低端DSP芯片的语音处理算法研究

     摘 要： 介绍了一种利用TI 公司的TMS320VC5402 定点DSP 芯片实现的基于语音能量、短时平均幅度差和过零率的语音检测器， 给出了算法的详细设计过程和DSP 硬件实现方案， 该方案在专用通信系统中， 用以对接收到的电台信号进行分析， 判断其中是否有语音信号， 从而控制半双工电台的发射开关， 使其处于接收或发射状态。实验表明， 该算法能在较低的信噪比情况下准确地检测出语音信号， 而且计算方法简单， 硬件处理容易， 可靠性高， 能够满足实时系统的需要， 在对DSP 在其他方面的应用也有一定的参考价值。

　　0  引言

　　语音信号检测（Voice Acess Detect, VAD） 技术，目的是为正确区分语音与各种背景噪声。在语音信号处理和通信等领域， 它有着十分重要的意义。本套算法集成了短时能量、过零率与短时平均幅度差（AMDF） 检测等算法的组合。

　　1  算法介绍

　　1.1  帧和窗的概念

　　短时分析将语音流分帧处理， 为减小语音帧的截断效应， 需要加窗处理； 窗口的形状和长度对分析影响很大， 不同的分析方法对窗函数的要求不尽一样； 可分为矩形窗、汉明窗和汉宁窗等。

　　通常认为一个语音帧内含有1~ 7 个基调周期比较理想， 但人的语音的基调周期值是变化的， 从女性和儿童2 ms 到老年男子的14 ms（ 即基调频率为500Hz~ 70 Hz） , 所以N 的选择是比较困难的， 折衷的选择N 为100~ 300 点比较合适。

　　1.2  短时能量

　　一段短语音信号的能量称为短时能量， 第n 段的短时能量由En 表示， 它等于该短段语音取样的平方和， 设第n 帧语音信号x n （ m） 的短时能量用En表示， 则其计算公式如下：

　　算法中使用短时能量的主要目的是： 去除背景语音对VAD 效果的影响， 去除幅度较小的噪声对VAD 效果的影响。

　　1.3  短时过零率

　　过零表示信号通过零值， 过零率即每秒内信号值通过零值的次数。对于离散时间序列， 过零则是指序列取样值改变符号， 过零率则是每个样本改变符号的次数。对于语音信号， 则是指在一帧语音中语音信号波形穿过横轴（ 零电平） 的次数， 可以用相邻2 个取样改变符号的次数来计算。

　　1.4  短时平均幅度差（AMDF）

　　对于完全的周期信号， 则相距为周期的整数倍的采样点上幅值相等， 差值为0。实际的语音信号是一个准周期信号， 差值不为0, 但很小， 这些极小值将出现在整数倍周期的位置上。定义短时平均幅度差函数：

　　AMDF 函数在浊音基音周期上出现极小值， 在清音语音时无明显极小值。在此基础上， 为避免由于信号强弱带来的误差， 需要对AMDF 函数进行归一化处理。

　　2  算法实现

　　语音信号是一种时变的、非平稳的随机过程， 从整体来看其特征及表征其本质特征的参数均是随时间变化的。但是， 语音的形成过程与发声器官的运动密切相关， 这种物理运动比起声音振动速度来要缓慢得多， 因此语音信号可以认为在一个较短的时间段内是平稳的， 即具有短时平稳性。

　　根据语音信号的这一特点， 结合所采用的算法的需要， 语音帧的长度定为16 ms, 下文将详细介绍算法的实现。

　　A、短时能量检测函数： power proc（ ） , 输入参数为存放采集一帧数据的地址， 算法流程图如图1 所示。

图1 短时能量算法流程图

　　B、短时过零率函数： zero proc（ ） , 输入参数为存放采集一帧数据的地址， 算法流程图如图2 所示。

图2 短时过零率算法流程图

　　C、短时平均幅度差函数： amdf proc（ ） , 输入参数为存放采集一帧数据的地址。其中D（N ） 存放的是不同Z（ 基音周期） 得到的幅度差， 算法流程图如图3 所示。

图3  短时平均幅度差算法流程图

　　语音检测时， 为保证检测的准确性， 连续10 帧检测有效时才认为确实有语音， 连续20 帧检测无效时才认为确实无语音。为了满足多帧检测需求， 又不至于出现掉字情况， 同时还要保证检测信号和语音信号的同步性， 设计了一个环形缓冲区， 模拟语音通道1 和通道2 各有一个对应的环形缓冲区delay1和delay2, 每一个环形缓冲区都有3 个指针： 接收指针、处理指针和发送指针， 分别供DMA 通道0 中断服务程序、短时能量子函数和短时平均幅度差子函数、DMA 通道1 中断服务程序使用。

　　3  硬件实现

　　系统的硬件实现， 器件为TI 公司的低端DSP 芯片TMS320VC5402 （ 以下简称C5402） , 片内DARAM 仅有16Kbyte, 地址有效范围0x0080H ~0x3FFFH, 其中配置地址有效范围为0x0000H ~0x005FH。

　　除算法外， 在具体研制过程中遇到了双通道A/ D采样时通道无法有效控制、扩展片外RAM 后程序不能正常加载、系统因负荷过大不能正确启动等难题， 通过长期的探索和尝试， 这些问题都得到了妥善的解决， 并掌握了实现2 路A/ D 同时采样的状态控制字配置方法， 为算法的实施打下了坚实的基础。

　　大致的配置方法如下：

　　A、所有保留位控制字， 采用缺省设置；

　　B、接收寄存器接收帧长度设置成每帧1 个字；

　　C、接收寄存器接收字长度设置成32 位；

　　D、发送寄存器发送帧长度设置成每帧1 个字；

　　E、发送寄存器发送字长度设置成32 位。

　　McBSP0 引脚控制寄存器配置如下：

　　A、DX 等引脚设置为串口；

　　B、DR 等引脚设置为串口；

　　C、帧同步发送位设置成内部发送模式；

　　D、帧同步接收位设置成外部发送模式；

　　E、时钟发送位设置成外部发送模式；

　　F、时钟接收位设置成内部发送模式；

　　G、帧同步发送设置高电平有效；

　　H、帧同步接收设置高电平有效；

　　I、发送时钟设置成为上升沿触发；

　　J、接收时钟设置成为上升沿触发。

　　McBSP1 引脚控制寄存器相关配置与McBSP0相似， 额外配置如下： 发送时钟设置为内部模式； 接收时钟设置为外部模式； 发送时钟设置为下降沿触发。

　　4  结束语

　　提出了采用平均幅度、过零率和短时能量等系列算法进行语音处理的原理及具体实现方法， 并介绍了承载该算法的硬件组成， 该套语音处理模块基于低端的DSP 处理芯片， 综合考虑了性能价格比，在实现所有功能及性能的前提下， 地节省了成本， 提高了产品的市场竞争力， 算法的实现， 凝聚了团队的心血， 在行业内处于地位。实践证明该语音处理模块硬件小巧， 语音质量好， 易于实现， 性价比较高， 可推广至各类需要语音处理的通信产品中。