采用DSP內(nèi)核技術(shù)進(jìn)行語(yǔ)音壓縮開(kāi)發(fā)

隨著儀器儀表人機(jī)界面越來(lái)越趨于人性化，語(yǔ)音識(shí)別的需求不斷增長(zhǎng)，語(yǔ)音處理技術(shù)發(fā)展迅速，各種處理算法層出不窮，為大容量的語(yǔ)音應(yīng)用提供了愈加靈活的技術(shù)手段。然而，語(yǔ)音數(shù)據(jù)的壓縮比越高，數(shù)據(jù)回放算法所要求的計(jì)算能力也越強(qiáng)。目前，大多數(shù)高壓縮比的語(yǔ)音壓縮數(shù)據(jù)生成必須采用專(zhuān)用的語(yǔ)音開(kāi)發(fā)工具和開(kāi)發(fā)版權(quán)，這給國(guó)內(nèi)的小規(guī)模用戶(hù)造成了一定的困難。在８ｋ的采樣速率下，同樣是使用４兆位的ｆｌａｓｈ芯片來(lái)存儲(chǔ)數(shù)據(jù)，不同的語(yǔ)音算法所能提供的回放時(shí)間有很大差異。例如，采用ａｄｐｃｍ（自適應(yīng)增量脈沖編碼）算法只可提供１２８秒的回放時(shí)間，而采用ｔｉ的ｌｐｃ（線(xiàn)性預(yù)測(cè)編碼）算法卻可得到５０分鐘的回放時(shí)間。在某一工程項(xiàng)目中，我們需要開(kāi)發(fā)一種回放時(shí)間長(zhǎng)達(dá)２００分鐘的低成本手持語(yǔ)音設(shè)備，由于使用了ｄｓｐ內(nèi)核芯片，在較短的時(shí)間內(nèi)完成了開(kāi)發(fā)工作，達(dá)到了預(yù)先提出的性能指標(biāo)。

1 語(yǔ)音算法與芯片特點(diǎn)

在本項(xiàng)目中，我們選擇了ｄｓｐ集團(tuán)的語(yǔ)音壓縮最新算法ｔｒｉｐｌｅ ｒａｔｅ ｃｏｄｅｒ，其壓縮比達(dá)到了４６:１，且音質(zhì)良好，ｍｏｓ指標(biāo)達(dá)到了３．９８。

該算法的基本思想是：首先將語(yǔ)音分為若干小段，由于語(yǔ)音信號(hào)的譜變化是一個(gè)緩變量，因此在每一小段內(nèi)信號(hào)是平穩(wěn)變化的。然后用一個(gè)數(shù)字濾波器和一個(gè)激勵(lì)函數(shù)來(lái)表示這一段時(shí)域波形的離散采樣序列。在實(shí)際算法中是采用了一個(gè)十階的線(xiàn)性預(yù)測(cè)濾波器，計(jì)算時(shí)還將每一幀分為４個(gè)子幀，每一子幀的濾波器系數(shù)矢量由上一幀和本幀數(shù)據(jù)計(jì)算得到，而最后一子幀的濾波器系數(shù)矢量則由矢量分解預(yù)測(cè)法得到；激勵(lì)函數(shù)采用的是偽隨機(jī)多脈沖激勵(lì)函數(shù)，由最大似然算法得到。對(duì)每一幀計(jì)算得到濾波器系數(shù)矢量和函數(shù)生成元后，將這些系數(shù)再壓縮打包就得到了最后的語(yǔ)音壓縮數(shù)據(jù)。當(dāng)對(duì)語(yǔ)音壓縮數(shù)據(jù)進(jìn)行解壓時(shí)，首先將打包的數(shù)據(jù)展開(kāi)，然后建立起線(xiàn)性預(yù)測(cè)濾波器，將重新生成的偽隨機(jī)多脈沖激勵(lì)函數(shù)輸入濾波器，這樣在濾波器的輸出端就可得到被恢復(fù)的語(yǔ)音信號(hào)序列了。

該算法的實(shí)時(shí)運(yùn)算需要２２ｍｉｐｓ以上的運(yùn)算速度，為此ｄｓｐ集團(tuán)將ｄｓｐ內(nèi)核和算法代碼集成在ｄ６５７１系列芯片內(nèi)，以滿(mǎn)足除ｐｃ用戶(hù)以外的更廣泛應(yīng)用。ｄ６５７１原理框圖如圖１所示，其本身可直接外掛并管理４兆位的ｆｌａｓｈ，８ｋ采樣速率時(shí)在２．８ｋｂ的數(shù)據(jù)率下可提供２５分鐘的回放時(shí)間。該芯片具備工業(yè)標(biāo)準(zhǔn)的編解碼器接口，可直接與串行ｐｃｍ接口的音頻編解碼芯片相連，如美國(guó)國(guó)家半導(dǎo)體的ｔｐ３０５４或韓國(guó)三星半導(dǎo)體的ｋｓ８６２０。ｄ６５７１可外接兩片音頻編解碼芯片，上電后可用設(shè)置命令對(duì)外接音頻編解碼芯片的工作模式進(jìn)行設(shè)置。例如：設(shè)置外接芯片的時(shí)鐘是外同步還是自同步；設(shè)置外接芯片處于輸出方式還是輸入方式等。

根據(jù)實(shí)際開(kāi)發(fā)經(jīng)驗(yàn)，我們認(rèn)為ｄ６５７１芯片與其它公司所提供的某些ｄｓｐ內(nèi)核芯片相比，其最大的優(yōu)點(diǎn)是幾乎不需要任何開(kāi)發(fā)工具或軟件就可使用。因?yàn)樵撔酒臄?shù)據(jù)是雙向的，既可由上位機(jī)將壓縮后的語(yǔ)音數(shù)據(jù)通過(guò)它解壓轉(zhuǎn)變成語(yǔ)音，也可輸入語(yǔ)音通過(guò)它進(jìn)行實(shí)時(shí)壓縮后傳送給上位機(jī)。這就大大方便了長(zhǎng)回放時(shí)間語(yǔ)音開(kāi)發(fā)用戶(hù)的使用。更何況目前許多語(yǔ)音壓縮芯片對(duì)語(yǔ)音數(shù)據(jù)的管理是不公開(kāi)的，例如：某些數(shù)字錄音電話(huà)的語(yǔ)音壓縮芯片。

2 系統(tǒng)構(gòu)成

與語(yǔ)音處理有關(guān)的系統(tǒng)構(gòu)成如圖２所示。

語(yǔ)音數(shù)據(jù)存放在一片３２兆位的ｆｌａｓｈ中，采用三星的ｋ２９ｗ３２００，這是一種８位并行接口的閃存，并行接口有利于提高代碼效率和滿(mǎn)足實(shí)時(shí)性要求。

在語(yǔ)音數(shù)據(jù)的壓縮和回放過(guò)程中，ｄ６５７１和ｆｌａｓｈ之間的數(shù)據(jù)吞吐均通過(guò)上位機(jī)進(jìn)行。上位機(jī)采用８９ｃ５２。系統(tǒng)還有６４×６４的點(diǎn)陣液晶模塊ａｃｍ６４６４等外圍設(shè)備。所有的設(shè)備均使用一條公共的８位數(shù)據(jù)總線(xiàn)，即ｃｐｕ的ｐ０口；ｐ２口的六根口線(xiàn)用于鍵盤(pán)管理；ｐ３口的兩根口線(xiàn)作為兩條串口線(xiàn)；這樣用于外設(shè)管理的口線(xiàn)還剩余１６根可用。系統(tǒng)實(shí)際使用了其中的１４根線(xiàn)：與ｆｌａｓｈ管理有關(guān)的使用６根，與ｄ６５７１有關(guān)的使用４根，還有４根用于液晶顯示管理。

音頻編解碼接口芯片采用一片ｔｐ３０５４，ｔｐ３０５４工作所需的同步脈沖、采樣時(shí)鐘、數(shù)據(jù)信號(hào)等只需要與ｄ６５７１的四根控制線(xiàn)相連即可得到。

3 系統(tǒng)開(kāi)發(fā)

本系統(tǒng)的語(yǔ)音開(kāi)發(fā)分為上載、數(shù)據(jù)合成及下載三個(gè)過(guò)程。上載是指獲得語(yǔ)音壓縮數(shù)據(jù)；數(shù)據(jù)合成是指將全系統(tǒng)的數(shù)據(jù)按一定的結(jié)構(gòu)組織成一個(gè)文件；下載是指儀器裝配出廠(chǎng)時(shí)將文件燒錄到ｆｌａｓｈ中。這三個(gè)過(guò)程均通過(guò)ｐｃ機(jī)進(jìn)行。由于系統(tǒng)板上ｍｃｕ的串行信號(hào)直接輸出的是ｔｔｌ電平，因此，本系統(tǒng)的語(yǔ)音開(kāi)發(fā)唯一需要另外制作的硬件就是使用一片ｍａｘ２３２來(lái)完成與ｐｃ機(jī)之間的電平轉(zhuǎn)換。

ｄ６５７１具有１６位寬度的總線(xiàn)，但也允許以分時(shí)方式使用８位總線(xiàn)，這時(shí)上位機(jī)須用ｈｌ信號(hào)表示送上總線(xiàn)的是高８位還是低８位；而當(dāng)ｄ６５７１主動(dòng)將數(shù)據(jù)送上總線(xiàn)時(shí)，會(huì)發(fā)出ａｃｋ信號(hào)通知上位機(jī)讀取數(shù)據(jù)。ｈｒｄ和ｈｗｒ則是讀和寫(xiě)的控制線(xiàn)。由于ｔｒｉｐｌｅ ｒａｔｅ ｃｏｄｅｒ算法是按３０毫秒分幀采樣，然后再進(jìn)行分析壓縮的，因此無(wú)論是讀取壓縮數(shù)據(jù)還是回送壓縮數(shù)據(jù)，均必須在一幀之內(nèi)完成，否則ｄ６５７１會(huì)自行進(jìn)入休眠狀態(tài)。向ｄ６５７１輸送語(yǔ)音數(shù)據(jù)的過(guò)程如下：首先送出解壓控制命令，然后接收一個(gè)回送狀態(tài)字，狀態(tài)字中包含了當(dāng)前幀所需要的字節(jié)數(shù)，上位機(jī)就連續(xù)送出規(guī)定數(shù)目的數(shù)據(jù)，待一幀處理完畢后，ｄ６５７１會(huì)繼續(xù)送出狀態(tài)字。如此循環(huán)就可連續(xù)回放出語(yǔ)音了。而利用ｄ６５７１進(jìn)行語(yǔ)音壓縮的數(shù)據(jù)處理過(guò)程正好相反，狀態(tài)字中包含的是當(dāng)前幀壓縮所得到的字節(jié)數(shù)，上位機(jī)就應(yīng)連續(xù)接收規(guī)定數(shù)目的數(shù)據(jù)。

上載時(shí)，首先要得到的是各個(gè)語(yǔ)音段的壓縮數(shù)據(jù)。作為準(zhǔn)備工作，先用ｐｃ機(jī)的錄音機(jī)工具將我們所需的語(yǔ)音錄制成ｗａｖ文件。然后對(duì)ｍｃｕ和ｐｃ機(jī)分別編寫(xiě)共同配合工作的兩段程序來(lái)完成以下功能：ｐｃ機(jī)通過(guò)聲卡播放聲音給ｄ６５７１；８９ｃ５２控制ｄ６５７１進(jìn)行語(yǔ)音壓縮并讀回壓縮數(shù)據(jù)，然后通過(guò)串口線(xiàn)回送給ｐｃ機(jī)，ｐｃ機(jī)則將每段的壓縮數(shù)據(jù)存盤(pán)。

由于每段語(yǔ)音播放時(shí)均要有一定的中文點(diǎn)陣字符顯示，數(shù)據(jù)合成的任務(wù)就是要將每段數(shù)據(jù)加上索引和字符點(diǎn)陣數(shù)據(jù)后再合成為一個(gè)完整的近３２兆位的二進(jìn)制文件。文件形成時(shí)為了使數(shù)據(jù)定位和讀出編程方便，數(shù)據(jù)塊以ｆｌａｓｈ的頁(yè)為單位，一頁(yè)為５２８字節(jié)。

下載工作則較簡(jiǎn)單，在設(shè)備出廠(chǎng)前直接使用系統(tǒng)８９ｃ５２的串口將數(shù)據(jù)合成形成的文件下載到閃存中即可。

ｄ６５７１的壓縮率極高，使用和開(kāi)發(fā)也比較方便。因此盡管本系統(tǒng)的語(yǔ)音容量長(zhǎng)達(dá)２００分鐘，但系統(tǒng)整體設(shè)計(jì)十分簡(jiǎn)潔、經(jīng)濟(jì)，幾乎不需調(diào)試。主要開(kāi)發(fā)工作是ｍｃｕ和ｐｃ機(jī)的一些程序開(kāi)發(fā)使用ｃ５１和ｖｂ編程，開(kāi)發(fā)速度也比較快。

由于ｄ６５７１的控制命令很豐富，系統(tǒng)用戶(hù)界面的軟件是很容易編寫(xiě)的。例如，由于該芯片具有３０階的音量控制命令，我們未添任何硬件就為設(shè)備增加了數(shù)字音量控制功能。ｄ６５７１的控制命令還包含自動(dòng)增益控制、變速回放、數(shù)字濾波器等更加高級(jí)的命令，因此，它幾乎可應(yīng)用于任何語(yǔ)音場(chǎng)合。