【正文】 圖 51 CCS的功能框圖 基于譜減法的語音增強(qiáng)在 DSP環(huán)境下的實(shí)時實(shí)現(xiàn) 系統(tǒng)的工作原理 在本系統(tǒng)中，采用 TMS320VC5416 DSP 和 TLV320AIC23 Code。 。重要的是可以利用定時器產(chǎn)生周期性的 CPU 中斷或脈沖輸出。 HPI 提供與主處理器接口的并行接口。不同型號的 C54x 的 DARAM 和 SARAM 的容量和存取速度不同。 C54x 的內(nèi)部硬件結(jié)構(gòu)包括如下功能單元 : ① 中央處理單元 (CPU)。 實(shí)時譜減法語音增強(qiáng)系統(tǒng)的硬件介紹 伴隨著可編程 DSP 芯片的誕生及后續(xù)的迅速發(fā)展，數(shù)字語音處理技術(shù)大量地應(yīng)用于系統(tǒng)開發(fā)中，并在很大程度上推動了語音信號處理技術(shù)的發(fā)展，進(jìn)而使得許多語音處理的經(jīng)典算法也因 DSP 的發(fā)展而得以實(shí)時實(shí)現(xiàn)。 獨(dú)立系統(tǒng)運(yùn)行 系統(tǒng)的軟件和硬件調(diào)試完成后， 可以將軟件脫離開發(fā)系統(tǒng)而直接在應(yīng)用系統(tǒng)上運(yùn)行。 硬件設(shè)計首先要根據(jù)系統(tǒng)運(yùn)算量的大小、對運(yùn)算精度的 要求、系統(tǒng)集成成本限制以及體積、功耗等要求選擇一個合適的 DSP 芯片，然后設(shè)計 DSP 芯片的外圍電路及其他電路。根據(jù)奈奎斯特抽樣定理，對于低通模擬信號，為了保持信息不丟失，抽樣頻率至少必須是輸入帶限信號最高頻率的 2 倍。 (3)穩(wěn)定性、可靠性好。 (3) Digital Signal Processing— 數(shù)字信號處理器 DSP，完成數(shù)字信號處理算法。 MIPS:即每秒執(zhí)行百萬次指令?？焖俚闹噶钪芷谑沟?DSP 芯片能夠?qū)崟r實(shí)現(xiàn)許多 DSP 應(yīng)用。這樣，在處理器內(nèi)部，每條指令的執(zhí)行分為取指令、解碼、執(zhí)行等若干個階段，每一個階段稱為一級流水。 (2)三條數(shù)據(jù)總線將內(nèi)部各單元 (如 CPU、數(shù)據(jù)地址產(chǎn)生邏輯、程序地址產(chǎn)生邏 輯片上外設(shè)以及數(shù)據(jù)存儲器 )連接在一起。 因?yàn)樵诒鞠到y(tǒng)中， 我們采用了美國德克薩斯公司 (TI, Texas Instrument)的 TMS320 DSP 系列中一款 DSP 芯片，所以就以 TMS320 DSP 系列的結(jié)構(gòu)做為代表來說明 DSP芯片的結(jié)構(gòu)。 (3)片內(nèi)具有快速 RAM，通?？赏ㄟ^獨(dú)立的數(shù)據(jù)總線在兩塊芯片中同時訪問。下面首先對 DSP 及其自身特點(diǎn)進(jìn)行介紹。由于人耳對語音的感知主要是通過語音信號中各頻譜分量幅度獲得的，對各分量的相位不敏感。因?yàn)椋? 語音的能量往往集中在某些頻段內(nèi)，在這些頻段內(nèi)的幅度相對較高，尤其是共振峰處的幅度一般遠(yuǎn)大于噪聲，因此，不應(yīng)在整個語音段減去相同噪聲功率譜 。 應(yīng)該看到，如果假設(shè) kY 具有高 斯分布，則譜相減法相當(dāng)于對 kS 作最大似然估計。語音增強(qiáng)的任務(wù)就是利用估計的噪聲功率譜信息，從 kY 中得到 kS 。本文基于 MATLAB 對譜減法進(jìn)行設(shè)計和實(shí)現(xiàn)。 主觀評定方法符合人類聽話時對語音質(zhì)量的感覺 ，目前得到了廣泛的應(yīng)用。這種噪聲只有在語音間歇期才單獨(dú)存在。對于乘性噪聲， 有些可以通過變換而轉(zhuǎn)變?yōu)榧有栽肼暋? 語 音特性 1． 語音是一個時變的、非平穩(wěn)隨機(jī)過程 人類發(fā)聲系統(tǒng)的生理結(jié)構(gòu)的變化速度是有限的，在 10～ 30ms 時間段內(nèi)具有相對穩(wěn)定性，可以認(rèn)為其特性是不變的，因此語音的短時譜分析也有相對穩(wěn)定性。為了克服這個缺點(diǎn)，定義短時平均幅度 mM 來衡量語音幅度的變化。假設(shè) s(n)的 DTFT 是 (exp( ))Sj? ，且 w(n)的 DTFT 是 (exp( ))Wj? ，那么 (exp( ))Sj? ? 是 (exp( ))Sj? 和 (exp( ))Wj? 的周期卷積。語音信號經(jīng)預(yù)濾波和采樣后，由 A/D 變換器變 換為二進(jìn)制數(shù)字碼?？诖降妮椛湫?yīng)可表示為： )1()( 10 ??? zRzR (22） 綜上所述，完整的語音信號數(shù)字模型可以用三個子模型：激勵模型、聲道模型和輻射模型的串聯(lián)來表示。對于目前的大 多數(shù)研究和應(yīng)用，數(shù)學(xué)模型完全滿足要求，該模型中包括三個部分：激勵源、聲道模型和輻射模型。 聲道是由咽、口腔和鼻腔組成，是一個分布參數(shù)系統(tǒng)，可視為一諧振腔，它放大某一頻率而衰減其它頻率分量。這里，簡要介紹一下語音信號處理的基礎(chǔ)知識。 譜減法及其改進(jìn)算法是一種基于短時譜估計的語音增強(qiáng)算法，由于它的運(yùn)算量相對較小，容易實(shí)時 實(shí)現(xiàn)，而且增強(qiáng)的效果也較好，是目前最常用的語音增強(qiáng)算法。如果系統(tǒng)是一個多通道 的語音系統(tǒng)，各個通道之陽極存在著某些相關(guān)的特性，這些相關(guān)特性對語音增強(qiáng)的 處理十分有利。 90 年代后，移動通信的飛速發(fā)展為語音增強(qiáng)研究提供了現(xiàn)實(shí)的動力，由于對之增強(qiáng)效果仍然不夠滿意，又進(jìn)行了新的嘗試。 （ 2） 語音生成模型是低速率參數(shù)編碼的基礎(chǔ)，當(dāng)模型參數(shù)的提取受到混雜在語音中的背景噪聲嚴(yán)重干擾時，重建語音的質(zhì)量將急劇惡化，甚至完全不可懂。 語音數(shù)字信號處理是一門涉及面很廣的交叉學(xué)科，研究領(lǐng)域涉及到信號處理、人工智能、模式識別、數(shù)理統(tǒng)計、神經(jīng)生理學(xué)和語言學(xué)等許多學(xué)科，在數(shù)字語音通信、聲控打印機(jī)、自動語音翻譯和多媒體信息處理等許多方面都有著非常重要 的應(yīng)用。語音增強(qiáng)技術(shù) 可以用來抑制噪聲 ,提高 抗噪聲能力和輸入信號的信噪比，改善語音質(zhì)量、可懂度和系統(tǒng)的性能， 并 作為預(yù)處理或前端處理模塊存在于語音處理系統(tǒng)中。計算機(jī)、電子和信息技術(shù)的高速發(fā)展，推動著人類社會向信息社會不斷進(jìn)步。然而，由于干擾往往都是隨機(jī)的、不確定的、復(fù)雜的，從帶噪語音中提取完全純凈的語音幾乎不可能。經(jīng)典的譜相減法和維納濾波方法就是在 這一時期提出來的。單通道語音系統(tǒng)在實(shí)際應(yīng)用中較為常見，如電話，手機(jī)等。常用的方法有中心削波法，譜減法，自適應(yīng)抵消法等。本文在結(jié)構(gòu)上大致可以分為 6 個部分：緒論（第一章） 語音增強(qiáng)的基礎(chǔ)知識（第二章）；譜減法的原理、算法及分析（第三章）； DSP介紹 及基于 DSP 實(shí)時語音處理系統(tǒng)的設(shè)計（第四章）；基于譜減法的語音增強(qiáng)在 DSP環(huán)境下的實(shí)時實(shí)現(xiàn)（第五章）；總結(jié) 與展望 （第六章）。每開啟和閉合一次的時間即振動周期，稱為基音周期，其倒數(shù)稱為基音頻率，簡稱為基頻。正常人可聽到聲音的頻率范圍為： ～ 16kHz 的聲音。 p 取得越大，模型的傳輸函數(shù)與聲道實(shí)際傳輸函數(shù)的吻合程度越高，但同時也增加了算法的復(fù)雜程度。 (2)抑制 50Hz 的電源干擾。 矩形窗主瓣最小，但旁瓣最高；海明窗具有最寬的主瓣和最低的旁瓣高度。 短時能量和短時平均幅度 語音信號的一幀內(nèi)的能量稱為短時能量，用 mE 表示： ? ? ? ?? ???????? ???? mNnnm mnwmxmnwmxEm1 22 )()()()( （ 25） 短時能量為一幀樣點(diǎn)值的加權(quán)平方和。但過零率容易收到噪聲電平的擾動。對頻率臨近分量的掩蔽要比頻差大的分量有效得多； (4)短時譜中的共振峰對語音的感知十分重要，特別是第二共振峰比第一共振峰更重要?？筛鶕?jù)帶噪語音信號幅度的平均值確定閥值，當(dāng)信號幅度超出閥值時，判別為脈沖噪聲， 然后對它進(jìn)行適當(dāng)?shù)乃p；也可以根據(jù)相鄰信號樣值通過內(nèi)插的方法，在時域上進(jìn)行平滑。 5． 背景噪聲對發(fā)聲的影響 強(qiáng)噪聲不僅會使人疲勞，而且還對講話人產(chǎn)生影響，使講話人改變了在安靜環(huán)境或低噪聲環(huán)境中的發(fā)音方式，從而改變了語音的特性參數(shù)，這稱為 “ Lombard” 效應(yīng)，它對語音識別系統(tǒng)有很大影響。 DAM 是對話音質(zhì)量的綜合評估，它是在多種條件下對話音質(zhì)量可接受程度的一種度量，也采用百分比評分。此時帶噪語音信號可表示為 Nnndnsny ???? 0)()()( (31) 式中 ,s(n)為純凈語音信號， d(n)為平穩(wěn)加性高斯噪聲， y(n)為加窗后的帶噪信號。由此可得原始語音的估計值： ? ?? ?2122122)()(?kYNEYSnkkkk????? (35) 定義第 k個頻譜分量的增益函數(shù)kkk YSG ?? 以及后驗(yàn)信噪比 )(2 kYnkk ?? ? 則（ 35）可以改寫為 y(i) 有 / 無語 音 判決 有語音 無語音 更新噪聲譜估計 噪聲譜方差 FFT 帶噪信號功率 增強(qiáng)后的語音信號功率 插入相位 IFFT s(i) 13 21)11(kkG ??? (36) 由（ 36）可以清楚地看出譜相減的物理意義：它相當(dāng)于對帶噪語音的每一個頻譜分量乘以一個系數(shù) kG 。為此需要采取一定的簡化措施。這種方法沒用使用參考噪聲源，但它假設(shè)噪聲是統(tǒng)計平穩(wěn)的，即有語音期間噪聲幅度譜的期望值與無語音間隙噪聲的幅度 譜的期望值相等。 3． 該方法會造成“音樂噪聲”，這是因?yàn)閷?shí)際噪音譜相對于估計譜的隨機(jī)變化造成的。 DSP 正是針對數(shù)字信號處理中數(shù)據(jù)操作高度重復(fù)的運(yùn)算特點(diǎn)而設(shè)計的。 (8)支持流水線操作，使取指、譯碼、取操作數(shù)和執(zhí)行等操作可以重疊執(zhí)行。 正是由于這些特殊的結(jié)構(gòu)， TMS320 DSP 芯片使得大部分的運(yùn)算 (如乘法 )能在一個指令周期內(nèi)完成，這樣 DSP 就能夠迅速地完成大量的數(shù)字信號處理運(yùn)算，滿足實(shí)際的 需求。 流水線 所謂流水線操作，就是取指令和執(zhí)行指令可以同時進(jìn)行，從而減少執(zhí)行時間，進(jìn)一步增強(qiáng)處理器的數(shù)據(jù)處理能力。 特殊的 DSP 指令 為了滿足數(shù) 字信號處理應(yīng)用的需要，在 DSP 指令系統(tǒng)中設(shè)計了一些特殊的 DSP指令，以完成一些專門的運(yùn)算。 MAC 時間 :即一次乘法加上一次加法的時間。 DSP 然后經(jīng)過DAC 進(jìn)行 A/D (Analog to Digital)轉(zhuǎn)對輸入的經(jīng)過 A/D 轉(zhuǎn)換后得到的數(shù)字信號進(jìn)行處理，經(jīng)過 DAC 進(jìn)行 D/A (Digital to Analog)轉(zhuǎn)換為模 擬信號，最后輸出平滑的模擬信號。同時由于數(shù)字信號處理系統(tǒng)是以數(shù)字信號處理為基礎(chǔ)的，因此具有數(shù)字信號處理的全部優(yōu)點(diǎn)。 基于 DSP 實(shí)時語音處理系統(tǒng) 語音處理的實(shí)時實(shí)現(xiàn)可以采取兩種方式 :一種是非脫機(jī)系統(tǒng)方式，即將計算機(jī)作為實(shí)現(xiàn)平臺，在計算機(jī)上插上數(shù)字信號處理板來進(jìn)行語音信號處理，這種方式可在實(shí)驗(yàn)室環(huán)境下進(jìn)行語音處理技術(shù)的研究 。 根據(jù)系 統(tǒng)的要求進(jìn)行高級語言模擬 一般來說，為了實(shí)現(xiàn)系統(tǒng)的最終目標(biāo)，需要對輸入的語音信號進(jìn)行適當(dāng)?shù)奶幚?，而處理方法的不同會?dǎo)致不同的系統(tǒng)性能，要得到最佳的系統(tǒng)性能，必須在這一步確定最佳的處理方法，即語音信號處理的算法，因此這一階段也稱為算法模擬或仿真階段。 軟件的調(diào)試一般借助于 DSP 開發(fā)工具，如軟件模擬器， DSP 開發(fā)系統(tǒng)或仿真器等。如算法模擬時可以用 C 語言或 MATLAB 軟件，還可以用其他程序設(shè)計語言編制應(yīng)用程序。另外，在 C54x 中，數(shù)據(jù)可以在數(shù)據(jù)空間和程序空間之間進(jìn)行傳送。 C54x 共有 26 個特殊功能寄存器，這些寄存器位于一個具有特殊功能的 CPU 映射存儲區(qū)內(nèi)，它們用于對片內(nèi)各功能模塊進(jìn)行控制、訪問和其他管理。為了訪問更多的通用 I/O，可以對主機(jī)通信并行接口和同步串行接口進(jìn)行配置，以用作通用 I/O。 ⑨ 定時器。 正是由于 C54x 具有以上的功能結(jié)構(gòu)，所以 C54x 也因此具有如下的特點(diǎn) : 。它將代碼生成工具和代碼調(diào)試工具集成于一體，提供了軟件開發(fā)、程序調(diào)試和系統(tǒng)仿真環(huán)境，結(jié)合仿真器等硬件調(diào)試工具，用 戶可以通過 CCS 平臺對硬件進(jìn)行調(diào)試、程序仿真和開發(fā)。 內(nèi)部集成了輸入抗混疊濾波器、 ADC、 DAC 和輸出重構(gòu)濾波器的 AIC23 編解碼芯片接收從麥克風(fēng)輸入接口進(jìn)入的模擬音頻信號，在經(jīng)過輸入抗混疊濾波器后，由ADC 進(jìn)行 8kHz, 16bit 的采樣轉(zhuǎn)換為串行數(shù)字信號，然后由 AIC23 編解碼芯片的串行通信口送入 C5416 的 McBSPO 串口。除了標(biāo)準(zhǔn)的串行口和時分復(fù)用 (TDM)串行口外，還提供自動緩沖串行口 BSP、多通道緩沖串行口 McBSP 和與外部處理器通信的 HPI 接口。 C54x 的中斷可以由硬件驅(qū)動 (硬件中斷 )或軟件驅(qū)動 (軟件中斷 )。 ⑧ 串行接口。 ⑥ I/O 端口。 C54x 有八條 16 位總線，包括一條程序總線、三條數(shù)據(jù)總線和四條地址總線，因此，可以在每個指令周期內(nèi)產(chǎn)生兩個數(shù)據(jù)存儲地址，也從而大大提高了芯片的并行數(shù)據(jù)處理速度。 C54x 采用先進(jìn)的修正哈佛結(jié)構(gòu)和八條總線，使處理器的性能大大提高。 基于 DSP 實(shí)時語音處理系統(tǒng)的開發(fā)工具 圖 43 是基于 DSP 實(shí)時語音處理系統(tǒng)的設(shè)計流程，根據(jù)該設(shè)計流程，要開發(fā)一個完整的基于 DSP 實(shí)時語音處理系統(tǒng)，需要借助于許多硬件開發(fā)工具，表 中列出了可能需要的開發(fā)工具。采用這種方法，即可縮短軟件開發(fā)的周期，提