【正文】 小波系數(shù)方差綜合算法 本章小結(jié)本章介紹了語音分析的一般方法和小波分析的基本理論，分析比較了傳統(tǒng)上常用的語音端點檢測的算法。圖31 矩陣控制系統(tǒng)硬件框圖 Matrix control system hardware block diagram TMS320C5402簡介TMS320C54x是為實現(xiàn)低功耗、高性能而設(shè)計的定點DSP芯片，主要應(yīng)用在通信系統(tǒng)方面。4．比較、選擇、存儲單元(CSSU)。指令系統(tǒng)1．單指令重復(fù)和塊指令重復(fù)操作。5．并行存儲和并行加載的算術(shù)指令。2．可編程分區(qū)轉(zhuǎn)換邏輯電路。6．可編程定時器。在片仿真接口(JTAG)速度單周期定點指令執(zhí)行時間為25/20/15/(40/50/66/80/100MIPS)。鑒于噪聲的簡單性，我們使用TI公司提供的DSP專用電源芯片TPS73HD318構(gòu)建電源電路，同時也避免了上電次序的問題。若使用外部時鐘源，只要將外部時鐘信號直接加到DSP芯片的X2/CLKIN引腳，而X1引腳懸空；若使用芯片內(nèi)部的振蕩器，只要在芯片的Xl和X2/CLKIN引腳之間接入一個晶體，用于啟動內(nèi)部振蕩器。C5402內(nèi)部具有一個可編程鎖相環(huán)(PLL)，它可以配置為以下兩種模式：1．PLL模式。PLL具有倍頻功能，其輸出信號的頻率是輸入信號的頻率乘上一個倍數(shù)，PLL把外部基準(zhǔn)頻率變成多種頻率提供給不同的具體系統(tǒng)，以滿足各種應(yīng)用的需要。 McBSP模塊硬件設(shè)計在DSP應(yīng)用系統(tǒng)設(shè)計中必不可少的是各種數(shù)據(jù)傳輸接口的設(shè)計。 多通道緩沖串行口多通道緩沖串行口(McBSP)[35]是在緩沖串行口的基礎(chǔ)上發(fā)展起來的。1．McBSP框圖及接口 多通道緩沖串口由接收發(fā)送、時鐘及幀同步信號、多通道選擇及CPU中斷信號和DMA同步信號組成，如圖33所示。C5402內(nèi)部CPU對McBSP的操作是利用16位控制寄存器，通過片內(nèi)外設(shè)總線進行存取控制。最后，通過發(fā)送移位寄存器XSR[l,2]，將數(shù)據(jù)經(jīng)DX引腳移出發(fā)送。圖35 數(shù)據(jù)的接收時序圖 Data reception sequence diagram 語音接口芯片TLC320AD50CTLC320AD50C是美國德州儀器(TI)公司生產(chǎn)的包含有A/D及D/A轉(zhuǎn)換的多功能模擬接口芯片。1．引腳圖 TLC320AD50C的封裝及引腳分布如圖36所示。默認情況下為15+1位傳送模式。管腳M/S經(jīng)過l0K電阻上拉，將TLC320AD50C設(shè)置成主動工作模式；選擇INP和INM作為ADC的輸入，將AUXP和AUXM接至模擬地；DAC的正相輸出經(jīng)過一階低通濾波后送給模擬設(shè)備，反相輸出不用；管腳FC接地，系統(tǒng)只能采用軟件方式申請觸發(fā)次通信模式；數(shù)據(jù)格式為15+1比特模式。串行口的接收/發(fā)送過程受TLC320AD50C的控制。2．AV信號的智能切換控制 音頻信號采用集成模擬開關(guān)MT8816，主要應(yīng)用于電信專用分組交音頻信號切換，也可以用于視頻信號的切換。視頻開關(guān)矩陣芯片MAX4456，可將任意輸人端的視頻信號切換到任一緩沖輸出端，有并行和串行兩種工作方式，可根據(jù)需要選擇。在TI公司DSP芯片TMS320C5402最小系統(tǒng)模塊的基礎(chǔ)上進行功能擴展，對音視頻信號進行了簡單的前端處理，介紹了多通道緩沖串口(McBSP)與音頻接口芯片(TLC320AD50C)的連接以及音視頻矩陣控制模塊電路的設(shè)計，給出了相應(yīng)的硬件配置。CCS (Code Composer Studio)是TI公司推出的用于開發(fā)DSP芯片的集成開發(fā)環(huán)境，它采用Windows風(fēng)格界面，集編輯、編譯、鏈接、軟件仿真、硬件調(diào)試以及實時跟蹤等功能于一體，能完成DSP系統(tǒng)開發(fā)過程的各個環(huán)節(jié)，極大地方便了DSP芯片的開發(fā)與設(shè)計，是目前使用最為廣泛的DSP開發(fā)軟件之一。3．DSP/BIOS實時內(nèi)核插件及其應(yīng)用程序接口API。2．含有集成代碼生成工具，包括匯編器、優(yōu)化C編譯器、鏈接器等，將代碼的編輯、編譯、鏈接和調(diào)試等諸多功能集成到一個軟件環(huán)境中。5．基本調(diào)試工具具有裝入執(zhí)行代碼、查看寄存器、存儲器、反匯編、變量窗口等功能，并支持C源代碼級調(diào)試。4．工程項目管理工具可對用戶程序?qū)嵭许椖抗芾怼?．由TI公司以外的第三方提供的各種應(yīng)用模塊插件。 CCS的組成CCS的開發(fā)系統(tǒng)主要由以下組件構(gòu)成：1．TMS320C54x集成代碼產(chǎn)生工具。代碼生成工具是將源程序進行編譯、匯編并鏈接成可執(zhí)行程序。音頻用NE5532的跟隨器驅(qū)動放大，視頻信號用專業(yè)視頻信號放大芯片MAX497提高驅(qū)動能力，用75歐電阻匹配視頻信號輸出。該芯片內(nèi)部具有一個的模擬開關(guān)陣列，有16*8個交叉點。圖38 矩陣控制模塊框圖 Matrix control module block diagram1．AV信號的前端處理 本模塊對音視頻信號在輸入級前端進行了簡單的處理，對音頻信號進行了阻容濾波和放大后一路送給矩陣開關(guān)，一路接入TLC320AD50C進行采樣，傳送給DSP進行數(shù)據(jù)處理。通過寄存器設(shè)置，將TMS320C5402的FSX、FSR、CLKR、CLKX配置為外部輸人，TLC320AD50C的SCLK配置為內(nèi)部產(chǎn)生。次通信只有在發(fā)出請求時產(chǎn)生，當(dāng)主通信采用15+1位模式時，可以進行次通信請求；當(dāng)主通信采用16位模式時，則必須由FC腳輸入信號來產(chǎn)生次通信請求。3．工作原理 TLC320AD50C與外界串行通信可以分為主通信和次通信。其內(nèi)部ADC之后有抽樣濾波器，DAC之前有插值濾波器，接收和發(fā)送可同時進行。其次，將RSR[l,2]中的接收數(shù)據(jù)拷貝到接收緩沖寄存器RBR[l,2]。數(shù)據(jù)發(fā)送過程為：首先，CPU通過外設(shè)總線，將數(shù)據(jù)寫入數(shù)據(jù)發(fā)送寄存器DXR[1,2]。McBSP通過DX和DR實現(xiàn)DSP與外部設(shè)備的通信和數(shù)據(jù)交換。McBSP串行口可以與其他C54x器件、編程器或其他串口器件通信。多數(shù)DSP芯片提供的是同步串口，TMS320C5402提供的多通道緩沖串口(McBSP)可以很方便地與編解碼芯片(CODEC)或串行ADC直接連接，使得電路的設(shè)計更加簡捷。復(fù)位后，CLKMD的值根據(jù)C5402芯片三根輸入引腳CLKMD1~CLKKMD3確定，從而確定DSP的工作時鐘。2．DIV模式。為了實現(xiàn)DSP系統(tǒng)實時處理信號的效果，希望系統(tǒng)頻率越快越好。圖32 電源電路 Power supply circuit本系統(tǒng)中，由于我們選擇了DSP專用的電源管理芯片TPS73HD318，該芯片本身可以提供寬度為200ms的低電平復(fù)位脈沖，為了是系統(tǒng)電路簡單，所以不再設(shè)計自動復(fù)位電路。 電源電路(CVDD) I/O電壓(DVDD)，并且DSP對這兩種電源加電次序也有要求，理想情況下兩個電源同時加電，但是一般情況下都很難做到，這時應(yīng)先對CVDD加電，然后對DVDD上電。電源1．可用IDLE1，IDLE2和IDLE3指令控制功耗，以工作在省電方式。4．外部總線關(guān)斷控制，以斷開外部的數(shù)據(jù)總線、地址總線和控制信號。7．從中斷快速返回指令。3．32位長操作數(shù)指令。6．雙地址生成器包括8個輔助寄存器和兩個輔助寄存器算術(shù)運算單元(ARAU)存儲器64K字程序存儲器、64K字數(shù)據(jù)存儲器以及64K字I/O空間。2．40位算術(shù)邏輯運算單元(ALU)。第3章 音視頻矩陣控制系統(tǒng)的硬件設(shè)計 系統(tǒng)整體設(shè)計本章主要介紹基于DSP矩陣控制系統(tǒng)硬件的實現(xiàn)方法，主要包括最小系統(tǒng)模塊、McBSP模塊硬件電路，音頻信號的前端處理和矩陣控制等模塊的硬件設(shè)計。在純凈語音、高斯白噪聲和混雜噪聲三種情況進行檢測。對每個語音文件通過手工標(biāo)號以區(qū)分語音與背景噪聲，可作為測試端點檢測正確率的標(biāo)準(zhǔn)。在不同的應(yīng)用情況下也可以根據(jù)實際環(huán)境的背景噪聲特性來確定閥值。最小語音持續(xù)幀長為8幀，最小噪聲持續(xù)幀長為5幀，一些界限如小于定義的最小持續(xù)時間時就被舍棄。根據(jù)計算出來的方差，利用確定的門限值判斷語音和噪聲并進行標(biāo)識。4．如果檢測到信號在頻域內(nèi)分布均勻或各個子帶內(nèi)的能量幅度值很小，認為語音處于準(zhǔn)靜音或平穩(wěn)噪聲的環(huán)境下，用小波子帶平均能量的方法進行語音處理。表23語音的頻譜特性Table 23 Speech frequency spectrum characteristic語音分類頻譜特性能量情況濁音元音低頻 能量較高能量較高濁輔音低頻 能量較高能量較低清輔音高頻 KHz能量較高根據(jù)上述分析，本文得出的最終優(yōu)化算法如下：1．對信號進行采樣、量化、分幀處理，分幀后信號如式(243)所示。在準(zhǔn)靜音的環(huán)境下，頻域內(nèi)信號各頻率分量幅度都很低。對于小波系數(shù)方差的語音端點檢測算法，適應(yīng)性較好，對于白噪聲及有色噪聲以及其它噪聲都有較好的檢測結(jié)果，但算法復(fù)雜、系統(tǒng)資源占用較多，對系統(tǒng)運算速度的要求很高，很難達到實時性要求，這樣就限制了算法的應(yīng)用。 (240) (241) (242)式中為小波分層的層數(shù)，代表各個不同的小波層，表示第層小波系數(shù)的總數(shù)。 (238)對噪音、清音和純凈語音提取小波系數(shù)方差作為先驗知識，如式(239)所示。根據(jù)這一特性可知，對語音信號進行小波變換后，每一子帶小波內(nèi)的小波系數(shù)也一定具有相同的統(tǒng)計特性。另外，如果為過程的小波分解，是獨立于并于任何小波基不相關(guān)，如式(235)所示。 (232)式中完全的正交集，是互不相關(guān)隨機變量的采樣，也叫做零均值和方差的的小波系數(shù)，如式(233)所示?；诓灰?guī)則原理，語音信號是統(tǒng)計自相似的隨機過程，它的統(tǒng)計特性在時域內(nèi)不隨波形的擴充或壓縮而變化，它可以認為是過程，更加特殊的是語音信號與參數(shù)H服從比例關(guān)系，如式(230)所示。由于該信號具有非平穩(wěn)性和長程相關(guān)性的特點，同其它信號相比具有截然不同的統(tǒng)計特性，因此，不宜用傳統(tǒng)的方法對其進行分析。在許多實際發(fā)現(xiàn)的過程中?，F(xiàn)已發(fā)現(xiàn)許多和信息相關(guān)的信號，如：生物電子信號、語音信號、電子器件噪聲、分形背景上的電磁散射回波、通信信道上的猝發(fā)誤差等等都是（或近似是）分形信號[23,24]。過程是自相似過程中的一類特例。 (227)其中，等號表示統(tǒng)計意義上的相等。因此，使用這一特點可以把經(jīng)小波變換后獲得的小波系數(shù)的方差作為統(tǒng)計特性，進行端點檢測。在各種數(shù)量語音（如10句，50句，100句）的情況下，識別率很高，對于無噪音下識別率可達98%以上。標(biāo)準(zhǔn)結(jié)果為在不加入噪聲的基礎(chǔ)上對語音進行手工標(biāo)記所得。4．如果則算法結(jié)束，否則返回到第2步。3．通過式(224)、(225)、(226)分別進行計算，得到方差參數(shù)，取前三幀語音的參數(shù)，的平均值的2倍作為閾值。記為，D為幀的總數(shù)。實驗所用的語音數(shù)據(jù)為4秒到7秒不等的160句英文語音，把它們隨機的分為三組，分別包含10句、50句和100句語音。然后經(jīng)過式(224)、(225)和(226)的計算得到所求的方差參數(shù)。然后選取方差作為特征參數(shù)來表示各個小波子帶平均能量的差異，計算各個子帶平均能量的方差，如式(226)所示。計算各層小波系數(shù)的平均能量，如式(224)所示。根據(jù)第二節(jié)所介紹的小波變換原理可知，小波變換相當(dāng)于信號通過的一系列低通和高通濾波器，所得的小波子帶系數(shù)分別代表了不同頻率段信號的能量分布，如圖27所示。沒有明確的表達式（除外），但轉(zhuǎn)換函數(shù)的平方模[18]是很明確的。比較圖25與圖26可明確的看出語音與噪聲在頻域存在很大的差異，而以小波分析為工具，利用這一特點進行端點檢測，也正是本節(jié)所介紹的一種基于子帶平均能量的端點檢測方法。即利用語音與噪聲在各個頻段內(nèi)的平均能量的方差可以判別出語音段與噪聲段。因此信號在各個頻段內(nèi)的信號能量分布均勻。所以如果過程是寬平穩(wěn)的，即其均值與時間無關(guān)，協(xié)方差函數(shù)只與時間間隔有關(guān)，而與時間起點無關(guān)，則它的維分布也與時間起點無關(guān)，故它也是嚴(yán)平穩(wěn)的。 (219)式中 (220)為歸一化協(xié)方差矩陣的行列式，如式(221)所示。起伏噪聲的特點是，無論在時域內(nèi)還是在頻域它們總是普遍存在和不可避免的，它們是信號中存在的主要噪聲。在信號處理中占重要地位的一種類型的隨機過程是平穩(wěn)隨機過程，所謂平穩(wěn)隨機過程，即指它的任何維分布函數(shù)或概率密度函數(shù)與時間起點無關(guān)。 (216)在一般情況下用一維分布函數(shù)去描述隨機過程的完整統(tǒng)計特性是極不充分的，通常需要在足夠多的時刻上考慮隨機過程的多維分布函數(shù)。隨機過程的統(tǒng)計特性是通過它的概率分布或數(shù)字特征加以表述的。雖然消除這些噪聲不一定很容易，但至少在原理上可消除或基本消除。信號在傳播過程中會被各種加性噪聲所干擾，加性噪聲雖然獨立于有用信號，但它卻始終干擾有用信號，因而不可避免地對語音信號造成危害。這種算法根據(jù)高斯白噪聲在小波變換域內(nèi)各個子帶的平均能量變化平緩的特點來判別語音段和噪聲段。函數(shù)的時移不改變其所屬空間，即如果則有式(213)?？臻g剖分是完整的，即當(dāng)時，包含整個平面可積的實變函數(shù)空間。每級逼近都是用某一低通平滑函數(shù)對做平滑的結(jié)果，在逐級逼近時平滑函數(shù)也做逐級伸縮，這就是“多分辨率”，即用不同分辨率來逐級逼近待分析函數(shù)。 (28)在實際中，我們一般取，這時。所以每當(dāng)增加l時，尺度增加一倍，對應(yīng)的頻率減小一半，可見采樣率可以降低一半而不致引起信息的丟失（帶通信號的采樣率決定于其帶寬，而不是決定于其頻率上限）。目前通行的辦法是對尺度進行冪數(shù)級離散化，即令取，此時對應(yīng)的小波函數(shù)如式(26)所示。 (25)式中是小波與的內(nèi)積，反映了兩者的相關(guān)程度。從小波分析的角度看，是一族超完備基函數(shù)，它們之間是線性相關(guān)的，度量冗余度的量稱為再生核[12]如式(23)，它反映了小波變換的冗余性。由以上定義，我們可以看出小波變換和傅