基于TMS320C6416的語(yǔ)音凈化系統

目前針對語(yǔ)音識別提出了很多算法,但是這些研究基本上都是基于較為純凈的語(yǔ)音環(huán)境,一旦待識別的環(huán)境中有噪聲和干擾,語(yǔ)音識別就會(huì )受到嚴重影響.如果能實(shí)現噪聲和語(yǔ)音的自動(dòng)分離,即在識別前就獲得較為純凈的語(yǔ)音,可以徹底解決噪聲環(huán)境下的識別問(wèn)題.近年來(lái)取得很大進(jìn)展的盲源分離為噪聲和語(yǔ)音的分離提供了可能.盲源分離(Blind Source Separation)的算法眾多且運算復雜,經(jīng)比較,其中T.Nishikawa等人提出的分階段ICA方法(MSICA)適合有混響的噪聲環(huán)境中的語(yǔ)音分離問(wèn)題.經(jīng)過(guò)計算機仿真,MSICA算法分離一段7s的語(yǔ)音要用時(shí)10ms以上,計算機和低速的DSPs很難滿(mǎn)足實(shí)時(shí)要求.

針對這一算法,設計了一套以TI的TMS320C6416 DSP(簡(jiǎn)稱(chēng)6416)芯片為內核的語(yǔ)音凈化系統.6416的時(shí)鐘速度高達720MHz,經(jīng)過(guò)使用MSICA算法的測試,該系統可以實(shí)時(shí)地對語(yǔ)音識別的信號進(jìn)行凈化處理,有效地提高語(yǔ)音識別系統的抗噪性和魯棒性.

　　1 算法描述

　　1.1 語(yǔ)音識別信號的混合模型

　　1.1.1 卷積混合一般模型

　　語(yǔ)音信號的混合模型已從瞬時(shí)模型發(fā)展到卷積模型,相比瞬時(shí)模型而言卷積模型更接近真實(shí)環(huán)境.麥克風(fēng)所測是卷積混迭信號,即源信號及其濾波與延遲的混迭信號的線(xiàn)性組合再加上其它噪聲,如(1)式所示.

　　式(1)中,sj(t),j=1,…,N為信號源,且各源信號相互獨立;xi(t),i=1,…,N為N個(gè)觀(guān)測數據向量,其元素是各個(gè)麥克鳳得到的輸入.所以觀(guān)測信號xi(t)是每個(gè)源信號sj(t)經(jīng)過(guò)延時(shí)tij,并乘以因子aij(t)(沖擊響應)后疊加,最后加上噪聲ni(t).

　　1.1.2 針對語(yǔ)音識別的簡(jiǎn)化混合模型

　　一般的語(yǔ)音識別只有一個(gè)麥克風(fēng),根據盲源分離理論,麥克鳳數應不少于信源數,所以采用主副兩個(gè)麥克風(fēng)輸入待識別語(yǔ)音,為簡(jiǎn)化處理假定只有主講話(huà)者聲音s1和背景噪聲s2(此背景噪聲包括經(jīng)過(guò)延遲的回聲)兩個(gè)聲源.可得如圖1的混合模型.

　　信號源s1到達兩個(gè)麥克風(fēng)的時(shí)間間隔為t21,且幅度值不同;s2到達兩個(gè)麥克風(fēng)的時(shí)間間隔為t12,幅度值也不同.又因為主信號源s1非?？拷鼉蓚€(gè)麥克風(fēng),所以認為T(mén)21比T12小很多,且趨于零.于是得到相應的模型表達式的簡(jiǎn)化形式:

　　x1(t)=s1(t)+a12s2(t-t12)+n1(t)　　 (2)

　　x2(t)=a21s1(t-t21)+s2(t)+n2(t)

　　1.2 MSICA算法及其實(shí)現步驟

　　傳統采用頻域ICA(FDICA)或者時(shí)域ICA(TDICA)方法,單一的方法在真實(shí)環(huán)境中缺點(diǎn)很明顯,分離效果在混響環(huán)境中受到很大影響.然而一種時(shí)頻域結合多級分離的混合型ICA算法——MSICA算法可以有效解決這一問(wèn)題.

　　該算法主要由三個(gè)步驟組成:首先,利用FDICA的高穩態(tài)性的優(yōu)點(diǎn)在一定程度上分離源信號;為了簡(jiǎn)化后續計算,白化FDICA分離出來(lái)的信號;接著(zhù),把白化后的FDICA輸出信號當作TDICA的輸入信號,并用TDICA分離線(xiàn)留的交叉干擾分量;最后,TDICA的輸出信號即為分離信號.算法框圖如圖2所示.

　　2 DSP硬件系統設計

　　2.1 硬件結構

　　為實(shí)現上述算法設計了DSP語(yǔ)音分離系統,該系統主要參數如下:

　　·TMS320C6416 DSP;

　　·16M words FLASH ROM;

　　·兩個(gè)EMIF:64-Bit EMIFA和16-Bit EMIFB;

　　·133MHz的16MB SDRAM;

　　·兩個(gè)16-bit立體聲CODEC:TLV320AD50.

　　TMS320C6416有很高的信號處理能力以及豐富的片內存儲咕嘟和片內外設,且有兩級內部存儲結構.第一級L1緩存包含各為16KB的程序和數據存儲器,第二級L2包含1024KB的存儲空間.第一級只能作為緩存而第二級可以被設置為部分靜態(tài)RAM和部分緩存.在語(yǔ)音凈化系統中,設置L2為4通道256KB緩存和768KB靜態(tài)RAM.這種配置使用了最大允許的緩存,是因為MSICA算法將處理大量的數據,訪(fǎng)問(wèn)外部存儲器會(huì )有瓶頸,而大緩存可以將諸如中斷服務(wù)程序、常用函數的代碼、軟件堆棧等關(guān)鍵數據段和反復使用的系數存儲于片內存儲器中,從而大大提高內部存儲空間的使用效率.6416的兩個(gè)多通道緩沖串口(McBSP)用作數據的輸入輸出端口.模擬接口芯片TLV320AD50可以提供16bit的數/模、模/數轉換,最大轉換率是22.5kHz.采樣率為8kHz,兩個(gè)TLV320AD50分別通過(guò)McBSP與TMS320C6416相連.兩路混合語(yǔ)音信號通過(guò)模擬接口電路轉化為數字信號,兩路數字信號通過(guò)TMS320C6416的兩個(gè)McBSP輸入,根據語(yǔ)音特征存儲中存儲的語(yǔ)音特征進(jìn)行語(yǔ)音分離,分離出純凈的特識別語(yǔ)音,進(jìn)行語(yǔ)音識別,最后輸出識別結果.系統框圖見(jiàn)圖3.