【正文】 S 的組成 ............................................................................................. 42 CCS 的主要功能 ..................................................................................... 42 系統(tǒng)自舉加載器的設計 ................................................................................. 43 選擇自舉方式 .......................................................................................... 44 Flash 的數據組織 .................................................................................... 45 McBSP 模塊軟件設計 ................................................................................... 46 McBSP 控制寄存器 ................................................................................ 46 TLC320AD50C 的控制寄存器 ............................................................... 48 McBSP 模塊驅動程序 ............................................................................ 48 端點檢測的實現(xiàn) ............................................................................................. 50 本章小結 ......................................................................................................... 50 結論 ............................................................................................................................ 51 參考文獻 ...................................................................................... 錯誤 !未定義書簽。 畢業(yè)設計（論文）原創(chuàng)性聲明和使用授權說明 原創(chuàng)性聲明 本人鄭重承諾：所呈交的畢業(yè)設計（論文），是我個 人在指導教師的指導下進行的研究工作及取得的成果。 作者簽名： 日期： 年 月 日 學位論文版權使用授權書 本學位論文作者完全了解學校有關保留、使用學位論文的規(guī)定，同意學校保留并向國家有關部門或機構送交論文的復印件和電子版，允許論文被查閱和借閱。但是 傳統(tǒng)音視頻 矩陣的功能單一，也不具備擴展功能 。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練的，語音信號和語音模型進行模式匹配才有意義。 可以大量減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 。由此可見，語音端點檢測技術己經成為語音信號處理領域的重要課題之一，具有重要的理論研究價值和廣闊的應用前景。他們采用在離散傅立葉變換 (DFT)系數域的統(tǒng)計模型，噪聲環(huán)境下的語音和噪聲譜分布均假設為聯(lián)合高斯分布。與規(guī)模較小的特征值。芯片內部采用程序和數據分開的哈佛結構 ，具有專門的硬件乘法器，廣泛采用流水線操作，具有良好的并行特性，提供特殊的 DSP 指令，可以快速地實現(xiàn)各種數字信號處理算法 。進入 80 年代后期，隨著數字信號處理技術應用范圍的擴大，要求提高處理速度，到 1988 年出現(xiàn)了浮點 DSP，同時提供了高級語言的編譯器，使運算速度進一步提高，其應用范圍逐步擴大到通信、計算機領域。而第六代 TMSC6000 系列則是目前速度最快，性能最高的 DSP 芯片，該系列芯片的發(fā)展 中有高至 5000MIPS， 3G FLOPS 的處理性能。其中， TMS320C5402 所 采 用的 RAM 是 雙 存 取訪 問 RAM (DARAM)。本文主要研究音頻信號的處理，對視頻信號只用做控制和傳輸。因此，可以先對語音做頻譜分析，得到提高語音識別率的有用數據，并據此來設計計算機語音識別系統(tǒng)的硬件和軟件。 時域分析法的特點是： 1． 用時域波形表示的語音信號比較直觀，清晰易懂 。與上文時域圖相對應的一幅頻譜圖如圖 22 所示。語譜圖提供有關不同時間不同頻率的相對音強的有價值信息，可以在二個維度 （ 時間及頻率 ） 上表示出音強的關系。對于語譜分析方法，目前在語音端點檢測的方法中應用還有待進一步的研究。由于語音數據大部分都是在接近理想的條件下采集的，語音一般都要在高保真設備上錄制語音，尤其要在無噪環(huán)境下錄音。 Mallat 提出的多分辨率分析 (multiresolotion alysis， MRA)的思想，使小波的構造趨于規(guī)范。小波變換理論己由一 維發(fā)展到了多維。 ? ? ? ? ? ? ? ?,x t y t x t y t d t??? (22) 式中 ? ?, 1 tt?? ????? ???? ????是基本小波的位移和尺度伸縮。 ? ?00??? 處的小波變換值? ?00,fWT ?? 可以表示成半平面 ? ?,RR?????上其他各處 WT 值的 “ 總貢獻 ” 如式 (24)所示 。通常對 ? 進行均勻離散取值，以覆蓋整個時間軸。 sTsTskT1 2 3 4 5 6 7 8 9 8 6 4 2 圖 23 ??? 平面二進離散柵格 The binary discrete grid of the ??? plane 當 0 2?? 時，沿 ? 軸的相應采樣間隔是 02j? 此時， ??, t??? 如 式 (29)所示。 3V3 2W 1W21 圖 24 函數空間的剖分 The function space partition 這種剖分方式使得空間 jV 與空間 jW 正交，各個 jW 之間 下次也 正交， 如式 (212)所示。 噪聲與語音的頻域差異 在語音的通信和處理過程中，常伴隨有噪聲的加入。這種不能預測的噪聲統(tǒng)稱為隨機噪聲。 ? ? ? ? ? ? ? ?? ?1 2 1 2 1 1 2 2, , , 。 ? ? ? ?1 2 1 2 1 2 1 2, , , 。 1 2 12 1 212111nnnnbbbbBbb?????????? ??? ??? ?????? (221) jkB行列式 B 中元素 jkb 的代數 余因子 ，如式 (222)所示。平穩(wěn)隨機噪聲的幅頻特性 如 圖 25 所示 。 19 圖 25 平穩(wěn)隨機噪聲的幅頻特性 amplitudefrequency characteristic of stationary random process 圖 26 語音的幅頻特性 The amplitudefrequency characteristic of speech 利用小波分析進行端點檢測 1． Daubechies(dbN)小波 。 3V3W2W 1W1V2V 0V 圖 27 小波分析的頻域劃分 The frequency domain partition of wavelet analyze 該圖表示對一個信號進行了三層小波變換， 1 2 3,WWW 和 3V 是經過三層小波變換后得到的小波子帶，其中 1W ， 2W 和 3W 從高到低依次為小 波變換后得到的原信號的高頻信息， 3V 為小波變換后得到的原信號的低頻信息 。 ? ? ? ?22 11 M mi i im EEM? ???? (226) 下面我們以一段如圖 28所示的語音信 號 ??xt作為實驗數據進行實驗 。根據各自語音信號的能量把它們加入相應不同能量的高斯白噪聲，加入后的語音信噪比分別為 15db、10db和 0db，用不同信噪比下的語音信號進行實驗。如果 ??2i? 大于閾值則標識此幀為語音，否則標識此幀為噪聲。 100%??與 標 準 結 果 相 符 的 幀檢 測 率語 音 信 號 總 的 幀 數 對如圖 29帶噪語音信號 ??xt? 進行處理所得的檢測結果如圖 211所示 。 語音的 1/f 小波模型 f/1 過程是自相似過程的一個特例。隨著語音句的增加，識別率并沒有下降，說明該算法的穩(wěn)定性較好。 5． 當所有的幀被分別標記后，對所得的結果進行處理。 2． 對第 i 幀iR進行 5層的小波變換，所得的小波系數記為 mks （ 表示第 m層的第 k 個小波系數 ( 06m??)） 。計算所得的帶噪語音 ??xt? 相對應的子帶平均能量方差 如 圖 210所示。 ? ? ? ?1mmikk N mEsNm ?? ? (224) 式中 m表示小波層數， ? ?Nm表示第 m層所含的小波系數的數量， mks 表示第 m層第 k 個小波系數。 令 ? ? 1 10N N k kkkP y C y? ?????，其中， 1NkkC?? 為二項式的系數， 得 式 (223)。在語音段，由于信號能量主要分布于低頻部分，所以各個頻段平均能量的方差較大。 屬于平穩(wěn)隨機噪聲的高斯白噪聲是自然界存在最普通的噪聲也是不可避免噪聲，因此實現(xiàn)它與語音的區(qū)分對于端點檢測的實現(xiàn)具有決定性的意義。實踐證明起伏噪聲服從高斯分布律，且在一般的工作頻率范圍內，它具有平坦的功率譜密度。顯然， n 越大，用 n維分布函數或 n 維概率密度函數去描述 ??t? 的統(tǒng)計特性就越充分 [15]。顯然，這個隨機變量的統(tǒng)計特性可以用分布函數或概率密度函數去描述，我們稱 式 (215)為隨機過程 ??t? 的一維分布函數。人為噪聲來源于由人類活動造成的其他信號源，例如：外臺信號、開關接觸噪聲、工業(yè)的點火輻射及熒光燈干擾等；自然噪聲是指自然界存在的各種電磁波源，例如：閃電、大氣中的電暴、銀河系噪聲及其他各種宇宙噪聲等；內部噪聲是系統(tǒng)設備本身產生的各種噪聲，例如，在電阻一類的導體中 自由電子的熱運動 （ 常稱熱噪聲 ） 、真空管中電子的起伏發(fā)射和半導體中載流子的起伏變化 （ 常稱為散彈噪聲 ） 及電源哼聲等 [14]。 如果 ?? jf t V? ，則有 表達 式 (214)。 0 1 1 1 2 2 1 1, , , ,j j jV V W V V W V V W????? ? ? ? ? ??? ? ? ??? (211) 式中 j 是從 ?? 到 ??的整數， j 值愈小空間愈大。這樣， ??, t??? 就改 成如 式 (27)所示， 記為 ??0,jo k t????。為了減小小波變換系數冗余，我們將小波基函數 ??, t??? 的 ? ， ? 限定在一些離散的點上取值。連續(xù)小波變換將一維信號變換到二維空間 ? ?ff t WT?，因此小波變換中存在多余的信息，我們稱之為冗余度(Redundancy)。 連續(xù)小波變換 設 ??ft是平方可積函數 （ 記作 ? ? ? ?2f t L R? ） ， ??t? 是被稱 為基本小波 [11]或母小波 (mother wavelet)函數。函數的小波基有很多類型：有一個函數的二進伸縮與平移所產生的小波基，可成為經典小波；有經典小波基生成的小波包，它可使信號分解為更小的子頻帶、局部三角基，它可用于有限區(qū)間、多元小波、球面小波、用于不規(guī)則抽樣與流形 的第二廣義小波等。 基于上述提到的噪聲和適應性 等 問題，論文在研究了兩種基于小波的語音端點檢測算法的基礎 上 ， 采用了 綜合 兩種算法的方 法 來解決 以上 問題。 表 21 各類方法優(yōu)缺點比較 Table 21 The camparison of characteristic of several methods 方法 優(yōu)點 缺點 短時平均過零率 較簡單 難以識別弱爆破音、摩擦音、 末尾的鼻音拖長的元音等 短時能量或平均幅度 較簡單 弱摩擦音與結尾時的鼻音易和 噪聲混淆 HMM 較準確 需要事先訓練 雙門限比較法 有效區(qū)分語音信號中