【正文】 論為基礎(chǔ)，分析討論了子帶平均能量方差和小波系數(shù)方差的算法，并將優(yōu)化算法運(yùn)用到了基于DSP音視頻矩陣控制的系統(tǒng)中，本論文主要工作如下：1．掌握語音信號處理的相關(guān)理論和處理方法，分析基于小波理論的子帶平均能量方差和小波系數(shù)方差的語音端點(diǎn)檢測算法。包括隨機(jī)存儲器(RAM)和只讀存儲器(ROM)。它可支持各種圖像規(guī)格和各種算法，功能相當(dāng)強(qiáng)。當(dāng)時(shí)的DSP技術(shù)在醫(yī)療電子、生物電子、應(yīng)用地球物理等領(lǐng)域獲得應(yīng)用。與單片機(jī)相比，DSP有著更適合數(shù)字信號處理的優(yōu)點(diǎn)。在具有較小特征值得子特征空間中可以找到可靠的信息。1999年Sohn等人提出了基于統(tǒng)計(jì)模型似然比的端點(diǎn)檢測算法。另外，有關(guān)國家安全保密工作，常需對某些通信線路進(jìn)行監(jiān)控，在對眾多的線路進(jìn)行監(jiān)控時(shí)，為了節(jié)約人力物力并且不遺漏可疑信息，語音端點(diǎn)檢測起到了至關(guān)重要的作用。此外端點(diǎn)檢測的目的還在于：1．減少識別器的數(shù)據(jù)處理量。語音識別的對象是語音信號，端點(diǎn)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。這樣，既方便控制，又節(jié)約成本。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(jìn)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。盡我所知，除文中特別加以標(biāo)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(jī)構(gòu)的學(xué)位或?qū)W歷而使用過的材料。對本文的研究做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。最簡單的模擬音頻矩陣系統(tǒng)是利用電子開關(guān)，來實(shí)現(xiàn)輸入與輸出的連接。 語音端點(diǎn)檢測檢測的作用語音端點(diǎn)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(qiáng)及語音監(jiān)控等領(lǐng)域[2]。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(diǎn)。在端點(diǎn)檢測找到語音的起始點(diǎn)時(shí)，系統(tǒng)將停止提示音的播放，完成打斷功能。對于每個(gè)語音幀，計(jì)算其較為重要的8個(gè)參數(shù)：歸一化的短時(shí)低通能量、歸一化的短時(shí)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。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率語音的成分，即使帶噪語音的平均信噪比很低，我們也有可能提取更多可靠的語音信息?；贖MM模型的檢測方法也是語音信號端點(diǎn)檢測中的重要方法，用viterbi解碼算法對待測信號進(jìn)行分解，求出語音的哪些語音幀與模型相匹配，從而得出端點(diǎn)所在處。因此，直到70年代，有人才提出了DSP的理論和算法基礎(chǔ)。當(dāng)前的DSP多數(shù)基于RISC（精簡指令集計(jì)算機(jī)）結(jié)構(gòu)，且進(jìn)入了VLSI（超大規(guī)模集成電路）階段。其中C54xx以其低廉的價(jià)格，低功耗和高性能等特點(diǎn)被廣泛應(yīng)用到通信和個(gè)人消費(fèi)電子領(lǐng)域。所以，TMS320C5402是54系列芯片的典型代表。5．優(yōu)化系統(tǒng)，對軟硬件進(jìn)行合理配置，提高系統(tǒng)性能。這3種方法分別由對應(yīng)的圖來表示：時(shí)域分析對應(yīng)時(shí)域波形圖、頻譜分析對應(yīng)頻域波形圖、語譜分析則對應(yīng)語譜圖。音頻時(shí)域波形圖如圖21所示。4．頻域分析要用到FFT變換等，有時(shí)會需要專門的硬件工具。3．從語譜圖上還可以得到能量隨語音發(fā)生過程（時(shí)間）的變化情況，由此可以區(qū)別濁音及清音、輔音（或聲母）等的不同種類。表21各類方法優(yōu)缺點(diǎn)比較Table 21 The camparison of characteristic of several methods方法優(yōu)點(diǎn)缺點(diǎn)短時(shí)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(shí)能量或平均幅度較簡單弱摩擦音與結(jié)尾時(shí)的鼻音易和噪聲混淆HMM較準(zhǔn)確需要事先訓(xùn)練雙門限比較法有效區(qū)分語音信號中的濁音和噪聲難以區(qū)分清音和噪聲自相關(guān)相似距離對濁音的檢測精度較高對開端的清音檢測精度不夠頻帶方差較準(zhǔn)確在脈沖干擾下門限值需要測定盡管語音端點(diǎn)檢測的研究工作迄今已近幾十年，取得了輝煌的成就，但是現(xiàn)有的語音識別系統(tǒng)還面臨著許多困難，具體表現(xiàn)在以下幾個(gè)方面：1．語音端點(diǎn)檢測算法的適應(yīng)性差?；谏鲜鎏岬降脑肼暫瓦m應(yīng)性等問題，論文在研究了兩種基于小波的語音端點(diǎn)檢測算法的基礎(chǔ)上，采用了綜合兩種算法的方法來解決以上問題。函數(shù)的小波基有很多類型：有一個(gè)函數(shù)的二進(jìn)伸縮與平移所產(chǎn)生的小波基，可成為經(jīng)典小波；有經(jīng)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。 連續(xù)小波變換設(shè)是平方可積函數(shù)（記作），是被稱為基本小波[11]或母小波(mother wavelet)函數(shù)。連續(xù)小波變換將一維信號變換到二維空間，因此小波變換中存在多余的信息，我們稱之為冗余度(Redundancy)。為了減小小波變換系數(shù)冗余，我們將小波基函數(shù)的，限定在一些離散的點(diǎn)上取值。這樣，就改成如式(27)所示，記為。 (211)式中是從到的整數(shù)，值愈小空間愈大。如果，則有表達(dá)式(214)。人為噪聲來源于由人類活動(dòng)造成的其他信號源，例如：外臺信號、開關(guān)接觸噪聲、工業(yè)的點(diǎn)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(nèi)部噪聲是系統(tǒng)設(shè)備本身產(chǎn)生的各種噪聲，例如，在電阻一類的導(dǎo)體中自由電子的熱運(yùn)動(dòng)（常稱熱噪聲）、真空管中電子的起伏發(fā)射和半導(dǎo)體中載流子的起伏變化（常稱為散彈噪聲）及電源哼聲等[14]。顯然，這個(gè)隨機(jī)變量的統(tǒng)計(jì)特性可以用分布函數(shù)或概率密度函數(shù)去描述，我們稱式(215)為隨機(jī)過程的一維分布函數(shù)。由此可見，平穩(wěn)隨機(jī)過程的統(tǒng)計(jì)特性將不隨時(shí)間的推移而不同。歸一化協(xié)方差函數(shù)，如式(222)所示。與之相反語音信號的能量主要分布于低頻部分，在整個(gè)頻率區(qū)間內(nèi)能量分布起伏較大。Daubechies小波是由世界著名的小波分析學(xué)者Inrid Daubechies構(gòu)造的小波函數(shù)，我們一般簡寫成，是小波的階數(shù)。根據(jù)上一節(jié)的分析可以確定語音信號在各個(gè)子帶內(nèi)的平均能量分布不均，信號的能量主要集中在低頻子帶[19]內(nèi)。圖28 語音信號波形圖 The plot of the speech signal首先給該段語音加入15db的高斯白噪聲，形成待測信號，如圖29所示。圖29帶噪語音信號 Speech signal containing noise圖210 信號平均能量方差 The average power variance of signal 具體實(shí)驗(yàn)步驟如下：1．對系統(tǒng)用到的所有語音信號進(jìn)行數(shù)據(jù)采樣，由于語音信號主要集中在5kHz以下。為了增加算法的精度，對閾值進(jìn)行自適應(yīng)處理。圖211 對帶噪信號的處理結(jié)果 Detection oute of speech signal containing noise 實(shí)驗(yàn)結(jié)果比較表22為在各種信噪比的情況下，采用db4小波分別對不同數(shù)量的語音信號進(jìn)行子帶平均能量方差端點(diǎn)檢測所得到的實(shí)驗(yàn)結(jié)果，以及與基于能量與過零率算法的比較。自相似過程是在統(tǒng)計(jì)上具有尺度不變性的一種隨機(jī)過程，定義為：一個(gè)隨機(jī)過程，如果這個(gè)隨機(jī)過程在時(shí)間上壓縮或者擴(kuò)展時(shí)，統(tǒng)計(jì)特性不變。 (228)式中，這樣的隨機(jī)過程稱為過程，也叫類分形信號。 (229)那么這個(gè)過程稱為是長相關(guān)的(Long Range Dependent)。根據(jù)式(230)可知，統(tǒng)計(jì)自相似過程的平均和協(xié)方差函數(shù)也是自相似的，因此統(tǒng)計(jì)自相似過程總被定義為過程，已測得功率譜服從式(231)的能量規(guī)律關(guān)系，如式(231)所示。 (236)本節(jié)根據(jù)類分形信號小波變換系數(shù)在不同分解級數(shù)上的特點(diǎn)，提出了一種方法估計(jì)語音信號參數(shù)及加性白噪聲方差，進(jìn)而從噪聲背景下估計(jì)出語音信號，以實(shí)現(xiàn)信號與噪聲的區(qū)分。表示預(yù)先提取的噪聲的方差參數(shù)，表示預(yù)先提取的純凈語音的方差參數(shù)，表示清音的方差參數(shù)。因此本文提出一種語音端點(diǎn)檢測的綜合方法，根據(jù)對噪聲的估計(jì)來選擇算法對語音進(jìn)行端點(diǎn)檢測，利用子帶平均能量方差簡單高效的特點(diǎn)做靜音條件下和平穩(wěn)噪聲條件下的端點(diǎn)檢測，而如果檢測到信號中具有有色噪聲或者其它噪聲時(shí)，采用小波系數(shù)方差的檢測方法。 (244)3．提取前五幀語音信號檢測其頻率分布，各個(gè)頻帶能量幅值如式(245)所示。通過式(240)、(241)、(242)的概率判斷含語音幀和非語音幀。首先，使用軟件對語音信號進(jìn)行抽樣和量化，與白噪聲和其它噪聲相混合。表24語音端點(diǎn)檢測率(%)Table 24 Speech endpoint detection rate (%)檢測算法純語音高斯白噪聲(SNR=15db)混雜噪聲(SNR=15db)子帶平均能量方差小波系數(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(diǎn)檢測的算法。4．比較、選擇、存儲單元(CSSU)。5．并行存儲和并行加載的算術(shù)指令。6．可編程定時(shí)器。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(shí)也避免了上電次序的問題。C5402內(nèi)部具有一個(gè)可編程鎖相環(huán)(PLL)，它可以配置為以下兩種模式：1．PLL模式。 McBSP模塊硬件設(shè)計(jì)在DSP應(yīng)用系統(tǒng)設(shè)計(jì)中必不可少的是各種數(shù)據(jù)傳輸接口的設(shè)計(jì)。1．McBSP框圖及接口 多通道緩沖串口由接收發(fā)送、時(shí)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。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。1．引腳圖 TLC320AD50C的封裝及引腳分布如圖36所示。管腳M/S經(jīng)過l0K電阻上拉，將TLC320AD50C設(shè)置成主動(dòng)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。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。在TI公司DSP芯片TMS320C5402最小系統(tǒng)模塊的基礎(chǔ)上進(jìn)行功能擴(kuò)展，對音視頻信號進(jìn)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(jì)，給出了相應(yīng)的硬件配置。3．DSP/BIOS實(shí)時(shí)內(nèi)核插件及其應(yīng)用程序接口API。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。5．由TI公司以外的第三方提供的各種應(yīng)用模塊插件。代碼生成工具是將源程序進(jìn)行編譯、匯編并鏈接成可執(zhí)行程序。該芯片內(nèi)部具有一個(gè)的模擬開關(guān)陣列，有16*8個(gè)交叉點(diǎn)。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。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]。McBSP通過DX和DR實(shí)現(xiàn)DSP與外部設(shè)備的通信和數(shù)據(jù)交換。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(jì)更加簡捷。2．DIV模式。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(jì)自動(dòng)復(fù)位電路。電源1．可用IDLE1，IDLE2和IDLE3指令控制功耗，以工作在省電方式。7．從中斷快速返回指令。6．雙地址生成器包括8個(gè)輔助寄存器和兩個(gè)輔助寄存器算術(shù)運(yùn)算單元(ARAU)存儲器64K字程序存儲器、64K字?jǐn)?shù)據(jù)存儲器以及64K字I/O空間。第3章 音視頻矩陣控制系統(tǒng)的硬件設(shè)計(jì) 系統(tǒng)整體設(shè)計(jì)本章主要介紹基于DSP矩陣控制系統(tǒng)硬件的實(shí)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(jì)。對每個(gè)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(diǎn)檢測正確率的標(biāo)準(zhǔn)。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(shí)間時(shí)就被舍棄。4．如果檢測到信號在頻域內(nèi)分布均勻或各個(gè)子帶內(nèi)的能量幅度值很小，認(rèn)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(jìn)行語音處理。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。 (240) (241) (242)式中為小波分層的層數(shù)，代表各個(gè)不同的小波層，表示第層小波系數(shù)的總數(shù)。根據(jù)這一特性可知，對語音信號進(jìn)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(jì)特性。 (232)式中完全的正交集，是互不相關(guān)隨機(jī)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。由于該信號具有非平穩(wěn)性和長程相關(guān)性的特點(diǎn)，同其它信號相比具有截然不同的統(tǒng)計(jì)特性，因此，不宜用傳統(tǒng)的方法對其進(jìn)行分析?，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]。 (227)