基于ＤＳＰ的多功能數(shù)字采訪機(jī)的制作技術(shù)

隨著信息社會(huì)多媒體信息的急劇增長，很多領(lǐng)域需要用到語音處理系統(tǒng)。由于語音數(shù)字化記錄與模擬相比具有存儲(chǔ)的高可靠性、利用空間的高有效性和檢索的方便性等優(yōu)點(diǎn)而被廣泛用于多媒體信息的存儲(chǔ)，尤其是對(duì)現(xiàn)場(chǎng)聲音采集、相關(guān)特征分析與處理，使在現(xiàn)場(chǎng)采訪中使用多功能的數(shù)字采訪機(jī)成為了一種必然的趨勢(shì)。為了更好地滿足市場(chǎng)需要，筆者研制了一種新的數(shù)字采訪機(jī)。

1．系統(tǒng)功能。本系統(tǒng)能夠?qū)崿F(xiàn)數(shù)字錄音、隨機(jī)播放、聲控放音(每段錄音加語音標(biāo)識(shí)，在放音時(shí)只需口述所要語音段的語音標(biāo)識(shí)即可自動(dòng)找到每段錄音并回放)對(duì)非特定人的小詞匯識(shí)別、(決定是否開啟錄音功能，也就是無人時(shí)的應(yīng)答自動(dòng)錄音)編緝功能、增加，刪除數(shù)字錄音段。為了提高有限空間的存儲(chǔ)率，本系統(tǒng)采用DSP技術(shù)和高效語音壓縮技術(shù)，具有較高技術(shù)含量和較廣泛的應(yīng)用。

2．DSP的核心部件。為了簡化設(shè)計(jì)，提高系統(tǒng)的可行性和靈活性，DSP選用Tl公司的TMS320VC 5402處理語音和進(jìn)行系統(tǒng)控制。采用TI公司的TMS320VC5402為核心部件，配合A/D、D/A電路、控制電路和接口電路，實(shí)現(xiàn)錄音、放音和自動(dòng)應(yīng)答功能。TMS320VC5402具有優(yōu)化的CPU結(jié)構(gòu)。內(nèi)部有1個(gè)40位的算術(shù)邏輯單元，2個(gè)40位的累加器，2個(gè)40位加法器，1個(gè)17×17的乘法器和1個(gè)4O位的桶形移位器。有4條內(nèi)部總線和2個(gè)地址產(chǎn)生器。此外，內(nèi)部還集成了維特比加速器，用于提高維特比編譯碼的速度。

3．電路原理設(shè)計(jì)。由于TMS320VC 5402在運(yùn)算方面有很強(qiáng)的能力，但在事物調(diào)度方面并不擅長，因此，應(yīng)選用一片AT89C51與之配合。

如圖1所示，本系統(tǒng)由DSP最小系統(tǒng)加外擴(kuò)的串行接口、存儲(chǔ)器接口和中斷口及可編程I/O口組成。快閃存儲(chǔ)器為一種可擦寫非易失性存儲(chǔ)器件，已日益廣泛地用于蜂窩移動(dòng)電話、掌上PC機(jī)，無繩電話等設(shè)備的程序和數(shù)據(jù)存儲(chǔ)，而且正不斷地向小型化、輕量化、低電耗、高可靠型發(fā)展，其集成度也已由原來的64MB提高到256MB。上電復(fù)位后，TMS320VC5402首先從閃速存儲(chǔ)器(Flash)中引導(dǎo)裝入執(zhí)行程序，而模擬語音通過麥克風(fēng)或電話線輸入，經(jīng)AD50的A/D轉(zhuǎn)換后變成串行數(shù)據(jù)，通過TMS320VC5402的串口sport0傳入DSP內(nèi)部進(jìn)行編碼處理。編碼后的參數(shù)存放在擴(kuò)展的Flash中保存，也可根據(jù)需要通過IDMA傳送到PC機(jī)上。解碼過程是由鍵盤發(fā)出解碼控制命令后，經(jīng)由AT89C51控制DSP從Flash讀出編碼信息，并在內(nèi)部完成解碼，通過串口Sport0將重建數(shù)字語音輸出，以D/A轉(zhuǎn)換后通過揚(yáng)聲器放送。

在DSP與Pc機(jī)之間，用了一片GAL作為兩者之間的接口電路。在DSP端，使用了C5402片內(nèi)的增強(qiáng)型主機(jī)接口HP1，用來與主設(shè)備或主處理器接口。外部主機(jī)是HPI直接訪問CPU的存儲(chǔ)空間，包括存儲(chǔ)器映像寄存器。采集到PC中的語音數(shù)據(jù)，需要將其保存為標(biāo)準(zhǔn)的音頻文件。本設(shè)計(jì)中將其保存為Microsoft公司提供的一種標(biāo)準(zhǔn)格式文件－WAV文件，使讀取非常方便。

4．G.728算法原理。本系統(tǒng)采用G.728標(biāo)準(zhǔn)進(jìn)行語音編碼。G.728標(biāo)準(zhǔn)是對(duì)電話頻帶語音信號(hào)進(jìn)行處理，采樣頻率為8kHZ。G.728利用后向自適應(yīng)預(yù)測(cè)技術(shù)對(duì)短時(shí)譜包絡(luò)和增益進(jìn)行預(yù)測(cè)，預(yù)測(cè)系數(shù)是用先前量化過的語音信號(hào)來提取和更新。首先由5個(gè)連續(xù)的語音樣點(diǎn)形成一個(gè)5維語音矢量，碼本激勵(lì)中共有1024個(gè)5維的碼矢量，對(duì)于每個(gè)輸入語音矢量，編解碼利用合成分析法從碼中搜索出最佳碼矢量，然后將10bits的碼本標(biāo)號(hào)送出去。每4個(gè)相鄰的輸入矢量構(gòu)成一個(gè)自適應(yīng)周期(或稱為幀)，每幀更新一次LP系數(shù)：激勵(lì)的增益也是利用先前量化激勵(lì)信號(hào)的增益信息逐矢量地進(jìn)行提取和更新。

解碼端也是逐矢量地進(jìn)行，根據(jù)接收到的10bits碼本標(biāo)號(hào)，從激勵(lì)碼本中找到相應(yīng)的激勵(lì)矢量，經(jīng)過增益調(diào)整后，得到激勵(lì)信號(hào)。將激勵(lì)信號(hào)輸入綜合濾波器、合成語音信號(hào)，再將合成的語音信號(hào)進(jìn)行自適應(yīng)后濾波處理，以增強(qiáng)語音的主觀感覺質(zhì)量。

G.728的算法能夠獲得高質(zhì)量的語音合成，采用了高階的線形預(yù)測(cè)濾波器，并且采用了精度很高的數(shù)據(jù)表示方式，計(jì)算量很大。主體控制程序用C語言編寫，可讀性強(qiáng)，可移植性高，易于系統(tǒng)改進(jìn)。語音編解碼部分是程序的核心部分，完成對(duì)語音信號(hào)的編碼和對(duì)已經(jīng)進(jìn)行壓縮語音的合成重建過程，語音編解碼的任務(wù)由TI匯編語言完成，并進(jìn)行了優(yōu)化和改進(jìn)，保證了程序有較高的效果，也充分利用了DSP芯片的快速運(yùn)算特性。

5．軟件設(shè)計(jì)。本系統(tǒng)的控制可以有兩種形式，一是按鍵控制，另一種是語音控制。其中按鍵控制是主要的，語音控制只是一個(gè)補(bǔ)充，在語音按鍵開啟的情況下進(jìn)行語音控制。錄音設(shè)計(jì)中有兩個(gè)地方需要編程：一是DSP端的設(shè)計(jì)，用匯編語言完成，主要任務(wù)是初始化，管理DSP的資源，完成語音數(shù)據(jù)采集及特定處理：另一是PC機(jī)端的設(shè)計(jì)，用C語言來完成，主要任務(wù)是與DSP進(jìn)行數(shù)據(jù)交換，對(duì)語音數(shù)據(jù)進(jìn)行存儲(chǔ)，提供一個(gè)GUI(圖形用戶界面)以便用戶可以控制整個(gè)運(yùn)行過程。

主程序流程如圖2所示。本語音系統(tǒng)由按鍵引發(fā)中斷，DSP根據(jù)控制部分和檢測(cè)口的住處進(jìn)行分析、判斷，進(jìn)入相應(yīng)的功能模塊程序，完成各種功能。

其中在音控子程序中，首先要完成語音訓(xùn)練和語音識(shí)別，才能實(shí)現(xiàn)音控，如圖3。在錄音子程序中，要在每段錄音上加語音標(biāo)識(shí)，以便在尋找此錄音段時(shí)可以順利進(jìn)行。

6．結(jié)論。本文主要介紹了一種基于DSP技術(shù)的多功能數(shù)字采訪機(jī)，它集成了語音識(shí)別、語音壓縮編解碼、語音號(hào)處理器和大容量存儲(chǔ)器的數(shù)據(jù)管理等技術(shù)，該系統(tǒng)結(jié)構(gòu)合理，設(shè)計(jì)簡潔緊湊，能實(shí)現(xiàn)較長時(shí)間的語音壓縮，同時(shí)能夠?qū)崿F(xiàn)音控。它的用途非常的廣泛，既可作為整體設(shè)計(jì)用于采訪，又可配合電話機(jī)作為錄音電話，經(jīng)稍許修改還可應(yīng)用于電子記事本。

作者單位 廊坊師范學(xué)院