一種低速率語音編解碼系統(tǒng)設(shè)計

朱敏杰， 王 海， 梁 偉

(紹興文理學(xué)院 數(shù)理信息學(xué)院， 浙江 紹興 312000)

0 引 言

語音傳輸是目前最主要最普遍的通信傳輸服務(wù)，考慮到存儲空間、信道帶寬的限制及擴大通信容量的需求，可利用低速率編碼技術(shù)對語音信號進行壓縮編碼。此類低速語音編碼技術(shù)在軍事和航天領(lǐng)域有廣闊的應(yīng)用空間[1-2]。目前常用的低速率語音編解碼系統(tǒng)一般以CPU和音頻codec芯片為核心構(gòu)成，CPU根據(jù)語音編解碼算法編程，傳輸語音數(shù)據(jù)，音頻codec芯片用于實現(xiàn)語音數(shù)據(jù)采集和回放。這種方案編程復(fù)雜、保密性差、成本高，難以擴展，而且編碼速率低于2.4 Kbps的應(yīng)用方案不多[3]。本文采用低速率語音編解碼專用芯片TR600和STM32微控制器，完成一種低速率語音編解碼系統(tǒng)設(shè)計，編碼速率可選擇0.6、0.8、1.2或2.4 Kb/s，經(jīng)實踐檢驗，系統(tǒng)穩(wěn)定可靠。

1 系統(tǒng)結(jié)構(gòu)

低速率語音編解碼系統(tǒng)由信道管理器STM32微控制器、語音編解碼專用芯片TR600[4]、音頻codec芯片TLV320AIC10及外圍電路構(gòu)成，如圖1所示。

圖1 系統(tǒng)結(jié)構(gòu)框圖

系統(tǒng)管理器選用ARM cortex-M3內(nèi)核STM32F103芯片，主頻72 MHz，字長32 位，片內(nèi)存儲器容量大，片上外設(shè)豐富，開發(fā)工具完備，是8 位及16 位微控制器的理想替代產(chǎn)品[5-6]。在本設(shè)計中，主要負責通信信道的管理。TR600采用清華大學(xué)微波和數(shù)字通信國家重點實驗室研制的SELP (Sine Excitation Linear Prediction )聲碼器算法，在此基礎(chǔ)上，引入了多幀參數(shù)聯(lián)合矢量量化方法，壓縮幀間冗余，在0.6 Kb/s的極低編碼速率下，重建語音DRT測試評分>89%[7-9]。

麥克風采集的語音信號通過TLV320AIC10進行A/D轉(zhuǎn)換，由TR600進行量化壓縮后通過RS232接口傳送給STM32，再由STM32傳送到通信網(wǎng)絡(luò)。還可將來自通信網(wǎng)絡(luò)的壓縮語音數(shù)據(jù)傳送給TR600解碼，通過TLV320AIC10的D/A轉(zhuǎn)換實現(xiàn)語音重建。

2 系統(tǒng)硬件設(shè)計

系統(tǒng)硬件電路主要由信道接口電路，語音采集、回放電路，電源電路，CPU主控電路組成。其中CPU主控電路主要由JTAG下載、晶振、按鍵及LCD顯示、EEPROM組成，本文不再展開。

2.1 信道接口電路設(shè)計

信道接口包括系統(tǒng)管理器、音頻codec芯片及編解碼器的接口電路設(shè)計，如圖2所示。TLV320AIC10的M/S引腳置高，M0、M1、FC引腳接地，配置成主模式，F(xiàn)S同步信號由TLV320AIC10產(chǎn)生，脈沖方式，次級通信不選擇[10]。TR600芯片DATAIO_SEL引腳接地，表示使用控制接口對TLV320AIC10執(zhí)行初始化，即通過SDIN信號對DCSI控制接口寫初始化命令。FS為幀同步信號，接TR600的串行數(shù)據(jù)輸入輸出同步信號LRCIN和LRCOUT，DIN、DOUT、SCLK為串行通信數(shù)據(jù)線和時鐘線，用于發(fā)送、接收16 bit串行數(shù)字音頻數(shù)據(jù)，與TR600的相應(yīng)引腳相連。PCMCTRL_CLKSE引腳接地，表示TLV320AIC10、TR600的數(shù)據(jù)接口和控制接口都使用的SCLK作為時鐘信號。TR600可用RS232串口與系統(tǒng)管理器STM32F103通信，考慮到STM32F103沒有DTR和DSR信號線，選擇其GPIO口PC4、PC5用軟件模擬實現(xiàn)，STM32F103預(yù)留USART2接口用于系統(tǒng)與上位機或網(wǎng)絡(luò)通信。

2.2 語音采集、回放電路設(shè)計

系統(tǒng)語音由TLV320AIC10采集，語音采集電路設(shè)計成反向模式。語音回放電路采用低壓音頻放大器LM386，電路設(shè)計成200倍增益模式，LM386可采用+5 V供電，典型功耗325 mW，可接8Ω喇叭或電話聽筒。語音采集、回放電路如圖3所示。

圖2 信道接口電路

圖3 語音采集、回放電路

2.3 電源電路設(shè)計

系統(tǒng)中需要模擬3.3 V和數(shù)字3.3 V兩路電源，語音回放需要5 V電源。系統(tǒng)采用LM2575-5.0[11]開關(guān)穩(wěn)壓器將來自于變壓器端的9 V直流穩(wěn)壓為5 V，最大1 A直流輸出。5 V電壓可直接供給語音回放電路的功放使用，另經(jīng)低壓差穩(wěn)壓器(LDO)LM1117-3.3[12]穩(wěn)壓為3.3 V，最大800 mA直流輸出。

圖4 電源電路

3.3 V電壓分成模擬電源和數(shù)字電源，其中模擬部分給TLV320AIC10和TR600的模擬電路供電，數(shù)字部分給包括系統(tǒng)管理器STM32F103在內(nèi)的數(shù)字部分供電。電源電路如圖4所示。其中D1為穩(wěn)壓二極管，L2和C3構(gòu)成輸出紋波濾波器，提高輸出直流5 V的電源質(zhì)量，R2為短路電阻，用于連接數(shù)字地和模擬地。計算系統(tǒng)主要芯片功耗，此電源電路可滿足要求。

3 系統(tǒng)軟件設(shè)計

系統(tǒng)軟件主要完成系統(tǒng)初始化、系統(tǒng)啟動、運行控制等工作。軟件編譯利用意法半導(dǎo)體(STM)提供的固件庫軟件包，在Keil uVision風格的MDK環(huán)境下采用C語言完成開發(fā)[13-14]。

3.1 信道時序分析

系統(tǒng)工作時，TLV320AIC10的采樣速率F=FMCLK/256N，其中N由TLV320AIC10的控制寄存器R2的低5 bit決定。TR600已內(nèi)置對TLV320AIC10的初始化數(shù)據(jù)，將在TR600啟動后隨即初始化TLV320AIC10，將TLV320AIC10的控制寄存器R2低5 bit修改為“01000”，即N=8，當FMCLK選用外接有源晶振16.384 MHz時，對應(yīng)的采樣速率為8 kHz。

TR600在四種速率下的數(shù)據(jù)幀壓縮見下表1所示。以0.6 Kbps編碼速率為例，TLV320AIC10采集的8 kHz、16 bit語音數(shù)據(jù)傳送給TR600，TR600將每600個采樣點數(shù)據(jù)經(jīng)預(yù)測分析后量化編碼為45 bit的語音幀，每隔75 ms以9.6 Kb/s的速率向串口發(fā)送，TR600發(fā)送的語音編碼幀以“0X9C”開頭，后面45 bit語音幀分為6 Byte，最低字節(jié)高5 bit有效。TR600由串口接收的待解碼語音幀以“0X80”開頭。TR600與系統(tǒng)管理器之間的串行通信由CTS、RTS、DTR、DSR等信號同步，可保證通信的可靠性。

表1 不同速率數(shù)據(jù)幀壓縮對比

圖5 系統(tǒng)軟件流程圖

3.2 系統(tǒng)軟件流程

系統(tǒng)軟件流程如圖5所示。系統(tǒng)上電后，STM32F103最小系統(tǒng)自檢，讀取EEPROM系統(tǒng)參數(shù)，包括系統(tǒng)模式，自環(huán)延時時間等，可由按鍵修改系統(tǒng)參數(shù)，并實時存入EEPROM，由按鍵確認系統(tǒng)開始工作。系統(tǒng)工作模式分為自環(huán)、發(fā)送、接收三種。自環(huán)模式即麥克風采集的語音能在設(shè)定的延時時間后在喇叭端重建；發(fā)送模式能將壓縮語音數(shù)據(jù)傳送到通信網(wǎng)絡(luò)；而接收模式則將來自于通信網(wǎng)絡(luò)的壓縮語音數(shù)據(jù)傳送到喇叭端重建。自環(huán)模式下，STM32F103首先對TR600進行復(fù)位及軟件啟動，并開啟USART1中斷，TR600正常啟動后，會利用其中固化程序?qū)LV320AIC10初始化。TLV320AIC10以8 kHz、16 bit對語音信號進行采樣量化，傳送給TR600，TR600通過串口傳送給STM32F103的USART1，USART1接收中斷服務(wù)程序?qū)⒄Z音數(shù)據(jù)以照移位寄存方式放入緩沖區(qū)中，待自環(huán)延時結(jié)束后，修改語音幀頭，并發(fā)送回TR600，即可聽到延時后的連續(xù)語音。發(fā)送和接收模式的編程思想與自環(huán)模式基本一致，本文不再展開。

4 系統(tǒng)實驗測試

在實驗室對系統(tǒng)進行測試，系統(tǒng)如圖6所示。工作在0.6 Kb/s編碼速率，自環(huán)模式下，延時6 s，把成年男性聲音“紹興文理學(xué)院”錄制成WAV語音文件，采用praat語音軟件[15]分析語音時域波形圖和窄帶語譜圖，如圖7所示，前6 s語音為測試人聲音，后6 s語音是TR600通過語音壓縮編碼、自環(huán)解碼重建的效果。比較發(fā)現(xiàn)，在頻譜圖中重建語音與原始語音的頻譜結(jié)構(gòu)差別較小；在時域波形圖中略有區(qū)別。主觀聽覺測試表明重建語音具有較高可懂度、清晰度以及一定的自然度。

圖6 系統(tǒng)實物測試圖

圖7 測試語音時域頻域圖

[1] 叢 鍵, 張知易.一種600bps極低速率語音編碼算法[J].電子與信息學(xué)報,2007.29(2):429-433.

CONG Jian, ZHANG Zhi-yi. A Very Low Bit Rate Speech Encoding Algorithm in 600bps[J].Journal of Electronics & Information Technology, 2007.29(2):429-433.

[2] 吳江濱, 叢 鍵.一種600b/s聲碼器及其與典型中低速語音編碼器的音質(zhì)對比[J].中國電子科學(xué)研究院學(xué)報,2007,2(1):93-96

WU Jiang-bin, CONG Jian. A 600 bps Vocoder and Voice Quality Evaluation Compared with Some Typical Middle and Low Bit Rate Vocoders[J]. Journal of CAEIT, 2007,2(1):93-96.

[3] 韓大晗, 崔慧娟, 唐 昆.一款專用可編程語音壓縮芯片的設(shè)計[J].電子技術(shù)應(yīng)用,2006(9):137-140.

HAN Da-han, CUI Hui-juan, TANG kun. Design of programmable chip for speech compression[J]. Application of Electronic Technique,2006(9):137-140.

[4] 多思集團.TR600語音編解碼芯片白皮書[EB/OL].2012.11.

[2013.4].http://www.t-macro.com/products.aspx?FCateID=107&CateID=184.

[5] Joseph Yiu. ARM Cortex-M3權(quán)威指南[M].宋巖譯.北京:北京航空航天大學(xué)出版社,2009.

[6] 李 寧.基于MDK的STM32處理器開發(fā)應(yīng)用[M].北京:北京航空航天大學(xué)出版社,2008.

[7] 郭 莉, 郭麗紅, 王炳錫. 極低速率語音編碼的新發(fā)展與應(yīng)用[J].電聲技術(shù),2005(6):38-41.

GUO Li, GUO Li-hong, WANG Bing-xi, New Development and Application of Very Low Bit Rate Speech Coding[J].Voice technology,2005(6):38-41.

[8] 計 哲, 李 曄, 崔慧娟. SELP 2.4 kb/s語音編碼算法跳躍幀判決及處理[J].清華大學(xué)學(xué)報(自然科學(xué)版), 2009, 49(8):1152-1155.

JI Zhe, LI Ye, CUI Hui-juan. Leaping frame detection and processing with a 2. 4 kb/s SELP vocoder[J]. J Tsinghua Univ (Sci & Tech), 2009, 49(8):1152-1155.

[9] 張建偉, 賀天宏, 李軍林.高質(zhì)量的0.6kb/s聲碼器算法[J].清華大學(xué)學(xué)報(自然科學(xué)版), 2003,43(4):449-452.

ZHANG Jian-wei, HE Tian-hong, LI Jun-lin. High quality 0.6 kb/s speech coding algorithm[J]. J Tsinghua Univ (Sci & Tech), 2003,43(4):449-452.

[10] Texas Instruments. TLV320AIC10 datasheet [EB/OL].2000[2013.2]http://www.21icsearch.com/pdf-49BDA84ABD1C6417/TLV320AIC10.html,2000/2013-02-02.

[11] Texas Instruments.LM2575 datasheet [EB/OL]2005[2013.4]. http://www.21icsearch.com/pdf-DA3C53A4A17E8D48/LM2575.html.

[12] National Semiconductor. LM1117 datasheet [EB/OL]2005[2013.4].http://www.21icsearch.com/s_LM1117.html?stype=pdf&t1=&keyword=LM1117.

[13] 王永虹.STM32系列ARM Cortex-M3微控制器原理與實踐[M].北京:北京航空航天大學(xué)出版社,2008.

[14] 崔 鳴, 尚 麗, 顏廷秦.基于ARM的帆板控制系統(tǒng)設(shè)計與實驗分析[J].實驗室研究與探索,2012.31(9):57-62.

CUI Ming, SHANG Li, YAN Tin-qin. Design and Experimental Analysis of a Sailboard Control System Based on ARM[J]. Research and Exploration in Laboratory,2012.31(9):57-62.

[15] 張立華, 楊瑩春. 情感語音變化規(guī)律的特征分析[J].清華大學(xué)學(xué)報 (自然科學(xué)版),2008.48(S1):652-657.

ZHANG Li-hua, YANG Ying-chun. Emotional speech characteristics[J]. J Tsing hua Univ (Sci & Tech), 2008.48(S1):652-657.