采用DSP內核技術進行語音壓縮開發(fā)

隨著儀器儀表人機界面越來越趨于人性化，語音識別的需求不斷增長，語音處理技術發(fā)展迅速，各種處理算法層出不窮，為大容量的語音應用提供了愈加靈活的技術手段。然而，語音數(shù)據(jù)的壓縮比越高，數(shù)據(jù)回放算法所要求的計算能力也越強。目前，大多數(shù)高壓縮比的語音壓縮數(shù)據(jù)生成必須采用專用的語音開發(fā)工具和開發(fā)版權，這給國內的小規(guī)模用戶造成了一定的困難。在８ｋ的采樣速率下，同樣是使用４兆位的ｆｌａｓｈ芯片來存儲數(shù)據(jù)，不同的語音算法所能提供的回放時間有很大差異。例如，采用ａｄｐｃｍ（自適應增量脈沖編碼）算法只可提供１２８秒的回放時間，而采用ｔｉ的ｌｐｃ（線性預測編碼）算法卻可得到５０分鐘的回放時間。在某一工程項目中，我們需要開發(fā)一種回放時間長達２００分鐘的低成本手持語音設備，由于使用了ｄｓｐ內核芯片，在較短的時間內完成了開發(fā)工作，達到了預先提出的性能指標。

1 語音算法與芯片特點

在本項目中，我們選擇了ｄｓｐ集團的語音壓縮最新算法ｔｒｉｐｌｅ ｒａｔｅ ｃｏｄｅｒ，其壓縮比達到了４６:１，且音質良好，ｍｏｓ指標達到了３．９８。

該算法的基本思想是：首先將語音分為若干小段，由于語音信號的譜變化是一個緩變量，因此在每一小段內信號是平穩(wěn)變化的。然后用一個數(shù)字濾波器和一個激勵函數(shù)來表示這一段時域波形的離散采樣序列。在實際算法中是采用了一個十階的線性預測濾波器，計算時還將每一幀分為４個子幀，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測法得到；激勵函數(shù)采用的是偽隨機多脈沖激勵函數(shù)，由最大似然算法得到。對每一幀計算得到濾波器系數(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音壓縮數(shù)據(jù)。當對語音壓縮數(shù)據(jù)進行解壓時，首先將打包的數(shù)據(jù)展開，然后建立起線性預測濾波器，將重新生成的偽隨機多脈沖激勵函數(shù)輸入濾波器，這樣在濾波器的輸出端就可得到被恢復的語音信號序列了。

該算法的實時運算需要２２ｍｉｐｓ以上的運算速度，為此ｄｓｐ集團將ｄｓｐ內核和算法代碼集成在ｄ６５７１系列芯片內，以滿足除ｐｃ用戶以外的更廣泛應用。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采樣速率時在２．８ｋｂ的數(shù)據(jù)率下可提供２５分鐘的回放時間。該芯片具備工業(yè)標準的編解碼器接口，可直接與串行ｐｃｍ接口的音頻編解碼芯片相連，如美國國家半導體的ｔｐ３０５４或韓國三星半導體的ｋｓ８６２０。ｄ６５７１可外接兩片音頻編解碼芯片，上電后可用設置命令對外接音頻編解碼芯片的工作模式進行設置。例如：設置外接芯片的時鐘是外同步還是自同步；設置外接芯片處于輸出方式還是輸入方式等。

根據(jù)實際開發(fā)經(jīng)驗，我們認為ｄ６５７１芯片與其它公司所提供的某些ｄｓｐ內核芯片相比，其最大的優(yōu)點是幾乎不需要任何開發(fā)工具或軟件就可使用。因為該芯片的數(shù)據(jù)是雙向的，既可由上位機將壓縮后的語音數(shù)據(jù)通過它解壓轉變成語音，也可輸入語音通過它進行實時壓縮后傳送給上位機。這就大大方便了長回放時間語音開發(fā)用戶的使用。更何況目前許多語音壓縮芯片對語音數(shù)據(jù)的管理是不公開的，例如：某些數(shù)字錄音電話的語音壓縮芯片。

2 系統(tǒng)構成

與語音處理有關的系統(tǒng)構成如圖２所示。

語音數(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足實時性要求。

在語音數(shù)據(jù)的壓縮和回放過程中，ｄ６５７１和ｆｌａｓｈ之間的數(shù)據(jù)吞吐均通過上位機進行。上位機采用８９ｃ５２。系統(tǒng)還有６４×６４的點陣液晶模塊ａｃｍ６４６４等外圍設備。所有的設備均使用一條公共的８位數(shù)據(jù)總線，即ｃｐｕ的ｐ０口；ｐ２口的六根口線用于鍵盤管理；ｐ３口的兩根口線作為兩條串口線；這樣用于外設管理的口線還剩余１６根可用。系統(tǒng)實際使用了其中的１４根線：與ｆｌａｓｈ管理有關的使用６根，與ｄ６５７１有關的使用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、采樣時鐘、數(shù)據(jù)信號等只需要與ｄ６５７１的四根控制線相連即可得到。

3 系統(tǒng)開發(fā)

本系統(tǒng)的語音開發(fā)分為上載、數(shù)據(jù)合成及下載三個過程。上載是指獲得語音壓縮數(shù)據(jù)；數(shù)據(jù)合成是指將全系統(tǒng)的數(shù)據(jù)按一定的結構組織成一個文件；下載是指儀器裝配出廠時將文件燒錄到ｆｌａｓｈ中。這三個過程均通過ｐｃ機進行。由于系統(tǒng)板上ｍｃｕ的串行信號直接輸出的是ｔｔｌ電平，因此，本系統(tǒng)的語音開發(fā)唯一需要另外制作的硬件就是使用一片ｍａｘ２３２來完成與ｐｃ機之間的電平轉換。

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

上載時，首先要得到的是各個語音段的壓縮數(shù)據(jù)。作為準備工作，先用ｐｃ機的錄音機工具將我們所需的語音錄制成ｗａｖ文件。然后對ｍｃｕ和ｐｃ機分別編寫共同配合工作的兩段程序來完成以下功能：ｐｃ機通過聲卡播放聲音給ｄ６５７１；８９ｃ５２控制ｄ６５７１進行語音壓縮并讀回壓縮數(shù)據(jù)，然后通過串口線回送給ｐｃ機，ｐｃ機則將每段的壓縮數(shù)據(jù)存盤。

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

下載工作則較簡單，在設備出廠前直接使用系統(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，使用和開發(fā)也比較方便。因此盡管本系統(tǒng)的語音容量長達２００分鐘，但系統(tǒng)整體設計十分簡潔、經(jīng)濟，幾乎不需調試。主要開發(fā)工作是ｍｃｕ和ｐｃ機的一些程序開發(fā)使用ｃ５１和ｖｂ編程，開發(fā)速度也比較快。

由于ｄ６５７１的控制命令很豐富，系統(tǒng)用戶界面的軟件是很容易編寫的。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備增加了數(shù)字音量控制功能。ｄ６５７１的控制命令還包含自動增益控制、變速回放、數(shù)字濾波器等更加高級的命令，因此，它幾乎可應用于任何語音場合。