一种基于DSP的人工耳蜗语音处理器设计

最新更新时间:2014-02-09来源: 中电网关键字:DSP  人工耳蜗  自适应噪声消除  语音处理器 手机看文章 扫描二维码
随时随地手机看文章
    人工耳蜗又称人造耳蜗、电子耳蜗,是目前唯一可以帮助重度耳聋患者恢复听觉的装置。相对于助听器将声音放大改善耳聋患者的听力,人工耳蜗是将声音转换成电信号,然后以微弱电流刺激听觉神经纤维的形式传递声音信息,从而产生听觉。目前商用的人工耳蜗一般由体外语音处理器和体内植人体组成,体外部分由麦克风、语音处理器和编码发射器组成,体内部分由接收解码器、刺激器和电极整列组成,并通过手术植入患者的体内。目前国内外商用的人工耳蜗语音处理器均采用ASIC设计,投入成本高,可移植性差。随着现代微电子技术的发展,采用通用集成电路设计实用可靠的人工耳蜗已成为可能,其低成本、移植性好的特性将有助于人工耳蜗更好的普及。该系统基于TI公司的16位定点处理器TMS320VC5509A,由TLV320AIC23完成语音采集和A/D转换,系统设计包括硬件设计部分和软件设计部分。本设计采用双麦克风接收语音输入的自适应噪声消除技术,改善了在低信噪比环境中的语音识别效果。为了提高系统的运行速度、降低系统的功耗,对软件设计部分进行了优化。

1 带自适应噪声消除技术的CIS算法
1.1 自适应噪声消除原理
    
在低信噪比的环境下,耳聋患者的语音识别率大幅下降。基于自适应滤波器的噪声消除法能有效的增强语音,消除背景噪声,从而提高患者的语音识别率。本文中语音采集部分利用了两个麦克风接收语音,经过采样后作为两个通道的输入信号,输入信号中均包括语音信号成分s和噪声成分n。假设麦克风1的采样结果为s1+n1,麦克风2的采样结果为s2+n2。由于麦克风1和麦克风2分别对同一环境中的声音进行采样,s1和s2为相关信号,n1和n2为相关信号。假设麦克风1和麦克风2收到的语音信号一样,即s1等于s2。通过两路信号相加得到主通道输入信号x1=2s1+n1+n2,通过两路信号相减得到参考通道输入信号x2=n1-n2。由于主通道语音中的噪声n1+n2与参考噪声n1-n2是相关的,参考通道中的自适应滤波器在接收n1-n2以后使输出在最小均方误差下最接近主通道噪声n1+n2。输出端e得到了消除噪声后的增强语音信号。本文中自适应滤波器采用了归一化LMS算法,当信噪比较大时,采用较小的收敛因子,减少稳定失调误差;当信噪比较小时,采用较大的收敛因子,加快算法的收敛速度。自适应噪声消除原理如图1所示。

a.JPG


1.2 带自适应噪声消除技术的CIS方案
    
文中设计的人工耳蜗语音处理器采用CIS方案,即连续间隔采样方案(Continuous Interleaved Sampling,CIS)。语音信号先经过预加重处理,以补偿语音信号中的高频成分,然后做FFT变换,经n个带通滤波器后划分为与刺激电极相对应的通道,对各个通道能量求和并利用对数或指数函数压缩已提高患者的听力动态范围。带自适应噪声消除技术的CIS方案如图2所示。

b.JPG



2 硬件结构与设计
    
本系统以TMS320VC5509A DSP为核心,TLV320AIC23语音Codec芯片等其他外设为辅助设备。TMS320VC5509A控制系统的外设和处理CIS算法程序,TLV320AIC23对外部声音进行采样和A/D转换。TMS320VC5509A是TI公司推出的一款高性能低功耗的16位定点数字信号处理器,它拥有丰富的片内资源,能方便的控制其他设备,输出处理结果等。TLV320AIC23具有很低的功耗,在ADC和DAC的噪音可分别达到90 dB和100 dB。此外TLV320AIC23支持MIC和LINE IN两种输入方式,内部ADC和DAC转换模块均带有完整的数字滤波器,可以在8 kHz到96 kHz的采样频率范围内传输数据宽度为16位,20位,24位,32位的数据。
    语音采集芯片TLV320AIC23与主处理芯片TMS320VC5509A的接口电路如图3所示。

c.JPG


    DSP与AIC23的接口有两个,一个是控制接口采用I^2C模块,通过编程完成对AIC23的配置;一个是数据音频接口,通过MCBSP0传输数据。
    AIC23的控制接口有SPI/和I^2C两种工作方式,由于VC5509A片内外设含有I^2C模块.因此使用I^2C方式控制AIC23更为方便。此时VC5509A作为I^2C总线的主设备,AIC23作为从设备。在I^2C总线上AIC23有7位外设地址,9位寄存器的设置值。SCL和SD1分别是AIC23的控制端口和数据输入端,分别和VC5509的I^2C模块端口SCL,SDA相连。TLV3320AIC23的数据音频接口支持右判,左判,I^2S和DSP 4种接口模式。本系统采用DSP模式,把AIC23设为主模式,DSP设为从模式,即MCBSP0的移位时钟和帧同步时钟全部由AIC23提供。在帧同步脉冲到来时第一个数据字即为左通道数据,右通道数据紧跟着左通道数据。
    语音是时变的,非平稳的随机过程,但由于语音的形成过程与与人类发音系统的生理结构密切相关,通常假设语音信号是短时平稳的,即在10至30 ms的时间段内其频谱特性和一些物理特征参量可近似的看作是不变的。因此语音信号要进行分帧处理,在采样率为8 kHz时可将帧长取为N=256较为合适。

3 系统软件设计
    
本系统中语音信号由LINE IN输入,LLINE IN和RLINEIN分别对应自适应噪声消除原理图中的麦克风1和麦克风2,语音信号分别经过AIC 23内部的A/D转换后,通过MCBSP0通道传送到VC5509A内。VC5509A对这些语音数据进行CIS算法处理,得到各个通道的刺激脉冲。
    系统软件设计分为系统初始化,系统中断处理程序和CIS算法程序。系统的初始化包括设置时钟发生器,MCBSP初始化,I^2C初始化以及对AIC23控制寄存器的配置。系统中断处理程序设置一个标志位,每中断一次左右声道各采集一个数据,当采集满一帧时能使采样值保存在两个数据缓冲区的另一个缓冲区中。系统中主程序一直处于循环处理过程,在一帧信号执行完CIS算法程序后,等待下一帧信号接收完毕,然后重新执行CIS算法程序。为保证语音信号处理的连续性,CIS算法处理时间应当小于一帧数据的采样时间。本系统CPU时钟为144 MHz,采样频率8 kHz,中断频率8 kHz,因此每125μs采集一个点,采集一帧256个数据需32 ms,即每隔32 ms输出1个刺激脉冲,CIS子程序运行一次需23.1 ms。图4为系统设计流程图。

d.JPG



4 设计结果验证
    
文中设计的CIS算法首先用MATLAB进行验证,然后修改成C语言在DSP上实现。为了更方便的分析算法结果,文中利用了集成在MATLAB 7.0中的CCSLlink工具。利用该工具可在MATLAB环境下完成对CCS和DSP目标板的操作,自动实现调试,数据传递和验证。在创建好CCSIDE连接对象后,利用MATLAB把工程文件加载到CCSIDE中,经过编译连接生成DSP可执行文件。把可执行文件加载到DSP目标板,运行程序,由waver ead函数读取wav格式音频文件。该音频文件是立体声的波形文件,采样精度16位,采样率22 050 Hz,左声道模拟麦克风1,右通道模拟麦克风2。为了模拟真实环境中的噪声,左右声道各加入了相关的高斯白噪声,通过LINE IN连接线接到DSP目标板。先将自适应滤波前后的结果进行对比,如图5所示。

e.JPG


    自适应消噪后的语音信号经过预加重,FFT变换,带通滤波,能量求和及非线性压缩后可得到与每个电极相对应的刺激脉冲。以第一通道为例,同一语音分别经DSP和MATLAB采样处理的结果对比如图6所示。

f.JPG



5 CIS算法实现优化
    
功耗是人工耳蜗语音处理器设计需要考虑的重要内容,本系统在降低功耗方面做了一些努力。由于语音实时采样分析的需要,每帧数据的处理时间必须小于每帧数据的采样时间。CIS算法优化后减少了每帧数据的处理时间,可以使CPU工作在较低的工作频率,一定程度上降低了系统功耗。CIS算法中开平方运算和FFT运算需要较多的处理时间,其中浮点数开平方运算需要10 ms,浮点数FFT运算需要51 ms。本算法中采用了DSP函数库中的sqrt_16函数和cfft函数,这些函数全部为优化过的汇编语言,可有C?语言方便调用,执行速度得到了很大的提高。

6 结束语
    
文中介绍了基于16位定点DSP芯片TMS320VC5509A的人工耳蜗语音处理器的硬件设计和软件设计。为了提高低噪声中的语音识别率,本设计采用了双麦克风接收语音输入的自适应消噪技术。声音经过语音Codec芯片TLV320AIC23采集并进行A/D转换后传输到DSP内。系统运行结果表明,该系统可以实现语音信号中噪声的消除,并得到良好的电极刺激脉冲,其低功耗、低成本、移植性好的特性将有助于人工耳蜗更好的普及。

关键字:DSP  人工耳蜗  自适应噪声消除  语音处理器 编辑:探路者 引用地址:http://news.eeworld.com.cn/DSP/2014/0209/article_3538.html

上一篇:Altera推进FPGA中高速串行收发器的评估
下一篇:基于MCU新型智能励磁仪的设计与实现

推荐阅读

示波器用于波形重建的DSP滤波技术
波形重建滤波用来在两个实际数据采样点之间“插入”数学运算点。插入的数据点可提高较快时基下的波形测量精度和使波形更接近真实。等效/重复采样,也是一种透过插入点的方法实现的波形重建技术,但它的应用场合有限,仅对严格重复的波形有效;对信号实时变化的应用场合,不能使用等效采样。必须在一次采集完成一个完整的波形捕获,因此只能选择软件的方法重建波形。简单的波形重建,采用线性插补滤波器。尽管这类滤波器将改善测量分辨率、精度和显示质量,但更精确的内插技术是sin(x)/x 波形内差滤波技术,这是一种对称滤波器。过去,带宽较低的示波器一般具有高斯类型的滚降特点,2中的绿色曲线(底部)所示。果您使用这种高斯类型的低速滚降滤波器处理速度非常快的信号,由于
发表于 2022-03-01
基于TI DM642和OMAP5912 DSP实验板实现汽车CADAS系统设计
根据报导,中国每年超过11万人死于车祸,大部分的事故皆由人为因素引起,而疲劳与分心则是主要的原因。随着工业的进步,行车安全以及车辆防盗的问题已摆在世界人民面前。虽然瞌睡侦测、脑电波等相关研究都致力于提醒驾驶员,但是其效果并非相当令人满意;加上系统的反应时间以及系统成本因素,无法全面普及。除了行驶安全的问题让人担忧之外,车辆本身的防盗装置亦使人烦心。根据资料显示[2],中国每年有超过7.2万辆汽车失窃,平均每7分钟就有一辆汽车遭窃,即使目前的车辆在出厂时都配备防盗锁,且使用者自己也会加装防盗窃装置,但是效果并不显著,目前监控系统最多做到传送文字短信至使用者手机作为提醒,但是无法将实时监控的影像连续不断地传送出来,这样就很容易产生误报的
发表于 2022-01-24
ADC/DAC IC上的集成强化型DSP改进宽带多通道系统
Integrated Hardened DSP on DAC/ADC ICs Improves Wideband Multichannel SystemsADC/DAC IC上的集成强化型DSP改进宽带多通道系统简介过去几十年来,无线系统通道数和带宽一直稳步增长。对数据速率和系统整体性能的要求成为这些现代电信、雷达和仪器仪表系统发展的驱动因素。但与此同时,这些要求也加大了电源封装和系统的复杂度,使功率密度和组件级别的功能变得更为重要。为打破其中的一些限制,半导体行业将更多的通道整合到同一个硅封装中,借此降低每个通道的功率要求。此外,半导体公司还将更复杂的功能整合到数字前端,简化了过去在专用集成电路(ASIC)或现场可编程门阵列(FP
发表于 2022-01-17
ADC/DAC IC上的集成强化型<font color='red'>DSP</font>改进宽带多通道系统
ASPEED选择CEVA的DSP用于其视频会议SoC中的音频和语音处理
无线连接和智能传感技术以及集成IP解决方案供应商CEVA日前联合ASPEED Technology (信驊科技)宣布,ASPEED 已在其第二代 Cupola360 SoC中获得许可并部署了 CEVA-BX1 音频/语音 DSP ,该产品用于智能相机和视频会议系统。两家公司还通过CEVA的ClearVox多麦克风降噪和回声消除音频前端 (AFE) 软件合作解决最具挑战性的在线会议应用。该软件包针对 CEVA-BX1 DSP 进行了全面优化,显着增强了任何语音会议系统的清晰度,并允许添加语音助手和免提控制功能。ASPEED Technology董事长兼总裁Chris Lin评论道:“我们的第二代Cupola360 SoC是我们第一款融
发表于 2022-01-05
基于DSP的继电保护测试仪信号采集装置硬件设计
  随着电力行业的不断发展,目前国内使用的继电保护测试仪种类繁多,但是由于继电保护测试仪自身的性能直接影响着对继电保护装置的*价,因此测试仪的工作性能和稳定性尤为重要。虽然DL/T*-1997《继电保护微机型试验装置技术条件》对继电保护试验装置提出了明确的要求,规定了定期检验周期和检验项目,但因为没有相关的检测规程或规范,也没有现成的检测装置,这为继电保护测试仪的验收和周检带来了一定的困难。因此,需要这样一种数据采集装置来精确采集继电保护测试仪的各项数据,以便上位机对数据进行分析,从而对继电保护测试仪进行检定。  1系统方案设计  本文设计的数据采集装置专门用于继电保护测试仪器各项数据的采集。设计选用DSP作为数据采集装置的核心控制
发表于 2021-12-31
基于<font color='red'>DSP</font>的继电保护测试仪信号采集装置硬件设计
CEVA SensPro™ 传感器中枢DSP 获得 ASIL B(随机) 和 ASIL D(系统)汽车安全合规认证
功能安全认证DSP和综合软件开发套件非常适合开发低功耗汽车传感器融合SoC用于处理和融合来自摄像头、雷达、激光雷达等装置的数据,适合自动驾驶和先进驾驶辅助系统 (ADAS)应用CEVA,全球领先的无线连接和智能传感技术及集成IP解决方案的授权许可厂商(NASDAQ:CEVA) 宣布其SensPro™传感器中枢 DSP IP已取得汽车安全完整性 B 级随机故障和 ASIL D级系统故障合规认证。CEVA已将SensPro授权许可予多家领先汽车半导体厂商用于下一代汽车SoC。作为汽车IP供应商,SensPro安全认证反映了CEVA以安全为中心的设计理念在面向汽车应用的处理器、工具和软件上的应用。用于安全关键应用(例如自动驾驶和先进驾驶辅
发表于 2021-12-07
CEVA SensPro™ 传感器中枢<font color='red'>DSP</font> 获得 ASIL B(随机) 和 ASIL D(系统)汽车安全合规认证
小广播
何立民专栏 单片机及嵌入式宝典

北京航空航天大学教授,20余年来致力于单片机与嵌入式系统推广工作。

换一换 更多 相关热搜器件
电子工程世界版权所有 京B2-20211791 京ICP备10001474号-1 电信业务审批[2006]字第258号函 京公网安备 11010802033920号 Copyright © 2005-2023 EEWORLD.com.cn, Inc. All rights reserved