摘 要： 介紹了一種利用TI 公司的TMS320VC5402 定點(diǎn)DSP 芯片實(shí)現(xiàn)的基于語(yǔ)音能量、短時(shí)平均幅度差和過(guò)零率的語(yǔ)音檢測(cè)器， 給出了算法的詳細(xì)設(shè)計(jì)過(guò)程和DSP 硬件實(shí)現(xiàn)方案， 該方案在專用通信系統(tǒng)中， 用以對(duì)接收到的電臺(tái)信號(hào)進(jìn)行分析， 判斷其中是否有語(yǔ)音信號(hào)， 從而控制半雙工電臺(tái)的發(fā)射開(kāi)關(guān)， 使其處于接收或發(fā)射狀態(tài)。實(shí)驗(yàn)表明， 該算法能在較低的信噪比情況下準(zhǔn)確地檢測(cè)出語(yǔ)音信號(hào)， 而且計(jì)算方法簡(jiǎn)單， 硬件處理容易， 可靠性高， 能夠滿足實(shí)時(shí)系統(tǒng)的需要， 在對(duì)DSP 在其他方面的應(yīng)用也有一定的參考價(jià)值。

　　0  引言

　　語(yǔ)音信號(hào)檢測(cè)（Voice Acess Detect, VAD） 技術(shù)，目的是為正確區(qū)分語(yǔ)音與各種背景噪聲。在語(yǔ)音信號(hào)處理和通信等領(lǐng)域， 它有著十分重要的意義。本套算法集成了短時(shí)能量、過(guò)零率與短時(shí)平均幅度差（AMDF） 檢測(cè)等算法的組合。

　　1  算法介紹

　　1.1  幀和窗的概念

　　短時(shí)分析將語(yǔ)音流分幀處理， 為減小語(yǔ)音幀的截?cái)嘈?yīng)， 需要加窗處理； 窗口的形狀和長(zhǎng)度對(duì)分析影響很大， 不同的分析方法對(duì)窗函數(shù)的要求不盡一樣； 可分為矩形窗、漢明窗和漢寧窗等。

　　通常認(rèn)為一個(gè)語(yǔ)音幀內(nèi)含有1~ 7 個(gè)基調(diào)周期比較理想， 但人的語(yǔ)音的基調(diào)周期值是變化的， 從女性和兒童2 ms 到老年男子的14 ms（ 即基調(diào)頻率為500Hz~ 70 Hz） , 所以N 的選擇是比較困難的， 折衷的選擇N 為100~ 300 點(diǎn)比較合適。

　　1.2  短時(shí)能量

　　一段短語(yǔ)音信號(hào)的能量稱為短時(shí)能量， 第n 段的短時(shí)能量由En 表示， 它等于該短段語(yǔ)音取樣的平方和， 設(shè)第n 幀語(yǔ)音信號(hào)x n （ m） 的短時(shí)能量用En表示， 則其計(jì)算公式如下：

　　算法中使用短時(shí)能量的主要目的是： 去除背景語(yǔ)音對(duì)VAD 效果的影響， 去除幅度較小的噪聲對(duì)VAD 效果的影響。

　　1.3  短時(shí)過(guò)零率

　　過(guò)零表示信號(hào)通過(guò)零值， 過(guò)零率即每秒內(nèi)信號(hào)值通過(guò)零值的次數(shù)。對(duì)于離散時(shí)間序列， 過(guò)零則是指序列取樣值改變符號(hào)， 過(guò)零率則是每個(gè)樣本改變符號(hào)的次數(shù)。對(duì)于語(yǔ)音信號(hào)， 則是指在一幀語(yǔ)音中語(yǔ)音信號(hào)波形穿過(guò)橫軸（ 零電平） 的次數(shù)， 可以用相鄰2 個(gè)取樣改變符號(hào)的次數(shù)來(lái)計(jì)算。

　　1.4  短時(shí)平均幅度差（AMDF）

　　對(duì)于完全的周期信號(hào)， 則相距為周期的整數(shù)倍的采樣點(diǎn)上幅值相等， 差值為0。實(shí)際的語(yǔ)音信號(hào)是一個(gè)準(zhǔn)周期信號(hào)， 差值不為0, 但很小， 這些極小值將出現(xiàn)在整數(shù)倍周期的位置上。定義短時(shí)平均幅度差函數(shù)：

　　AMDF 函數(shù)在濁音基音周期上出現(xiàn)極小值， 在清音語(yǔ)音時(shí)無(wú)明顯極小值。在此基礎(chǔ)上， 為避免由于信號(hào)強(qiáng)弱帶來(lái)的誤差， 需要對(duì)AMDF 函數(shù)進(jìn)行歸一化處理。

　　2  算法實(shí)現(xiàn)

　　語(yǔ)音信號(hào)是一種時(shí)變的、非平穩(wěn)的隨機(jī)過(guò)程， 從整體來(lái)看其特征及表征其本質(zhì)特征的參數(shù)均是隨時(shí)間變化的。但是， 語(yǔ)音的形成過(guò)程與發(fā)聲器官的運(yùn)動(dòng)密切相關(guān)， 這種物理運(yùn)動(dòng)比起聲音振動(dòng)速度來(lái)要緩慢得多， 因此語(yǔ)音信號(hào)可以認(rèn)為在一個(gè)較短的時(shí)間段內(nèi)是平穩(wěn)的， 即具有短時(shí)平穩(wěn)性。

　　根據(jù)語(yǔ)音信號(hào)的這一特點(diǎn)， 結(jié)合所采用的算法的需要， 語(yǔ)音幀的長(zhǎng)度定為16 ms, 下文將詳細(xì)介紹算法的實(shí)現(xiàn)。

　　A、短時(shí)能量檢測(cè)函數(shù)： power proc（ ） , 輸入?yún)?shù)為存放采集一幀數(shù)據(jù)的地址， 算法流程圖如圖1 所示。

圖1 短時(shí)能量算法流程圖

　　B、短時(shí)過(guò)零率函數(shù)： zero proc（ ） , 輸入?yún)?shù)為存放采集一幀數(shù)據(jù)的地址， 算法流程圖如圖2 所示。

圖2 短時(shí)過(guò)零率算法流程圖

　　C、短時(shí)平均幅度差函數(shù)： amdf proc（ ） , 輸入?yún)?shù)為存放采集一幀數(shù)據(jù)的地址。其中D（N ） 存放的是不同Z（ 基音周期） 得到的幅度差， 算法流程圖如圖3 所示。

圖3  短時(shí)平均幅度差算法流程圖

　　語(yǔ)音檢測(cè)時(shí)， 為保證檢測(cè)的準(zhǔn)確性， 連續(xù)10 幀檢測(cè)有效時(shí)才認(rèn)為確實(shí)有語(yǔ)音， 連續(xù)20 幀檢測(cè)無(wú)效時(shí)才認(rèn)為確實(shí)無(wú)語(yǔ)音。為了滿足多幀檢測(cè)需求， 又不至于出現(xiàn)掉字情況， 同時(shí)還要保證檢測(cè)信號(hào)和語(yǔ)音信號(hào)的同步性， 設(shè)計(jì)了一個(gè)環(huán)形緩沖區(qū)， 模擬語(yǔ)音通道1 和通道2 各有一個(gè)對(duì)應(yīng)的環(huán)形緩沖區(qū)delay1和delay2, 每一個(gè)環(huán)形緩沖區(qū)都有3 個(gè)指針： 接收指針、處理指針和發(fā)送指針， 分別供DMA 通道0 中斷服務(wù)程序、短時(shí)能量子函數(shù)和短時(shí)平均幅度差子函數(shù)、DMA 通道1 中斷服務(wù)程序使用。

　　3  硬件實(shí)現(xiàn)

　　系統(tǒng)的硬件實(shí)現(xiàn)， 器件為TI 公司的低端DSP 芯片TMS320VC5402 （ 以下簡(jiǎn)稱C5402） , 片內(nèi)DARAM 僅有16Kbyte, 地址有效范圍0x0080H ~0x3FFFH, 其中配置地址有效范圍為0x0000H ~0x005FH。

　　除算法外， 在具體研制過(guò)程中遇到了雙通道A/ D采樣時(shí)通道無(wú)法有效控制、擴(kuò)展片外RAM 后程序不能正常加載、系統(tǒng)因負(fù)荷過(guò)大不能正確啟動(dòng)等難題， 通過(guò)長(zhǎng)期的探索和嘗試， 這些問(wèn)題都得到了妥善的解決， 并掌握了實(shí)現(xiàn)2 路A/ D 同時(shí)采樣的狀態(tài)控制字配置方法， 為算法的實(shí)施打下了堅(jiān)實(shí)的基礎(chǔ)。

　　大致的配置方法如下：

　　A、所有保留位控制字， 采用缺省設(shè)置；

　　B、接收寄存器接收幀長(zhǎng)度設(shè)置成每幀1 個(gè)字；

　　C、接收寄存器接收字長(zhǎng)度設(shè)置成32 位；

　　D、發(fā)送寄存器發(fā)送幀長(zhǎng)度設(shè)置成每幀1 個(gè)字；

　　E、發(fā)送寄存器發(fā)送字長(zhǎng)度設(shè)置成32 位。

　　McBSP0 引腳控制寄存器配置如下：

　　A、DX 等引腳設(shè)置為串口；

　　B、DR 等引腳設(shè)置為串口；

　　C、幀同步發(fā)送位設(shè)置成內(nèi)部發(fā)送模式；

　　D、幀同步接收位設(shè)置成外部發(fā)送模式；

　　E、時(shí)鐘發(fā)送位設(shè)置成外部發(fā)送模式；

　　F、時(shí)鐘接收位設(shè)置成內(nèi)部發(fā)送模式；

　　G、幀同步發(fā)送設(shè)置高電平有效；

　　H、幀同步接收設(shè)置高電平有效；

　　I、發(fā)送時(shí)鐘設(shè)置成為上升沿觸發(fā)；

　　J、接收時(shí)鐘設(shè)置成為上升沿觸發(fā)。

　　McBSP1 引腳控制寄存器相關(guān)配置與McBSP0相似， 額外配置如下： 發(fā)送時(shí)鐘設(shè)置為內(nèi)部模式； 接收時(shí)鐘設(shè)置為外部模式； 發(fā)送時(shí)鐘設(shè)置為下降沿觸發(fā)。

　　4  結(jié)束語(yǔ)

　　提出了采用平均幅度、過(guò)零率和短時(shí)能量等系列算法進(jìn)行語(yǔ)音處理的原理及具體實(shí)現(xiàn)方法， 并介紹了承載該算法的硬件組成， 該套語(yǔ)音處理模塊基于低端的DSP 處理芯片， 綜合考慮了性能價(jià)格比，在實(shí)現(xiàn)所有功能及性能的前提下， 地節(jié)省了成本， 提高了產(chǎn)品的市場(chǎng)競(jìng)爭(zhēng)力， 算法的實(shí)現(xiàn)， 凝聚了團(tuán)隊(duì)的心血， 在行業(yè)內(nèi)處于地位。實(shí)踐證明該語(yǔ)音處理模塊硬件小巧， 語(yǔ)音質(zhì)量好， 易于實(shí)現(xiàn)， 性價(jià)比較高， 可推廣至各類需要語(yǔ)音處理的通信產(chǎn)品中。