电路板克隆TMS320C6416的语音净化系统的研究

    针对这一算法，设计了一套以TI的TMS320C6416 DSP（简称6416）芯片为内核的语音净化系统。6416的时钟速度高达720MHz,经过使用MSICA算法的测试，该系统可以实时地对语音识别的信号进行净化处理，有效地提高语音识别系统的抗噪性和鲁棒性。
    1 算法描述
    1.1 语音识别信号的混合模型
    1.1.1 卷积混合一般模型
    语音信号的混合模型已从瞬时模型发展到卷积模型，相比瞬时模型而言卷积模型更接近真实环境。麦克风所测是卷积混迭信号，即源信号及其滤波与延迟的混迭信号的线性组合再加上其它噪声，如（1）式所示。
    式（1）中，sj（t），j=1,…，N为信号源，且各源信号相互独立；xi（t），i=1,…，N为N个观测数据向量，其元素是各个麦克凤得到的输入。所以观测信号xi（t）是每个源信号sj（t）经过延时tij,并乘以因子aij（t）（冲击响应）后叠加，最后加上噪声ni（t）。
    1.1.2 针对语音识别的简化混合模型
    一般的语音识别只有一个麦克风，根据盲源分离理论，麦克凤数应不少于信源数，所以采用主副两个麦克风输入待识别语音，为简化处理假定只有主讲话者声音s1和背景噪声s2（此背景噪声包括经过延迟的回声）两个声源。可得如图1的混合模型。
    信号源s1到达两个麦克风的时间间隔为t21,且幅度值不同；s2到达两个麦克风的时间间隔为t12,幅度值也不同。pcb抄板又因为主信号源s1非常靠近两个麦克风，所以认为T21比T12小很多，且趋于零。于是得到相应的模型表达式的简化形式：
    x1（t）=s1（t）+a12s2（t-t12）+n1（t）　　 （2）
    x2（t）=a21s1（t-t21）+s2（t）+n2（t）
    1.2 MSICA算法及其实现步骤
    传统采用频域ICA（FDICA）或者时域ICA（TDICA）方法，单一的方法在真实环境中缺点很明显，分离效果在混响环境中受到很大影响。然而一种时频域结合多级分离的混合型ICA算法——MSICA算法可以有效解决这一问题。
    该算法主要由三个步骤组成：首先，利用FDICA的高稳态性的优点在一定程度上分离源信号；为了简化后续计算，白化FDICA分离出来的信号；接着，把白化后的FDICA输出信号当作TDICA的输入信号，并用TDICA分离线留的交叉干扰分量；最后，TDICA的输出信号即为分离信号。算法框图如图2所示。
    2 DSP硬件系统设计
    2.1 硬件结构
    为实现上述算法设计了DSP语音分离系统，该系统主要参数如下：
    ·TMS320C6416 DSP;
    ·16M words FLASH ROM;
    ·两个EMIF:64-Bit EMIFA和16-Bit EMIFB;
    ·133MHz的16MB SDRAM;
    ·两个16-bit立体声CODEC:TLV320AD50.
    TMS320C6416有很高的信号处理能力以及丰富的片内存储咕嘟和片内外设，电路板克隆且有两级内部存储结构。第一级L1缓存包含各为16KB的程序和数据存储器，第二级L2包含1024KB的存储空间。第一级只能作为缓存而第二级可以被设置为部分静态RAM和部分缓存。在语音净化系统中，设置L2为4通道256KB缓存和768KB静态RAM.这种配置使用了最大允许的缓存，是因为MSICA算法将处理大量的数据，访问外部存储器会有瓶颈，而大缓存可以将诸如中断服务程序、常用函数的代码、软件堆栈等关键数据段和反复使用的系数存储于片内存储器中，从而大大提高内部存储空间的使用效率。6416的两个多通道缓冲串口（McBSP）用作数据的输入输出端口。模拟接口芯片TLV320AD50可以提供16bit的数/模、模/数转换，最大转换率是22.5kHz.采样率为8kHz,两个TLV320AD50分别通过McBSP与TMS320C6416相连。两路混合语音信号通过模拟接口电路转化为数字信号，两路数字信号通过TMS320C6416的两个McBSP输入，根据语音特征存储中存储的语音特征进行语音分离，分离出纯净的特识别语音，进行语音识别，最后输出识别结果。系统框图见图3.