如何保證語音引擎設(shè)計(jì)的質(zhì)量和性能
下一代軟DSP產(chǎn)品采用了實(shí)時(shí)處理和寬帶(高清晰度)語音通信技術(shù),可以比當(dāng)前技術(shù)取得更大的最終用戶滿意度和市場潛力。這些產(chǎn)品為語音通信建立了新的高清晰度標(biāo)準(zhǔn)。根據(jù)本文建議開發(fā)的產(chǎn)品可以取得超過電話質(zhì)量通信的效果。相反,不滿足這些實(shí)時(shí)要求將造成許多語音質(zhì)量劣化的癥狀,包括掉話、顯著的時(shí)延、爆破音或卡嗒聲、傳真/調(diào)制解調(diào)器呼叫失敗或傳真頁錯(cuò)亂,以及由于丟包或超額延時(shí)造成的語音不清等等。不滿足實(shí)時(shí)要求還將導(dǎo)致錯(cuò)過時(shí)限,這將是嚴(yán)重的系統(tǒng)故障,需要整個(gè)系統(tǒng)復(fù)位才能解決,除非系統(tǒng)支持硬件和軟件的恢復(fù)。
電話呼叫中的語音通信是雙向的:音頻的發(fā)送和接收同時(shí)進(jìn)行。因此盡量減小語音系統(tǒng)中的延時(shí)以確保音頻質(zhì)量很關(guān)鍵;然而,減小時(shí)延的優(yōu)化工作與滿足語音處理要求相沖突。在傳統(tǒng)的回放音頻系統(tǒng)中,如音頻(MP3)回放或多媒體流,緩存可以做得很大以補(bǔ)償系統(tǒng)處理能力的低下,此時(shí)延時(shí)與質(zhì)量無關(guān)。語音引擎卻不能這樣做,因?yàn)橐纛l緩存必須能在固定時(shí)間得到全部處理。這種架構(gòu)通常采用中斷優(yōu)先級劃分和軟件調(diào)度,利用甚至在某些時(shí)候增強(qiáng)操作系統(tǒng)的實(shí)時(shí)性能來保證語音處理的完成。
在語音引擎系統(tǒng)中,軟件中斷服務(wù)程序?qū)⑴c語音硬件編解碼器交換語音采樣。語音硬件編解碼器以8kHz的采樣速率完成模擬信號與音頻采樣之間的來回轉(zhuǎn)換。在電話應(yīng)用中,硬件編解碼器被連接到作為電話物理接口的用戶線接口電路(SLIC)或無繩電話的DECT射頻電路。而在IP電話或移動手機(jī)場合,硬件編解碼器被連接到放大器,放大器再與麥克風(fēng)和揚(yáng)聲器相連。
SoC硬件接口在保證語音引擎的實(shí)時(shí)性能和準(zhǔn)確調(diào)度方面扮演著關(guān)鍵的角色。如果SoC帶TDM或AC97外設(shè),電話語音編解碼器可以直接連到處理器。如果嵌入式處理器不帶這些外設(shè),最低成本的解決方案是經(jīng)過一個(gè)CPLD再與處理器相連。CPLD可以從硬件編解碼器逐個(gè)收發(fā)采樣,這種方案對時(shí)間最敏感,并且代表了最壞情況下的時(shí)序要求。
不管是通過TDM、AC97還是CPLD,語音硬件服務(wù)必須優(yōu)先處理以確保中斷得到響應(yīng);其他系統(tǒng)軟件必須不影響這個(gè)中斷的關(guān)鍵時(shí)序。在8kHz的采樣速率下,中斷將每125μs發(fā)生一次。對于運(yùn)行在200MHz的SoC來說,針對速度優(yōu)化過的CPLD中斷服務(wù)程序處理時(shí)間在25μs以內(nèi)。這就允許最大中斷延時(shí)的計(jì)算值為90μs(125μsC(25μs+中斷服務(wù)建立時(shí)間10μs))。系統(tǒng)要想滿足實(shí)時(shí)時(shí)限,操作系統(tǒng)必須在收到編解碼器中斷后的90μs內(nèi)調(diào)用中斷服務(wù)程序,并且操作系統(tǒng)必須允許服務(wù)運(yùn)行并立即完成。
操作系統(tǒng)還必須保證中斷服務(wù)程序可以調(diào)度語音引擎,以便立即對在音頻緩存進(jìn)行處理。中斷服務(wù)程序使用緩存準(zhǔn)備好信號激活這種調(diào)度,如圖所示。在該圖中可以看到,DMA外設(shè)用來將音頻采樣采集到緩存中供語音引擎的處理,這種方法的效率要比CPLD實(shí)現(xiàn)高。
對語音引擎的要求是要在下一個(gè)語音緩存準(zhǔn)備好之前完成語音采樣的處理。語音引擎中處理語音所需的時(shí)間取決于多個(gè)因素,包括處理器、緩存大小、RAM速度、物理語音接口數(shù)量(音頻通道)、緩存要求的軟件DSP處理以及所用的語音編碼器類型。
要想全面地分析語音引擎時(shí)序要求,請參考附表。tidle參數(shù)代表的是所有其他系統(tǒng)進(jìn)程或系統(tǒng)應(yīng)用程序留給可用處理的剩余時(shí)間。從語音引擎設(shè)計(jì)角度看,就是指空閑時(shí)間。所有較低優(yōu)先級系統(tǒng)的處理都是發(fā)生在語音引擎完成實(shí)時(shí)語音處理后的空閑時(shí)間內(nèi)。在最壞情況下,tidle可能為0ms,此時(shí)語音引擎處理會有多次反復(fù)。
D2科技公司的vPort軟件包含了針對所支持配置的性能基準(zhǔn)。例如,vPort版本可能規(guī)定三方G.729AB語音會議呼叫的語音處理,作為最壞情況和緩存連續(xù)清空的條件下,要求語音引擎提供每10ms最大100MHz的處理能力。如果運(yùn)行在400MHz RISC處理器上,tvoice在最壞情況處理時(shí)要求100MHz(CPU處理能力的25%),對應(yīng)每隔10ms處理間隔中的2.5ms處理時(shí)間。如果tswitch超過7.5ms(tswitch=tbufferC(tvoice+tidle)),實(shí)時(shí)時(shí)限就無法滿足,這個(gè)時(shí)間還不包括在語音引擎處理期間由于其他外設(shè)中斷、下半部處理或“tasklet”軟中斷引起的額外開銷。
以下是設(shè)計(jì)師在集成用于軟DSP處理的語音引擎時(shí)需要考慮的最重要的一些設(shè)計(jì)準(zhǔn)則:
1. 為了使質(zhì)量最優(yōu),語音通信要求最小化系統(tǒng)時(shí)延;
2. 語音通信是連續(xù)的,丟失采樣或失去實(shí)時(shí)性將是最嚴(yán)重的錯(cuò)誤;
3. 語音硬件有嚴(yán)格的時(shí)序要求,在丟失時(shí)序時(shí)需要一種差錯(cuò)恢復(fù)機(jī)制;
4. 語音引擎實(shí)時(shí)處理必須在10ms的軟件時(shí)限內(nèi)完成對語音緩存的處理。語音引擎中斷服務(wù)程序在CPU外設(shè)硬件基礎(chǔ)上有嚴(yán)格的時(shí)序限制。
圖1:語音引擎時(shí)序圖。
表1:D2的語音引擎時(shí)序要求。
評論