基于TMS320VC5509A的語(yǔ)音識別與控制系統

2 硬件結構部分
本系統的硬件結構框圖如圖2所示。

此系統的核心器件是TI公司的TMS320VC5509A定點(diǎn)DSP芯片。它是系統的運算處理單元，具有2個(gè)乘法器(MAC)，4個(gè)累加器(ACC)；40位、16位的算術(shù)邏輯單元(ALU)各一個(gè)，這大大增強了DSP的運算能力；指令字長(cháng)不只單一的16位，可擴展到最高48位，數據字長(cháng)16位；在144MHz下工作，指令周期可達6.94ns。TMS320VC5509A還提供高速的多通道緩沖串口McBSP(Multi-channel Buffererd Serial Ports），DSP可通過(guò)McBSP與其他DSP、編解碼器等器件相連。McBSP具有全雙工通信，雙緩沖數據寄存器，允許傳送連續的數據流，能夠向CPU發(fā)送中斷，向DMA控制器發(fā)送DMA事件，可設置幀同步脈沖和時(shí)鐘信號的極性等功能，這大大方便了DSP采集音頻信號^[3]。除此之外，TMS320VC5509A還提供了更為高效的外部存儲器接口（EMIF），以往DSP的空間選通信號被片選信號取代，而每個(gè)片選信號分別占用不同的地址空間，這樣就不需要外部的譯碼電路，從而實(shí)現了與外部設備的無(wú)縫連接，可使DSP外部存儲空間擴大到滿(mǎn)足系統要求。值得強調的是，可通過(guò)USB接口對TMS320VC5509A燒寫(xiě)程序而不必借助仿真器。正是基于這些優(yōu)點(diǎn)，選擇該芯片可節省開(kāi)發(fā)資金，減小電路板面積。
TLV320AIC23是TI公司的一款低成本、低功耗的音頻編解碼芯片(CODEC)，在本系統中負責采集語(yǔ)音信號。它與本系統相關(guān)的性能參數如下：(1)支持8kHz～96kHz可調采樣率；(2)與DSP連接，主從類(lèi)型可通過(guò)軟件編寫(xiě)來(lái)實(shí)現；(3)DSP可通過(guò)I2C總線(xiàn)來(lái)配置TLV320AIC23的寄存器；(4)采集語(yǔ)音信號字長(cháng)16/20/24/32Bit；(5)MIC音頻輸入具有強抗噪性；(6)具有可調1～5dB的完整緩存放大系統^[4]。
EPM3128ATC100-10可編程邏輯器件(CPLD)在本系統中擔當兩方面的職能：(1)作為控制部件，接收DSP發(fā)出的信號，經(jīng)邏輯判斷后，驅動(dòng)諸如電機、發(fā)光二極管等器件；(2)用于DSP地址線(xiàn)的擴展。TMS320VC5509A只有14根地址線(xiàn)，但它的外部存儲空間可以擴展到16MB(字節尋址)，顯然，DSP的固有地址線(xiàn)是無(wú)法滿(mǎn)足要求的。本系統采用CPLD完成地址線(xiàn)的擴展^[5][6]。
HY57V641620同步動(dòng)態(tài)存儲器(SDRAM)，容量為4M16Bit。作為RAM的擴展，大大增強了DSP的存儲與運算能力^[7]。
SST39VF1601閃存存儲器(Flash)，容量為1M16Bit。在這個(gè)系統中[8]，它主要用來(lái)存儲程序代碼。上電后，DSP從外部Flash加載并執行程序代碼，使系統能夠脫機運行。
3 軟件模塊部分
軟件流程如圖3所示。系統采集語(yǔ)音信號后，首先要進(jìn)行預濾波和預加重；接著(zhù)將語(yǔ)音信號進(jìn)行分幀，由于語(yǔ)音信號具有極強的相關(guān)性，因此在分幀時(shí)，要考慮幀重復。本文將語(yǔ)音信號以256個(gè)采樣點(diǎn)為一幀，兩幀之間的重復點(diǎn)數為80；然后計算每幀信號的短時(shí)能量與短時(shí)平均過(guò)零率，這也是接下來(lái)進(jìn)行端點(diǎn)檢測的依據；利用門(mén)限判決進(jìn)行端點(diǎn)檢測后，提取每幀信號的LPC系數，作為該幀信號的特征值；最后，用語(yǔ)音信號的特征值與模板逐個(gè)進(jìn)行匹配。相似度最大的模板所對應的語(yǔ)音信號為識別結果，根據識別結果就可以向外發(fā)出控制信號。

3.1 端點(diǎn)檢測
端點(diǎn)檢測就是要從采集的信號中檢測出說(shuō)話(huà)人的命令字。此系統中，對語(yǔ)音信號進(jìn)行了分幀操作，一種簡(jiǎn)便的方法就是獲取說(shuō)話(huà)人命令字的起始幀數，具體操作是通過(guò)求一幀信號的短時(shí)能量和短時(shí)平均過(guò)零率來(lái)判斷的。語(yǔ)音信號的短時(shí)能量分析給出了反應其幅度變化的一個(gè)合適描述方法。一幀語(yǔ)音信號的短時(shí)能量定義為：

短時(shí)過(guò)零率，即指每幀內信號通過(guò)零值的次數，能夠在一定程度上反映信號的頻譜特性。一幀語(yǔ)音信號內短時(shí)平均過(guò)零率定義為：

在正式端點(diǎn)檢測開(kāi)始后，短時(shí)能量與短時(shí)平均過(guò)零率一起做為門(mén)限來(lái)判決說(shuō)話(huà)人命令字的開(kāi)始與結束：連續5幀語(yǔ)音信號超過(guò)門(mén)限值視為說(shuō)話(huà)人命令字的開(kāi)始，連續8幀語(yǔ)音信號低于門(mén)限值視為說(shuō)話(huà)人命令字的結束。
3.2 特征值提取
此系統以語(yǔ)音信號的線(xiàn)性預測系數（LPC）作為特征值。采用自相關(guān)法獲取LPC系數，先計算每幀語(yǔ)音信號的13階自相關(guān)函數，定義為：

得到自相關(guān)函數后，采用萊文遜―杜賓遞推算法計算線(xiàn)性預測系數，得到說(shuō)話(huà)人一個(gè)命令字的LPC系數矩陣，大小為：命令字幀數12。
3.3 模板匹配（DTW算法）
模板匹配就是把上述計算得到的LPC系數矩陣中的元素與事先存在DSP中的模板元素進(jìn)行差值計算。在此系統中，采用動(dòng)態(tài)時(shí)間彎折（DTW）算法：假設參考模板的LPC系數向量序列為X=(x₁，x₂，…，x_I)，輸入語(yǔ)音的LPC系數向量序列為Y=(y₁，y₂，…，y_J)，I≠J。DTW算法就是要尋找一個(gè)最佳的時(shí)間規正函數，使待測語(yǔ)音的時(shí)間軸j非線(xiàn)性地映射到參考模板的時(shí)間軸i上，使總的累計差值最小^[1]。算法過(guò)程如圖4所示。

圖4中曲線(xiàn)連接起來(lái)的點(diǎn)就是模板與待測語(yǔ)音信號間的距離d(x_i(n)，y_j(n))，亦稱(chēng)為局部匹配距離。DTW算法就是通過(guò)局部?jì)?yōu)化的方法實(shí)現加權距離總和最小，也就是相似度最大，定義為：

3.4 小數的定點(diǎn)運算
在進(jìn)行語(yǔ)音信號處理時(shí)，通常要先對其進(jìn)行歸一化，使得語(yǔ)音信號|x(n)|≤1，為后面計算自相關(guān)函數及求LPC系數提供方便。這樣就面臨一個(gè)實(shí)際問(wèn)題：對定點(diǎn)DSP而言，參與數值運算的數是16位二進(jìn)制整型數，而DSP芯片如何處理小數運算呢？方法是確定一個(gè)數的小數點(diǎn)處于16位中的某一位，這也就是數值的定標問(wèn)題，舉例如下：
Q0 定標(19AB)₁₆=(31147)10
Q15定標(19AB)₁₆=(0.95)10
由此可見(jiàn)，對于定點(diǎn)DSP芯片內部而言，一個(gè)16位整型數到底表示多少，它本身是不能夠分辨的，必須通過(guò)定標來(lái)確定。進(jìn)行歸一化處理就是把數以Q15形式定標，為以后的運算做好準備^[2]。做小數的定點(diǎn)運算時(shí)，還要進(jìn)行預運算和移位。預運算就是事先估計運算結果，為下一步移位做準備。其實(shí)現可采用如Matlab等的輔助軟件。由于此系統的識別過(guò)程涉及較多的乘加運算，如幾個(gè)Q15定標的數進(jìn)行加法運算，結果可能出現溢出現象，如果不能進(jìn)行很好的預運算，將對后面的運算產(chǎn)生很大影響；移位是小數做定點(diǎn)運算的具體操作。做加、減、乘、除法時(shí)，要嚴格按照相應的操作方法，每做一個(gè)四則運算都要參照實(shí)際情況，遵循先移位、再做運算、最后再移位的步驟，以在精度損失最少的情況下保證運算結果的可靠性。
3.5 定點(diǎn)DSP做浮點(diǎn)運算
定點(diǎn)運算是以DSP的實(shí)際存儲形式（16位二進(jìn)制整型）為數值格式進(jìn)行加、減、乘、除等四則運算，允許數值的表示范圍是：(-32768)₁₀～(32767)₁₀。定點(diǎn)DSP的浮點(diǎn)運算是人為地開(kāi)辟兩個(gè)16位存儲單元來(lái)表示一個(gè)數值，其中一個(gè)用來(lái)存儲尾數，另一個(gè)用來(lái)存儲指數，按照自然科學(xué)計數法進(jìn)行四則運算。顯而易見(jiàn)，這樣的存儲計算方法，其精度和動(dòng)態(tài)表示范圍都遠遠高于定點(diǎn)運算。
為降低成本，本系統選擇了一款定點(diǎn)DSP。由于端點(diǎn)檢測、模板匹配對精度要求不高，所以采用定點(diǎn)算法進(jìn)行小數運算；計算自相關(guān)系數、提取LPC系數時(shí)，要求精度高，因此采用浮點(diǎn)算法進(jìn)行小數運算。這也意味著(zhù)，在端點(diǎn)檢測完成之后，要先將定點(diǎn)運算轉換為浮點(diǎn)運算；提取LPC系數之后，再將浮點(diǎn)運算轉換為定點(diǎn)運算進(jìn)行匹配。以犧牲少量運算時(shí)間為代價(jià)，適當提高運算精度和識別率。實(shí)驗證明，這是可行的。
4 測試方法及結果
下面用兩種實(shí)驗方法來(lái)測試此系統的性能。
實(shí)驗1：用CPLD的輸出信號來(lái)驅動(dòng)兩個(gè)步進(jìn)電機R和L，某特定人的四個(gè)命令信號“走”，“左”，“右”，“?！笨刂七@兩個(gè)電機的運轉。對應的實(shí)驗現象：走―L、R同時(shí)轉；左―L轉，R停；右―L停，R轉；停―R、L都不轉。
實(shí)驗2：用CPLD的輸出信號驅動(dòng)四個(gè)發(fā)光二極管A、B、C、D，某特定人的四個(gè)命令信號“1”，“2”，“3”，“4”來(lái)控制相應發(fā)光二極管的亮滅。對應的實(shí)驗現象：1―A亮，其余滅；2―B亮，其余滅；3―C亮，其余滅；4―D亮，其余滅。
以上兩個(gè)實(shí)驗，除了測試識別率外，還要比較在計算自相關(guān)函數和提取LPC系數時(shí)，分別采用定點(diǎn)算法、浮點(diǎn)算法所消耗機器周期的個(gè)數，本系統DSP的機器周期為83.28ns。由于每次采集的命令字幀長(cháng)不確定，以進(jìn)行十次實(shí)驗消耗的機器周期的平均值來(lái)統計，測試結果如表1所示。

由表1可見(jiàn)，在相同的測試條件下，當采用浮點(diǎn)運算計算自相關(guān)函數和提取LPC系數時(shí)，盡管識別率高于定點(diǎn)運算，但是系統消耗了更多的運算時(shí)間。
本文設計的語(yǔ)音識別與控制系統，具有體積小、成本低、便于攜帶等優(yōu)點(diǎn)。在實(shí)現系統功能的同時(shí)又使板級調試與系統升級變得極為方便，因此可以作為一個(gè)處理語(yǔ)音信號的通用硬件平臺，亦可完成語(yǔ)音編碼、聲回波對消等算法的實(shí)現。系統在DSP提供的地址線(xiàn)少于Flash地址線(xiàn)的情況下，由CPLD擴展了DSP的地址線(xiàn)。在不借助硬件仿真器的情況下，實(shí)現了對Flash的在線(xiàn)燒寫(xiě)，并采用二次引導的方法，完成了程序的并行加載，使系統能夠脫機運行。由CPLD發(fā)出相應的識別控制信號，能夠驅動(dòng)電動(dòng)機及指示燈等。測試結果表明，該系統處理速度快，運行穩定可靠，達到設計要求。
參考文獻
[1] 韓紀慶，張磊，鄭鐵然.語(yǔ)音信號處理[M].北京：清華大學(xué)出版社，2004.
[2] 張雄偉，陳亮，徐光輝.DSP芯片的原理與開(kāi)發(fā)應用[M].北京：電子工業(yè)出版社，2004.
[3] Texas Instruments.TMS320VC5509A Fixed-Point DigitalSignal Processor[EB/OL].Texas Instruments Inc，2006，3.www.ti.com.
[4] Texas Instruments.TLV320AIC23 Data Manual[EB/OL]. Texas Instruments Inc，2002，1.www.ti.com.
[5] Texas Instruments.TMS320VC5509 Evaluation Module Technical Reference[EB/OL].Texas Instruments Inc，2002，1.www.ti.com.
[6] Altera.MAX 3000A Programmable Logic Device FamilyDate Sheets[EB/OL].Altera Corporation，2003，6.lit_req@altera.com.
[7] Hynix.HY57V641620HG Data Sheets[EB/OL].Hynix Semiconductor，2002，1.www.21ic.com.
[8] Silicon Storage Technology.SST39VF1601 Data Sheets[EB/OL].Silicon Storage Technology，Inc，2003，11.www.sst.com.