2018年02月12日 | 基于G．729语音压缩编译码算法的嵌入式语音存储系统设计

    为了有效地节省语音数据的传输带宽和存储系统的磁盘空间，需要在保证语音质量的前提下尽可能降低其编码比特率。本设计采用经过优化的G．729语音压缩编译码算法，以ARM处理器为载体，开发的嵌入式语音存储系统可实现语音信号的海量存储，而且处理速度快、可靠性好、扩展方便。通过严格的测试和评估，该系统能够实现对大量语音数据的压缩和记录，各项指标基本达到了预期的水平。

    1 系统控制核心

    嵌入式操作系统软硬件结构框图如图1所示，由硬件层、驱动层、系统层和应用层组成。硬件层包括嵌入式处理器最小系统、存储器(SD RAM、Flash、ROM等)、通用设备接口和I／O接口(A／D、D／A、I／O等)，其中Linux实时操作系统和应用程序都可以固化在ROM中。硬件层的核心是嵌入式处理器，在一片嵌入式处理器基础上添加电源电路、时钟电路和存储器电路，就构成了一个嵌入式处理器最小系统。中间的驱动层将上层软件和底层硬件分离开，为其连接提供接口。系统层主要负责软件硬资源的分配、内存管理、任务调度、文件处理等，是软件层的核心。应用层为用户提供编程接口，实现各种应用功能。

    1．1 系统软件核心

    Linux操作系统的内核主要由进程调度、内存管理、虚拟文件系统、网络接口、进程间通信五个子系统组成，各个子系统之间都存在着不可分割的依赖关系。内核为设备驱动提供支持，实现设备控制与应用；设备驱动为上层提供标准接口，完成硬件细节的封装。可以根据设计需要对内核模块进行适当的裁减，制作出理想、实用的操作系统。

    1．2 系统硬件核心

    Samsung公司的S3C2440A处理器是一款以手持设备为主而设汁的芯片。这款处理器支持NOR Flash和NAND Flash启动方式，内部集成LCD、I2C总线、AC97、Camera等控制器。提供丰富的接口资源，方便与外设连接，易于扩展。

    2 G．729算法概述

    2．1 G．729编码原理

    G．729编码标准采用CS-ACELP语音压缩编码技术，其核心原理是线性预测和二级量化。每个10 ms的语音帧包含80个采样点，在每个这样的语音中都要进行线性预测(LP)分析，计算出LP滤波器系数，再转换为线性谱对参数(Line SpeCTRum Pari，LSP)，并使用有两个阶段

    的预测矢量量化器(Vector Quantization，VQ)进行18比特量化。然后编码器以原始语音和合成语音的误差感觉加权最小为准则采用A-B-S(Analysis-By-Synthesis，分析合成)方法搜索激励信号，激励参数(固定码书参数和自适应码书参数)每个子帧(5 ms帧长，40个采样点)确定一次，感觉加权滤波器的系数由未量化的LP系数产生。

    2．2 G．729解码原理

    解码是编码的逆过程，其原理为：首先从获得的码流中提取出参数的索引，这些参数包括LP滤波器系数、自适应码书矢量以及固定码书矢量和增益，它们分别解码后，可获得一个LSP系数、两个音节延迟、两组自适应码书和固定码书增益等对应于10 ms语音帧的编码器参数。

    然后将LSP系数进行内插操作，转换为每个5 ms子帧的LP滤波器系数，再对每个子帧进行如下操作：

    ①经各自增益缩放的自适应矢量和固定码本矢量相加，得到重建的激励信号；

    ②将激励信号通过LPC合成滤波器，得到重建语音；

    ③重建的语音信号经过各种滤波器的后续处理，实现信号的放大和改善。

    2．3 G．729算法优化

    在G．729编码算法中，采用量化码本结构。其基本原则如下：首先计算出K维码本里的各个码字矢量的平均值并存储起来；然后求出输入信号矢量平均值和各个码字矢量平均值的均方误差值；最后用遍历法找到这些均方误差中的最小值Dmin，与之相对应的码字即为最佳逼近码字。采用这种搜索方法加快了编码速度，减少了搜索时间，并没有改变矢量量化的精度。

    3 系统硬件结构

    系统硬件结构框图如图2所示。S3C2440A作为整个系统的主控芯片，DC电源、复位电路、时钟电路作用于系统的每个部分；存储模块包括SDRAM、Flash以及外接的CF或SD卡等；调试模块包括JTAG接口、RS232接口以及网络接口三个部分；音频模块的主要工作由编解码器UDA1 341完成，扩展接口由USB接口、IDE接口构成，交互模块由TFT LCD和触摸屏构成。其中，音频模块和IDE扩展接口是研究的重点。

    3．1 系统外围电路

    系统设计的外围电路都是ARM最小系统所必需的。电源电路为系统提供能量，是系统工作的基础。设计电源电路时要考虑的因素很多，主要包括输入及输出的电压范围、输出纹波大小、电池兼容和电磁干扰等，系统采用DC-DC转换芯片LM1117将5 V的电压转换成1．3 V、2．5 V、3．3 V后供系统使用。采用复位芯片MAX811产生的复位信号，既能保证上电复位的时间，又能保留手动复位的特点。时钟电路为系统提供工作时钟，主时钟采用12 MHz晶振作为时钟源，RTC时钟采用32．768 kHz晶振作为时钟源。通过JTAG接口，可以访问芯片内部的所有部件，是实现系统开发、调试的高效手段。为了减小系统体积，采用10针简化的JTAG接口，其接口电路如图3所示。

    SDRAM存储器选择Samsung公司的K4S561632E-UC75，其存储容量为32 MB，具有存取速度快、成本低廉的特点，主要用来存放执行代码和变量，是系统启动之后主要进行存取操作的存储器。Flash存储器选择Samsung公司的K9F1208U0CNAND Flash存储器，其存储容量为64 MB，可以擦写一百多万次，具有很长的使用寿命，把启动程序、内核代码等固化到Flash闪存中能加速系统的启动、提高系统的稳定性和可靠性。

    3．2 音频采集与处理模块

    该模块采用Philips公司生产的音频芯片UDA1341TS，它支持I2S数据总线格式，且具有低功耗、低电压及DSP语音功能等特征。I2S(Inte grate Interfaceof sound)是Philips公司提出的串行数字音频总线协议，音频数据与控制信号、时钟信号分开传输，避免了由时钟带来的抖动问题，因此系统中可省略消除抖动的器件。

    音频芯片与主控芯片的连接如图4所示。I2S音频接口包括5根信号线，其中音频模块的同步时钟CDCLK由S3C2440A提供，该时钟控制音频的A／D、D／A采样速率。串行时钟SCLK，也叫位时钟(BCLK)，即每一个SCLK脉冲对应一位数字音频数据。帧时钟LRCK用于左有声道的切换，LRCK为1表示正在传输的是左声道的数据，为0则表示正在传输的是右声道的数据。DATAI是串行数据输入信号线，DATAO是串行数据输出信号线，所传输的音频数据用二进制补码表示。L3总线接口包括3根信号线：L3MODE／GPB2是微处理器接口模式信号线；L3CLOCK／GPB4是微处理器接口时钟信号线；L3DATA／GPB3是微处理器接口数据线。L3总线接口主要用于传输控制信号，相当于混音器控制接口，可以调节输入／输出音频信号的音量、低音提升、控制去加重等。

    3．3 IDE硬盘控制模块

    IDE接口是硬盘和光驱普遍使用的外部接口，接口采用16位数据总线并行传送，体积小、速度快，兼容性强。IDE接口主要有可编程输入输出(Programming Input Output，PIO)和直接内存访问(Direct MCMory ACCess，DMA)两种传输模式。PIO模式占用大量的系统资源，数据传输速率较低；DMA模式需要额外的驱动程序或设置，系统资源占用少、执行效率较高。本设计选择DMA模式。

    S3C2440A与硬盘接口如图5所示。其接口信号分为片选信号、数据信号和控制信号3个部分。硬盘上寄存器分为两组，分别由／CS0和／  CS1选中其中的一组，A0～A2引脚用于组内寄存器寻址，包括数据寄存器、错误寄存器、扇区计数器、扇区号寄存器、低柱面号寄存器、高柱面寄存器、状态寄存器和命令寄存器。数据线D0～D15用于数据的双向传输。／DIOR、／DIOW是读写控制信号；／Reset是硬盘复位信号；DMARQ(DMA请求信号)和／DMACK(DMA应答信号)是专用于DMA模式的信号。

    4 系统软件实现

    4．1 语音数据的采集

    语音采集部分主要是完成UDA1341TS驱动程序的编写，其初始化相关代码如下：

    端口初始化包括L3总线接口和I2S接口的设置，首先将与L3接口相连的通用I／O口GPB2、GPB3、GPB4设置为输出模式，然后设置与I2S控制器输出信号相关的GPIO引脚，将GPE0～GPE4这5个引脚设置为I2S接口的信号模式。UDA1341TS芯片初始化部分包括L3接口时序和协议的模拟，完成采样速率、数据格式等参数的设置。系统采样速率为8 kHz，使用时钟为384 fs，数据输入格式设置为MSB-JustifLED模式。接下来通过“audio_init_dma()”申请DMA通道，输出音频缓冲区的DMA通道设为通道2，输入音频缓冲区的DMA通道设为通道1。若初始化失败会返网相应的错误标志，初始化成功后方可进行后续操作。

    4，2 IDE接口函数

    硬盘驱动程序实现分为设备初始化、打开设备、设备I／O操作和释放设备等几部分。要完成硬盘数据交换的工作，就需要对寄存器进行频繁的读写操作，为了方便在程序中的调用，把这些和硬件操作密切相关的操作都写成了接口函数，其函数说明略——编者注。

    4．3 系统主程序流程

    主进程开始后首先初始化采样参数，包括采样速率、采样点数、数据存储格式及采样通道，若初始化不成功会返回相应的错误标志，并作出相应的出错处理，成功后可继续下一步操作。然后通过键值判断数据的存储区是选择Flash还是选择硬盘，并初始化相应的存储区，这是保证系统在没有外扩硬盘的情况下也能正常运行，只不过是数据存储量较小而已；若选择操作硬盘，但硬盘未连接，仍然会返回相应的错误标志，并进入出错处理函数继续执行。接下来根据键值判断是否进行压缩处理，若进行压缩处理，则相应的编解码标志置位；根据该标志确定是否启动编解码进程，即系统能存储未压缩的数据，也能存储压缩后的数据，可以根据需要进行适当的选择。启动A／D转换进程并进行语音数据的存储，相当于录音的过程；数据存储完成后，即录音结束后，启动D／A转换进程进行语音播放。录音和播放可以同时进行，为了测试方便，这里把这两个过程分离开来。

    总的来说，系统主进程创建了A／D、D／A转换进程和编解码进程，结合Linux的共享机制和进程间通信等手段，实现了语音信号的采集、压缩、存储、回放等环节。

    系统主程序流程图略——编者注。

    5 系统测试与结果分析

    系统测试内容主要包括语音质量、语音存储时长、语音压缩效率三个方面。语音质量是指经传输、处理后音频信号的保真度，是衡量语音编码算法优劣的关键指标。其评价方法分为主观评定和客观评定两类。系统采用的主观评定方法是平均意见得分(Mean OPINion Score，MOS)，即以主观打分来度量，其评价标准分为5个等级，MOS评价标准如表2所列。客观评定选择信噪比为评价指标，信噪比(Signal Noise Ratio，SNR)定义为信号与量化噪声的方差的比值，计算公式为：

    其中分别为信号方差和噪声方差。通过测试系统的主观评价指标MOS可以达到3．8分，接近于电话语音质量，与原始语音的区别不明显；系统的客观评价指标SNR为58 dB，噪声的影响在可以接受的范围内。语音时长的统计，依赖于扩展IDE硬盘的容量，测试选择3G容量的硬盘；记录未经压缩的语音数据为750个小时，而记录压缩后的语音数据可达7500多个小时；可见语音压缩的效率可以达到10多倍，已达到理想的效果。