................................................................................6
2.2.3. Biểu diễn ma trận của ánh xạ tuyến tính .............................................................................................................. 7
2.2.4. Biến đổi Fourier ................................................................................................................................................... 7
3.1. Đoạn code sử dụng trong MATLAB ............................................................................................................................8
3.2. Mô tả code bằng sơ đồ khối. ....................................................................................................................................... 10
3.3. Giải thích đoạn code ....................................................................................................................................................11
3.2.1. Giải thích hàm được sử dụng ............................................................................................................................. 11
3.2.2. Giải thích chi tiết dòng lệnh ............................................................................................................................... 12
3.3. Ví dụ minh họa ............................................................................................................................................................ 13
3.4. Nhận xét ....................................................................................................................................................................... 14
TÀI LIỆU THAM KHẢO ................................................................................................................................................. 16

2
 LỜI NÓI ĐẦU

Kỹ thuật đã mang lại nhiều lợi ích và đóng góp đáng kể cho nền văn minh của loài người
trong suốt lịch sử phát triển. Trong thế kỷ hai mươi, các kỹ sư đã thực hiện nhiều đối với
phục vụ cho con người. Nhưng ở hiện tại, thế kỷ 21, kỹ thuật đang đối mặt với rất nhiều
thách thức lớn như là làm cho năng lượng mặt trời trở nên kinh tế hơn, cung cấp năng lượng
nhiệt hạch,… Để giải quyết các thách thức này, giáo dục kỹ thuật là hết sức quan trọng nhằm
đào tạo những kỹ sư thực hiện sứ mạng trong thế kỷ 21.

“Đại số tuyến tính” - một môn học có tầm quan trọng đối với sinh viên của khối ngành kỹ
thuật Trường Đại học Bách khoa - ĐHQG-HCM. Môn học được xem như là cánh cửa đầu
tiên mở ra để sinh viên có thể hiểu sâu sắc được ngành nghề mà mình đã chọn trong tương lai.
Trong môn học này, người học có được cảm hứng, sự say mê, khao khát học hỏi, sự tập trung
trong học tập, những kỹ năng làm việc nhóm, tư duy đổi mới sáng tạo, khả năng phản biện,
không ngại bày tỏ quan điểm cá nhân xây dựng cho bản thân những mục tiêu và những ước
mơ nghề nghiệp, có kế hoạch học tập và hành động.

Dưới đây là báo cáo bài tập lớn của nhóm!

3
 PHẦN I. TÓM TẮT ĐỀ TÀI

Với đề tài “Phương pháp Fourier rời rạc (DFT) để khử nhiễu”, bài báo cáo của nhóm 1 sẽ
thể hiện nội dung liên quan đến cách sử dụng Fourier hữu hạn để khử nhiễu, cụ thể là khử
nhiễu âm thanh cho file âm thanh có chứa những tạp âm không mong muốn. Bài báo cáo chỉ
ra cách sử dụng Fourier và các bước lập trình code để khử nhiễu âm thanh trên công cụ code
MATLAB. Từ đó rút ra những kiến thức và kinh nghiệm trong việc giải quyết vấn đề, nâng
cao kỹ năng làm việc nhóm và có được hiểu biết về công cụ MATLAB để diễn tả các bài
toán một cách cụ thể, ngắn gọn, súc tích và dễ hiểu. Qua đó biết cách xử lý khử nhiễu đoạn
âm thanh và hiểu thêm về ứng dụng của MATLAB và lập trình.

4
 PHẦN II. NỘI DUNG BÁO CÁO
1. ĐẶT VẤN ĐỀ
Tại sao chúng ta cần phải tách khử nhiễu âm thanh? Việc tách hay khử nhiễu âm thanh là
quá trình loại bỏ những phần không mong muốn hoặc gây nhiễu trong tín hiệu âm thanh. Có
một số lý do chúng ta cần phải thực hiện việc này:
1.1. Cải thiện chất lượng âm thanh: Nhiễu âm thanh có thể làm giảm chất lượng của tín
hiệu âm thanh, làm mất đi các chi tiết và độ rõ nét của âm thanh gốc. Bằng cách tách nhiễu,
chúng ta có thể loại bỏ các thành phần không mong muốn và tái tạo lại âm thanh trong trạng
thái gốc, cải thiện chất lượng và trải nghiệm nghe nhạc.
1.2. Phân biệt giữa tín hiệu và nhiễu: Trong nhiều trường hợp, chúng ta mong muốn
phân biệt giữa tín hiệu âm thanh và nhiễu. Ví dụ: trong viễn thông, chúng ta muốn tách nhiễu
chỉ để lấy tín hiệu giọng nói và loại bỏ các nhiễu khác như tiếng ồn xung quanh.
1.3. Ứng dụng trong xử lý tín hiệu: Tách nhiễu âm thanh là một bước quan trọng trong
xử lý tín hiệu âm thanh. Nó được sử dụng trong các ứng dụng như xử lý giọng nói, xử lý âm
thanh, xử lý tín hiệu âm thanh trong hệ thống giao tiếp, xử lý âm thanh trong hệ thống giải
trí,…
1.4. Cải thiện hiệu suất hệ thống: Nếu chúng ta không tách nhiễu âm thanh, các thành
phần nhiễu có thể gây ảnh hưởng đến hiệu suất của hệ thống. Ví dụ: trong hệ thống nhận
dạng giọng nói, nhiễu có thể giảm độ chính xác quá trình nhận dạng giọng nói.
Tóm lại, việc tách nhiễu âm thanh là quan trọng để cải thiện chất lượng âm thanh, phân
biệt giữa tín hiệu và nhiễu, ứng dụng trong xử lý tín hiệu và cải thiện hiệu suất hệ thống. Và
một trong những cách để khử nhiễu âm thanh chính là dùng phép biến đổi Fourier hữu hạn.
2. NỘI DUNG
2.1. TỔNG QUAN VỀ PHÉP BIẾN ĐỔI FOURIER
Biến đổi Fourier là một trong những kĩ thuật được sử dụng rộng rãi nhất trong toán ứng
dụng. Công việc ban đầu của biến đổi Fourier là việc sử dụng các hàm lượng giác trong giải
tích bắt nguồn từ các công trình biến đổi của nhà toán học Leonhard Euler (1701 – 1783),
Alexis – Claude Clairaut (1713 – 1765) và Joseph Louis Lagrange (1736 – 1813).
Euler là người đầu tiên đưa ra công thức cho các hệ số của chuỗi Fourier. Dựa trên các
nghiên cứu của Euler, Clairaut đã công bố công thức đầu tiên cho phép biến đổi Fourier rời
rạc (DFT) vào năm 1754 là cái chúng ta hiện biết. Năm 1805, Carl Friendrich Gauss (1777-

5
1855) đã công bố công thức cho DFT. Năm 1822, Joseph Fourier (1768-1830) đưa ra công
trình về dòng nhiệt cung cấp nền tảng cho phép biến đổi Fourier và nguồn gốc tên gọi của nó.
Năm 1965, James Cooley và John Tukey, đã phát minh ra thuật toán biến đổi Fourier nhanh
(FFT), thuật toán này đã cho phép một loạt các ứng dụng số trong thời đại kỹ thuật số ra đời.
Các ứng dụng này bao gồm nén dữ liệu JPEG, phân tích cấu trúc tinh thể, giải phương trình
vi phân từng phần, xử lí tín hiệu nhiễu,…
2.2. LÝ THUYẾT VẬN DỤNG
2.2.1. Định nghĩa ánh xạ tuyến tính
Cho X, Y là hai tập hợp khác rỗng tùy ý, ánh xạ � giữa X và Y là quy tắc cho tương ứng
mỗi phần tử � ∈ � chỉ tồn tại một phần tử � ∈ �
Hay �: � → � là ánh xạ, nếu ∀ � ∈ �, ∃! � ∈ �, � = �(�).
Cho X, Y là hai không gian trên cùng trường số K, ánh xạ �: � → � gọi là ánh xạ tuyến
tính (AXTT) nếu:
�(� + �) = �(�) + �(�) (tính bảo toàn phép cộng)
�(��) = ��(�) (tính bảo toàn phép nhân với vô hướng)
Chú ý: Ánh xạ tuyến tính trên �� chỉ chứa các số hạng bậc nhất.
2.2.2. Nhân và ảnh của ánh xạ tuyến tính
2.2.2.1. Định nghĩa
Cho ánh xạ tuyến tính �: � → �
Nhân (Ker) của f được định nghĩa là tập hợp vector x của không gian vector X sao
cho f(x) = 0:
Kerf = {∀� � �| �(�) = 0}
Ảnh (Imf) của f được định nghĩa là tập hợp các phần tử y của không gian vector Y sao
cho tồn tại x � � để y = f(x):
Imf = {� � �|∃� � �, � = �(�)}
2.2.2.2. Định lý
Định lý 1: Nhân (Ker) của f là không gian con của X. Ảnh (Imf) là không gian con
của Y và dim(Kerf) + dim(Imf) = dim(X)
Ghi chú: Kerf là nghiệm của phương trình f(x) = 0
Imf là tập các ảnh của f (trong hàm số gọi là tập giá trị)
Định lý 2: Cho ánh xạ tuyến tính �: � → �

6
 Ảnh của tập sinh là tập sinh của ảnh.
X ={�1 , �2 , . . . , �� → Imf =<f(�1 ), f(�2 ),...,f(�� )>
2.2.3. Biểu diễn ma trận của ánh xạ tuyến tính
Định nghĩa:
Cho ánh xạ �: � → � là một ánh xạ tuyến tính
E ={�1 , �2 , . . . , �� } là một cơ sở của U
F = {f(�1 ), f(�2 ),...,f(�� )} là một cơ sở của V
→ ��,� = ([f(e1)]F|[f(e2)]F|…|[f(en)]F) được gọi là ma trận của ánh xạ tuyến tính f trong cở
sở E.

 a11 a12 ... a1n 

 
 a21 a22 ... a2n 
Cách tính nhanh AE,F = �−1 �(�) =  . . ... . 
 
a ... amn 
 m1 am2
Với F = (�1 |�2 |. . . |�� ); f(E) = ( f(�1 )| f(�2 )|…|f(�� ))
Trường hợp U = V, E là một cơ sở của U, khi đó:
AE,E = AE = ([f(e1)]E|[f(e2)]E|…|[f(en)]E)
Cách tính nhanh: AE,F = �−1 �(�)
Với E = (�1 |�2 |. . . |�� ); f(E) = ( f(�1 )| f(�2 )|…|f(�� ))
Mối liên hệ của ma trận ánh xạ tuyến tính trong hai cơ sở E và F:
Cho ánh xạ �: � → � là một ánh xạ tuyến tính
E ={�1 , �2 , . . . , �� } là một cơ sở của U
F = {f(�1 ), f(�2 ),...,f(�� )} là một cơ sở của V
→ AF = �−1 �� �; trong đó ��→� = �−1 �
2.2.4. Biến đổi Fourier
2.2.4.1. Mục đích
Mục đích của phép biến đổi Fourier là tách hàm số thành tổng các hàm sin và hàm
cosin (cos), mỗi hàm có các tần số khác nhau. Các hàm liên tục thường được xấp xỉ bằng tổ
hợp tuyến tính của hàm sin và hàm cosin.
2.2.4.2. Biến đổi Fourier hữu hạn

7
 Trong toán học, phép biến đổi Fourier rời rạc (DFT) hay còn gọi là phép biến đổi
Fourier hữu hạn là phép biến đổi đại số cho các tín hiệu rời rạc theo thời gian và đầu vào là
một chuỗi hữu hạn các số thực hoặc số phức. Phép biến đổi này là một công cụ lý tưởng để
xử lý thông tin trên máy tính và được sử dụng rộng rãi trong xử lý tín hiệu và các ngành liên
quan đến phân tích tần số chứa trong tín hiệu, để giải phương trình đạo hàm riêng và các
phép như tích chập.
Phép biến đổi Fourier có thể được tính nhanh bởi thuật toán biến đổi Fourier nhanh
(FFT).
Biến đổi Fourier được xác định cho một vector x với n các điểm được lấy mẫu thống
�−1 �
nhất bởi �� + 1 = �=0 �
��� ��+1

2.2.4.3. Ứng dụng biến đổi Fourier hữu hạn trong khử nhiễu âm thanh
Ứng dụng phép biến đổi � = �� × � được gọi là phép biến đổi Fourier rời rạc của
vector X
Vector � = �� × � có dạng � = � + ��
�−1 2��
Vector A chứa hệ số �� tại 0
�� ���
�
�−1 2��
Vector B chứa hệ số �� tại 0
�� ���
�

Nhờ việc dùng phép biến đổi Fourier rời rạc, ta chuyển tín hiệu X ở miền thời gian
thành tín hiệu ở miền tần số gồm tổng các hàm.
�−1 2�� �−1 2��
Giả sử tín hiệu ban đầu có dạng 0
�� ��� + 0
�� ��� , tín hiệu nhiễu sau khi
� �

phân tích rời rạc Fourier rời rạc � = �� × �, so sánh với hình trước và sau khi phân tích ta
xác định được tần số của tín hiệu chính và tần số của tín hiệu nhiễu. Lọc tín hiệu nhiễu, chỉ
giữ lại tín hiệu chính, sau đó thực hiện phân tích Fourier nghịch để thu được tín hiệu đã khử
nhiễu.
3. SỬ DỤNG CÔNG CỤ MATLAB TRONG BIẾN ĐỔI FOURIER HỮU HẠN ĐỂ
KHỬ NHIỄU ÂM THANH
3.1. Đoạn code sử dụng trong MATLAB
clc;
% Nhap file dau vao
[input, fs] = audioread('Bản-ghi-âm-mới-2.mp3');
outputfile = 'Bản-ghi-âm-mới-2.wav';

8
audiowrite(outputfile, input, fs);
[y, Fs] = audioread('Bản-ghi-âm-mới-2.wav');

%Nghe am thanh goc va tinh toan

sound(y, Fs);
pause(length(y)/Fs);
L = length(y);

%Bien doi Fourier

Y = fft(y);
M = max(abs(Y));

% Ve do thi cua file goc

figure(1);
subplot(2,1,1)
plot(abs(Y), 'k');
title('Do thi am thanh truoc khi loc');
xlabel('Tan so (Hz)');
ylabel('Bien do cua am (Amplitude)');

%Loc tan so nhieu va bien doi Fourier nguoc

thresh = 0.0189;
Ythresh = (abs(Y) > thresh * M).*Y;
N = sum(abs(Ythresh) > 0) / L;
Z = real(ifft(Ythresh));

%Ve do thi sau khi loc

9
subplot(2,1,2)
plot(abs(Ythresh), 'c');
title('Do thi am thanh sau khi loc');
xlabel('Tan so (Hz)');
ylabel('Bien do cua am (Amplitude)');
figure(2);
plot(abs(Y), 'k');
hold on;
plot(abs(Ythresh), 'c');
title('So sanh do thi trươc va sau khi loc');
xlabel('Tan so (Hz)');
ylabel('Bien do cua am (Amplitude)');

%Nghe am thanh sau khi loc

sound(Z,Fs);
3.2. Mô tả code bằng sơ đồ khối.

10
 Hình 1: Giải thích quy trình code bằng sơ đồ khối
3.3. Giải thích đoạn code
3.2.1. Giải thích hàm được sử dụng
- [y, Fs] = audioread(filename) : đọc dữ liệu từ tệp và trả về dữ liệu được lấy mẫu (y) và
tốc độ / tần số lấy mẫu cho dữ liệu đó (Fs).
- audiowrite(outputfile, y, Fs) : ghi một ma trận dữ liệu âm thanh (y), với tốc độ mẫu
(Fs) vào một tệp khác. Tên tệp đầu vào cũng chỉ định định dạng tệp đầu ra. Kiểu dữ liệu đầu
ra phụ thuộc vào định dạng tệp đầu ra và kiểu dữ liệu của dữ liệu âm thanh(y).
- sound(y, Fs) : phát âm thanh có dữ liệu là y, với tần số mẫu là Fs.
- pause : tạm ngưng code trong 1 khoảng thời gian nhất định trước khi chạy tiếp.
- length(y) : trả về độ dài của kích thước mảng lớn nhất trong y.
- y = fft(x) : tính toán biến đổi Fourier rời rạc (DFT) của x bằng thuật toán biến đổi
Fourier nhanh (FFT), trong đó y có cùng kích thước với x.
- y = ifft(x) : Biến đổi fourier ngược của x và lưu vào biến y.
- figure : Tạo ra 1 cửa sổ vẽ hình mới.

11
 - subplot(m, n, p) : Tạo 1 lưới các ô hiển thị đồ thị với m hàng và n cột, sau đó chọn ô
thứ p để hiển thị biểu đồ.
- plot: Vẽ đồ thị trên dữ liệu có sẵn.
- title(): Thêm tiêu đề cho biểu đồ.
- xlabel(): gán nhãn trục x để biểu thị thông tin.
- ylabel(): gán nhãn trục y để biểu thị thông tin.
3.2.2. Giải thích chi tiết dòng lệnh
- clc; : Lệnh này xóa màn hình hiển thị trong Command Window trước khi thực hiện bất
kỳ lệnh nào khác.
- [input, fs] = audioread('Bản-ghi-âm-mới-2.mp3'); : đọc dữ liệu âm thanh từ tệp âm
thanh và lưu dữ liệu âm thanh vào biến input, cùng với tần số lấy mẫu vào biến fs.
- outputfile = 'Bản-ghi-âm-mới-2.wav'; : Gán tên tệp đầu ra cho việc chuyển đổi âm
thanh từ định dạng mp3 sang wav.
- audiowrite(outputfile, input, fs); : Dòng này ghi dữ liệu âm thanh từ biến input vào
tệp âm thanh được chỉ định trong biến outputfile với tần số lấy mẫu là fs.
- [y, Fs] = audioread('Bản-ghi-âm-mới-2.wav'); : Đọc dữ liệu âm thanh từ tệp âm
thanh mới tạo ra 'Bản-ghi-âm-mới-2.wav' và lưu dữ liệu vào biến y, cùng với tần số lấy mẫu
vào biến Fs.
- sound(y, Fs); : Phát âm thanh từ biến y với tần số lấy mẫu Fs.
- pause(length(y)/Fs); : Dừng chương trình trong một khoảng thời gian bằng với thời
gian của âm thanh được phát (length(y)/Fs là số giây của âm thanh y).
+ length(y)/ Fs dùng để tính thời gian tạm ngưng bằng cách lấy tổng số mẫu của âm
thanh (dưới dạng vecto) chia cho tần số lấy mẫu (theo giây) để ra thời gian cần thiết.
- L = length(y); : Độ dài của vector âm thanh y.
- Y = fft(y); : Biến đổi Fourier của dữ liệu âm thanh y, chuyển từ miền thời gian qua
miền tần số
- M = max(abs(Y)); : Tìm giá trị tuyệt đối lớn nhất của biến đổi Fourier.
- figure(1); : Tạo một hình vẽ mới với số thứ tự là 1.
- subplot(2,1,1); : Tạo một ô vẽ trong lưới 2x1 và chọn ô thứ nhất để vẽ biểu đồ.
- plot(abs(Y), 'k'); : Vẽ biểu đồ tần số tuyệt đối của biến đổi Fourier với màu đen.
- title('Do thi am thanh truoc khi loc'); : Đặt tiêu đề cho biểu đồ.

12
 - xlabel('Tan so (Hz)'); : Đặt nhãn cho trục x.
- ylabel('Bien do cua am (Amplitude)'); : Đặt nhãn cho trục y.
- thresh = 0.0189; : Ngưỡng được sử dụng để lọc tần số.
+ Lưu ý: giá trị thresh này có thể thay đổi tùy thuộc vào file âm thanh đã chọn để lọc
chuẩn xác các tần số nhiễu trong file, tránh trường hợp mất 1 phần hoặc toàn bộ dữ liệu file
sau khi lọc.
- Ythresh = (abs(Y) > thresh * M).*Y; : Áp dụng ngưỡng cho biến đổi Fourier.
+ abs(Y) tạo ra 1 vecto chứa giá trị của tất cả biên độ tuyệt đối của tất cả tần số trong
file âm thanh
+ (abs(Y) > thresh * M). tạo 1 vecto logic mang giá trị true/ false bằng cách so sánh
giá trị tuyệt đối ở trên với ngưỡng thresh * M( 1 phần của giá trị biên độ tuyệt đối lớn nhất),
các giá trị trong Y lớn hơn là true(1), còn lại sẽ là false(0).
+ *Y là phép nhân phần tử mang giá trị của biên độ tương ứng trước khi bước vào
vecto logic, và chỉ những phần tử mang true(1) mới được giữ lại, còn lại sẽ bị loại bỏ (0 nhân
g cx bằng 0 thôi).
- N = sum(abs(Ythresh) > 0) / L; : Tính tỷ lệ tần số không bị lọc.
- Z = real(ifft(Ythresh)); : Tạo ra tín hiệu âm thanh đã lọc bằng cách thực hiện biến đổi
Fourier nghịch, chuyển từ miền tần số về lại miền thời gian.
- subplot(2,1,2): Chọn ô thứ hai trong lưới 2x1 để vẽ biểu đồ tiếp theo.
- plot(abs(Ythresh), 'c'); : Vẽ biểu đồ tần số tuyệt đối của biến đổi Fourier đã lọc với
màu xanh lơ.
- figure(2); : Tạo một hình vẽ mới với số thứ tự là 2.
- plot(abs(Y), 'k'); : Vẽ biểu đồ tần số tuyệt đối của biến đổi Fourier gốc với màu đen.
- hold on; : Giữ hình vẽ hiện tại để có thể vẽ tiếp vào nó.
- plot(abs(Ythresh), 'c'); : Vẽ biểu đồ tần số tuyệt đối của biến đổi Fourier đã lọc với
màu xanh lơ
- sound(Z,Fs); : Phát âm thanh đã lọc.

3.3. Ví dụ minh họa

13
 Hình 2: Đồ thị trước và sau khi đã lọc nhiễu

Hình 3: Đồ thị so sánh khi chưa lọc nhiễu có màu đỏ và sau khi lọc có màu xanh
3.4. Nhận xét
4. KẾT LUẬN

14
 Thông qua bài báo cáo về đề tài “Ứng dụng Fourier rời rạc (DFT) để khử nhiễu, nhóm 1
đã hoàn thành được các mục tiêu đặt ra, là tiền đề cho kết quả mà nhóm đã đạt được:
Về kiến thức:
- Củng cố kiến thức về Ánh xạ tuyến tính.
- Trau dồi kiến thức về lập trình code trên MATLAB.
- Hiểu được cách ứng dụng Fourier rời rạc để giảm nhiễu, cụ thể là trong tín hiệu âm
thanh.
Về kĩ năng
- Có thêm kĩ năng làm việc nhóm, biết cách xây dựng, lập kế hoạch, bố trí thời gian để
thực hiện bài tập đúng theo tiến độ đề ra.
- Giúp đỡ nhau để kết quả bài tập đạt được hiệu quả cao.
Tổng kết lại, Ứng dụng Fourier để khử nhiễu âm thanh là một kỹ thuật hiệu quả giúp
giảm nhiễu trong tín hiệu âm thanh. Ứng dụng nãy đã cung cấp khả năng xác định và loại bỏ
các thành phần tần số cụ thể của tiếng ồn. Tuy nhiên, để hiệu quả khử nhiễu đạt được kết quả
tối ưu, cần chọn lựa và xây dựng cho mình thuật toán thích hợp nhất

15
 TÀI LIỆU THAM KHẢO
[1] Meyer C.D, Matrix analysis and Applied linear algebra, SIAM, 2000, chapter 5, section 8
[2] Isaac Amidror, Mastering the Discrete Fourier Transform in One, Two or Several
Dimensions: Pitfalls and Artifacts, Springer,2013"
[3] Đặng Văn Vinh (2020). Ánh xạ tuyến tính, GIÁO TRÌNH ĐẠI SỐ TUYẾN TÍNH,
ĐHQG-HCM; Xưởng in Trường Đại học Bách khoa.

16