【正文】 不要刪除行尾的分節(jié)符，此行不會被打印 I 摘要 IAbstract II第1章 緒論 1 課題研究的目的和意義 1 音視頻矩陣概述 1 語音端點檢測檢測的作用 1 國內(nèi)外研究現(xiàn)狀 3 端點檢測算法的國內(nèi)外研究現(xiàn)狀 3 數(shù)字信號處理器(DSP)的發(fā)展狀況 4 本論文主要工作內(nèi)容和任務(wù) 5第2章 語音端點檢測算法的分析及其優(yōu)化 7 語音分析的一般方法 7 時域分析法 7 頻域分析方法 8 語譜分析法 9 語音端點檢測算法的分析 9 小波分析的基本理論 11 連續(xù)小波變換 12 離散小波變換 13 多分辨率分析 14 子帶平均能量方差 16 噪聲與語音的頻域差異 16 利用小波分析進行端點檢測 19 實驗結(jié)果比較 23 小波系數(shù)方差 24 語音的1/f小波模型 24 小波系數(shù)方差算法實現(xiàn) 27 算法優(yōu)化及驗證 28 ?MATLAB仿真 28 仿真結(jié)果 30 本章小結(jié) 32第3章 音視頻矩陣控制系統(tǒng)的硬件設(shè)計 33 系統(tǒng)整體設(shè)計 33 ?TMS320C5402簡介 33 最小系統(tǒng)模塊硬件設(shè)計 34 電源電路 35 時鐘電路 36 ?McBSP模塊硬件設(shè)計 36 多通道緩沖串行口 37 語音接口芯片TLC320AD50C 39 音視頻矩陣控制模塊 40 本章小結(jié) 41第4章 系統(tǒng)軟件實現(xiàn) 42 軟件開發(fā)工具介紹 42 ?CCS的組成 42 ?CCS的主要功能 42 系統(tǒng)自舉加載器的設(shè)計 43 選擇自舉方式 44 ?Flash的數(shù)據(jù)組織 45 ?McBSP模塊軟件設(shè)計 46 ?McBSP控制寄存器 46 ?TLC320AD50C的控制寄存器 48 ?McBSP模塊驅(qū)動程序 48 端點檢測的實現(xiàn) 50 本章小結(jié) 50結(jié)論 51參考文獻 52攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文 55致謝 56畢業(yè)設(shè)計（論文）原創(chuàng)性聲明和使用授權(quán)說明原創(chuàng)性聲明本人鄭重承諾：所呈交的畢業(yè)設(shè)計（論文），是我個人在指導(dǎo)教師的指導(dǎo)下進行的研究工作及取得的成果。盡我所知，除文中特別加以標注和致謝的地方外，不包含其他人或組織已經(jīng)發(fā)表或公布過的研究成果，也不包含我為獲得 及其它教育機構(gòu)的學(xué)位或?qū)W歷而使用過的材料。對本研究提供過幫助和做出過貢獻的個人或集體，均已在文中作了明確的說明并表示了謝意。作 者 簽 名：　　 　 　　日　 期：　　 　 　　 指導(dǎo)教師簽名：　　 　 　　 日　　期：　　 　 　　 使用授權(quán)說明本人完全了解 大學(xué)關(guān)于收集、保存、使用畢業(yè)設(shè)計（論文）的規(guī)定，即：按照學(xué)校要求提交畢業(yè)設(shè)計（論文）的印刷本和電子版本；學(xué)校有權(quán)保存畢業(yè)設(shè)計（論文）的印刷本和電子版，并提供目錄檢索與閱覽服務(wù)；學(xué)?？梢圆捎糜坝?、縮印、數(shù)字化或其它復(fù)制手段保存論文；在不以贏利為目的前提下，學(xué)?？梢怨颊撐牡牟糠只蛉績?nèi)容。作者簽名：　　 　 　　 日　 期：　　 　 　　 學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨立進行研究所取得的研究成果。除了文中特別加以標注引用的內(nèi)容外，本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫的成果作品。對本文的研究做出重要貢獻的個人和集體，均已在文中以明確方式標明。本人完全意識到本聲明的法律后果由本人承擔。作者簽名： 日期： 年 月 日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)　　 　 　大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。涉密論文按學(xué)校規(guī)定處理。作者簽名： 日期： 年 月 日導(dǎo)師簽名： 日期： 年 月 日指導(dǎo)教師評閱書指導(dǎo)教師評價：一、撰寫（設(shè)計）過程學(xué)生在論文（設(shè)計）過程中的治學(xué)態(tài)度、工作精神□ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格學(xué)生掌握專業(yè)知識、技能的扎實程度□ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格學(xué)生綜合運用所學(xué)知識和專業(yè)技能分析和解決問題的能力□ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格研究方法的科學(xué)性；技術(shù)線路的可行性；設(shè)計方案的合理性□ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格完成畢業(yè)論文（設(shè)計）期間的出勤情況□ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格二、論文（設(shè)計）質(zhì)量論文（設(shè)計）的整體結(jié)構(gòu)是否符合撰寫規(guī)范？□ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格是否完成指定的論文（設(shè)計）任務(wù)（包括裝訂及附件）？□ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格三、論文（設(shè)計）水平論文（設(shè)計）的理論意義或?qū)鉀Q實際問題的指導(dǎo)意義□ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格論文的觀念是否有新意？設(shè)計是否有創(chuàng)意？□ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格論文（設(shè)計說明書）所體現(xiàn)的整體水平□ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格建議成績：□ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格（在所選等級前的□內(nèi)畫“√”）指導(dǎo)教師： （簽名） 單位： （蓋章）年 月 日評閱教師評閱書評閱教師評價：一、論文（設(shè)計）質(zhì)量論文（設(shè)計）的整體結(jié)構(gòu)是否符合撰寫規(guī)范？□ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格是否完成指定的論文（設(shè)計）任務(wù)（包括裝訂及附件）？□ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格二、論文（設(shè)計）水平論文（設(shè)計）的理論意義或?qū)鉀Q實際問題的指導(dǎo)意義□ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格論文的觀念是否有新意？設(shè)計是否有創(chuàng)意？□ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格論文（設(shè)計說明書）所體現(xiàn)的整體水平□ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格建議成績：□ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格（在所選等級前的□內(nèi)畫“√”）評閱教師： （簽名） 單位： （蓋章）年 月 日教研室（或答辯小組）及教學(xué)系意見教研室（或答辯小組）評價：一、答辯過程畢業(yè)論文（設(shè)計）的基本要點和見解的敘述情況□ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格對答辯問題的反應(yīng)、理解、表達情況□ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格學(xué)生答辯過程中的精神狀態(tài)□ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格二、論文（設(shè)計）質(zhì)量論文（設(shè)計）的整體結(jié)構(gòu)是否符合撰寫規(guī)范？□ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格是否完成指定的論文（設(shè)計）任務(wù)（包括裝訂及附件）？□ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格三、論文（設(shè)計）水平論文（設(shè)計）的理論意義或?qū)鉀Q實際問題的指導(dǎo)意義□ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格論文的觀念是否有新意？設(shè)計是否有創(chuàng)意？□ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格論文（設(shè)計說明書）所體現(xiàn)的整體水平□ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格評定成績：□ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格（在所選等級前的□內(nèi)畫“√”）教研室主任（或答辯小組組長）： （簽名）年 月 日教學(xué)系意見：系主任： （簽名）年 月 日千萬不要刪除行尾的分節(jié)符，此行不會被打印。在目錄上點右鍵“更新域”，然后“更新整個目錄”。打印前，不要忘記把上面“Abstract”這一行后加一空行第1章 緒論 課題研究的目的和意義 音視頻矩陣概述音視頻矩陣在系統(tǒng)中介于音視頻源與顯示或復(fù)用終端之間，負責將不同的音視頻信號按用戶的選擇進行集中調(diào)控。最簡單的模擬音頻矩陣系統(tǒng)是利用電子開關(guān)，來實現(xiàn)輸入與輸出的連接。在現(xiàn)代多媒體會議室，為了滿足不同演示場合的需求，通常會具備多種不同的音視頻信號源和顯示終端，矩陣就可以把提供信號源的設(shè)備的任意一路的信號送到任意一路的顯示終端上。根據(jù)使用的需要，也可以在不同的顯示終端上同時顯示相同或不同的視頻源內(nèi)容可以做到音頻和視頻同步或者不同步。這樣，既方便控制，又節(jié)約成本。但是傳統(tǒng)音視頻矩陣的功能單一，也不具備擴展功能。隨著計算機多媒體技術(shù)和數(shù)字通訊技術(shù)的飛速發(fā)展，社會已進入了數(shù)字化時代。語音技術(shù)和數(shù)字信號處理技術(shù)的不斷發(fā)展使矩陣控制從模擬技術(shù)向數(shù)字技術(shù)發(fā)展，數(shù)字化網(wǎng)絡(luò)化成為信號處理的必然趨勢。本文采用了語音端點檢測的算法來實現(xiàn)音視頻矩陣的智能語音控制[1]。 語音端點檢測檢測的作用語音端點檢測(Endpoint Detection)，也被稱為語音活躍檢測（Voice Activity Detection，簡稱VAD），主要應(yīng)用在語音處理中的語音編解碼，語音識別、語音增強及語音監(jiān)控等領(lǐng)域[2]。計算機語音識別過程與人對語音識別處理過程基本上是一致的。一個完整的語音識別系統(tǒng)可大致分為四部分：語音信號預(yù)處理，語音特征提取，聲學(xué)模型與模式匹配，語言模型與語言處理。語音識別的對象是語音信號，端點檢測的目的就是在復(fù)雜的應(yīng)用環(huán)境下的信號流中分辨出語音信號和非語音信號，并確定語音信號的開始及結(jié)束。一般的信號流都存在一定的背景聲，而語音識別的模型都是基于語音信號訓(xùn)練的，語音信號和語音模型進行模式匹配才有意義。因此從信號流中檢測出語音信號是語音識別的必要的預(yù)處理過程。如圖11所示[3]。圖11 語音識別系統(tǒng)流程圖 Speech recognition system diagram端點檢測有兩個過程：1．基于語音信號的特征，用能量、過零率、熵(entropy)、音高(pitch)等參數(shù)以及它們的衍生參數(shù)，來判斷信號流中的語音/非語音信號。2．在信號流中檢測到語音信號后，判斷此處是否是語句的開始或結(jié)束點。在商用語音系統(tǒng)中，由于信號多變的背景和自然對話模式而更容易使句中有停頓（非語音），特別是在爆發(fā)聲母前總會有無聲間隙。因此，這種開始/結(jié)束的判定尤為重要。此外端點檢測的目的還在于：1．減少識別器的數(shù)據(jù)處理量?？梢源罅繙p少信號傳輸量及識別器的運算負載，對于語音對話的實時識別有重要作用。2．拒絕非語音的信號。對非語音信號的識別不僅是一種資源浪費，而且有可能改變對話的狀態(tài)，造成對用戶的困擾。3．在需要打斷功能的系統(tǒng)中，語音的起始點是必須的。在端點檢測找到語音的起始點時，系統(tǒng)將停止提示音的播放，完成打斷功能。在現(xiàn)代通信技術(shù)中，凡是涉及到語音通信的，都需要應(yīng)用到語音端點檢測這一技術(shù)，并且這一技術(shù)的重要性不僅體現(xiàn)在日常語音通信中，更體現(xiàn)在科研和國防建設(shè)上。在科研領(lǐng)域，如3G手機等通訊產(chǎn)品的研發(fā)上，這一技術(shù)是不容回避的問題，要求在不影響接收語音信號質(zhì)量的前提下，盡可能地降低靜音段的數(shù)據(jù)傳輸率，此時精確的端點檢測就非常必要。另外，有關(guān)國家安全保密工作，常需對某些通信線路進行監(jiān)控，在對眾多的線路進行監(jiān)控時，為了節(jié)約人力物力并且不遺漏可疑信息，語音端點檢測起到了至關(guān)重要的作用。由此可見，語音端點檢測技術(shù)己經(jīng)成為語音信號處理領(lǐng)域的重要課題之一，具有重要的理論研究價值和廣闊的應(yīng)用前景。 國內(nèi)外研究現(xiàn)狀 端點檢測算法的國內(nèi)外研究現(xiàn)狀語音端點檢測算法經(jīng)過幾十年的發(fā)展，產(chǎn)生了很多方法，而且隨著語音技術(shù)在現(xiàn)代科學(xué)中的重要性不斷增大，也不斷的有新方法被提出來滿足需要。下面是語音端點檢測近幾年研究的發(fā)展介紹。1994年Erdal提出一種基于語音參數(shù)的分段方法。對于每個語音幀，計算其較為重要的8個參數(shù)：歸一化的短時低通能量、歸一化的短時高通能量、過零率、低頻帶的一階、二階反射系數(shù)、前向后向匹配相關(guān)系數(shù)及它們的乘積。這些參數(shù)描述了此語音信號的重要的信息，繼而用一定的算法進行推理，從而可以判定此信號是語音段還是非語音段。1998年Hongtao Hu應(yīng)用小波變換的技術(shù)進行語音端點檢測，在降低計算量的同時提高了算法的性能。1999年Sohn等人提出了基于統(tǒng)計模型似然比的端點檢測算法。他們采用在離散傅立葉變換(DFT)系數(shù)域的統(tǒng)計模型，噪聲環(huán)境下的語音和噪聲譜分布均假設(shè)為聯(lián)合高斯分布。2003年Gazor提出了利用拉普拉斯概率密度函數(shù)(PDF)為帶噪語音和噪聲譜建模，它被證明是一個更好的純凈語音分布的模型。2005年Shin等人提出的廣義伽瑪分布提供了一個比高斯、拉普拉斯和伽瑪分布更好的純凈語音譜的模型。[4]。語音與噪音在能量域通常有不同的分布，如果我們能分清含有低功率噪音和高功