用EP7211實(shí)現(xiàn)傳呼信息實(shí)時(shí)語(yǔ)音合成和播放

關(guān)鍵詞：PDA G.729 語(yǔ)音庫(kù) 語(yǔ)音合成

引言

PDA（Personal Digital Assitant，個(gè)人數(shù)字助理）是近年來(lái)繼尋呼機(jī)和移動(dòng)電話之后，在國(guó)內(nèi)市場(chǎng)迅速崛起的便攜式電子產(chǎn)品。就其擴(kuò)展意義來(lái)講，它能夠集成移動(dòng)計(jì)算、電話和網(wǎng)絡(luò)等多種功能。根據(jù)不同的應(yīng)用需求，它可以管理個(gè)人信息、提供名片存儲(chǔ)和日程安排，也可以接收各種尋呼信息（如股市、天氣預(yù)報(bào)等）。如果是集成通信模塊，還可以作為移動(dòng)電話使用，進(jìn)行無(wú)線網(wǎng)絡(luò)互聯(lián)。廣義的PDA包括簡(jiǎn)單的電子記事本、電子辭典和功能強(qiáng)大的掌上電腦，它們的主要區(qū)別表現(xiàn)在操作系統(tǒng)、存儲(chǔ)能力、運(yùn)算速度和數(shù)據(jù)交換能力等方面。

目前國(guó)內(nèi)傳統(tǒng)PDA產(chǎn)品經(jīng)過(guò)幾年的高速發(fā)展后，市場(chǎng)基于飽和，銷售額出現(xiàn)負(fù)增長(zhǎng)。不過(guò)由于PDA產(chǎn)品的靈活性，有針對(duì)性的行業(yè)應(yīng)用作為一個(gè)新亮點(diǎn)，開(kāi)始為人們所關(guān)注。經(jīng)過(guò)行業(yè)應(yīng)用尾后的PDA產(chǎn)品，已經(jīng)在國(guó)內(nèi)市場(chǎng)大顯身手。文曲星展現(xiàn)超強(qiáng)的語(yǔ)言釋譯能力，比較適合于大學(xué)生和語(yǔ)言翻譯者使用；藍(lán)火系列能實(shí)時(shí)接收股市信息和專家點(diǎn)評(píng)，適合工薪階層的炒股者。國(guó)家信息產(chǎn)業(yè)部已經(jīng)鼓勵(lì)PDA產(chǎn)品在交通、警務(wù)、保險(xiǎn)等領(lǐng)域的行業(yè)應(yīng)用和推廣。

分析市場(chǎng)需求，我們研發(fā)了集成傳呼功能的、專門(mén)面向鐵路交通行業(yè)應(yīng)用的鐵路交通信息系統(tǒng)PDA。本PDA系統(tǒng)除了具備傳統(tǒng)PDA的個(gè)人名片管理和辭典檢索等功能外，同時(shí)提供交通行業(yè)應(yīng)用的民航航班查詢、鐵路列車(chē)時(shí)刻表查詢等功能。

本PDA的尋呼系統(tǒng)實(shí)現(xiàn)如下功能：能夠通過(guò)尋呼對(duì)列車(chē)時(shí)刻表、列車(chē)晚點(diǎn)信息、列車(chē)剩票額、股道信息等行業(yè)數(shù)據(jù)進(jìn)行動(dòng)態(tài)更新。作為另一個(gè)特色，當(dāng)接收到個(gè)人尋呼時(shí)，能夠?qū)ず魞?nèi)容實(shí)時(shí)地轉(zhuǎn)換成語(yǔ)音并播放。

下面重點(diǎn)介紹本PDA系統(tǒng)中使用嵌入式處理呂EP7211實(shí)現(xiàn)個(gè)尋呼內(nèi)容的實(shí)時(shí)語(yǔ)音轉(zhuǎn)換和播放。該功能的實(shí)現(xiàn)包含前后相關(guān)的3個(gè)部分：字符語(yǔ)音庫(kù)的建立、字符的語(yǔ)音合成算法和Codec語(yǔ)音中斷服務(wù)例程。

1 實(shí)現(xiàn)條件和要求

PDA屬于嵌入式應(yīng)用系統(tǒng)，其同一般PC機(jī)有很大差別。硬件方面，嵌入式處理器基于RISC體系結(jié)構(gòu)，一般工作頻率在幾十MHz，甚至更低；系統(tǒng)內(nèi)存容量一般在幾百KB～幾MB之間；一般使用容量小的ROM或者Flash作為硬盤(pán)來(lái)存儲(chǔ)可執(zhí)行程序序和數(shù)據(jù)。軟件方面，PDA系統(tǒng)一般有專用的嵌入式操作系統(tǒng)和軟件開(kāi)發(fā)調(diào)試移植環(huán)境。

個(gè)人傳呼信息的特點(diǎn)是單條傳呼信息長(zhǎng)度變化較大，20～50個(gè)字符不等。最為常見(jiàn)的是“請(qǐng)回電話***”；傳呼信息涉及到的字符數(shù)量較大，字符語(yǔ)音合成時(shí)運(yùn)算量大，單字符合成后語(yǔ)音數(shù)據(jù)占用的存儲(chǔ)空間多；需要事先建立字符語(yǔ)音庫(kù)等。

由于具體硬件環(huán)境的限制、傳呼信息的特點(diǎn)和語(yǔ)音合成的要求，該功能能夠?qū)崿F(xiàn)的前提有：語(yǔ)音庫(kù)占用的空間小；字符合成時(shí)速度更快；采用前臺(tái)進(jìn)行字符語(yǔ)音合成時(shí)，以后臺(tái)中斷方式進(jìn)行合成語(yǔ)音的播放來(lái)保證其實(shí)時(shí)性和連續(xù)性。

2 具體實(shí)現(xiàn)

下面分別介紹字符語(yǔ)音庫(kù)的建立、字符語(yǔ)音合成算法、本PDA系統(tǒng)的框架結(jié)構(gòu)和語(yǔ)音中斷服務(wù)例程。

2.1 建立字符語(yǔ)音庫(kù)

我們選用G.729語(yǔ)音壓縮編碼標(biāo)準(zhǔn)來(lái)建立語(yǔ)音庫(kù)。該標(biāo)準(zhǔn)采用的算法是共軛結(jié)構(gòu)的代數(shù)碼激勵(lì)線性預(yù)測(cè)（CS-ACELP），是基于CELP（碼激勵(lì)線性預(yù)測(cè)）編碼模型的算法。這種編碼規(guī)范的嚴(yán)格性使性能達(dá)到或超過(guò)了32Kbps的G.726 ADPCM編碼，具有很高的語(yǔ)音質(zhì)量；同時(shí)，它是在語(yǔ)音信號(hào)8KHz取樣的基礎(chǔ)上得到16bit線性PCM后進(jìn)行編碼的，壓縮后的數(shù)據(jù)速率僅為8Kbps，具有相當(dāng)于8：1的高壓縮率。其算法延遲少于16ms。由于G.726編解碼器能夠?qū)崿F(xiàn)很高的語(yǔ)音質(zhì)量和很低的算法延時(shí)，因此被廣泛地應(yīng)用。

字符語(yǔ)音庫(kù)是一個(gè)單字發(fā)音語(yǔ)音數(shù)據(jù)的集合，中段數(shù)據(jù)之間相互獨(dú)立，不具有相關(guān)性。語(yǔ)音庫(kù)包含了國(guó)標(biāo)一、二級(jí)字庫(kù)中的所有6763個(gè)漢字、10個(gè)阿拉伯?dāng)?shù)字和26個(gè)英文字符的標(biāo)準(zhǔn)普通話語(yǔ)音數(shù)據(jù)。每個(gè)漢字或字符發(fā)音時(shí)長(zhǎng)為0.65s，采用8KHz抽樣頻率，使用了G.729A語(yǔ)音編碼算法對(duì)上述的語(yǔ)音數(shù)據(jù)進(jìn)行壓縮，壓縮后數(shù)據(jù)速率為8Kbps，相當(dāng)于具有8：1的高壓縮率。在漢字中，同音字占了相當(dāng)大的比例，而在語(yǔ)音合成中對(duì)于同音字的處理是沒(méi)有區(qū)別的，故近7000個(gè)漢字，我們只存儲(chǔ)1123個(gè)不同的發(fā)音。經(jīng)過(guò)同音字處理和采用G.729標(biāo)準(zhǔn)壓縮字符語(yǔ)音數(shù)據(jù)，則最終建立的語(yǔ)音庫(kù)文件大小為729 950字節(jié)，完全符合本PDA系統(tǒng)的數(shù)據(jù)存儲(chǔ)要求；否則，語(yǔ)音庫(kù)數(shù)據(jù)量太大，本PDA系統(tǒng)不能接受！

建立一個(gè)語(yǔ)音壓縮數(shù)據(jù)庫(kù)的具體步驟如下：

*將數(shù)字和常用漢字的標(biāo)準(zhǔn)發(fā)音獨(dú)立地錄入到數(shù)據(jù)文件中，作為基礎(chǔ)數(shù)據(jù)。使用cooledit2000軟件完成語(yǔ)音的錄入。

*對(duì)于輸入數(shù)據(jù)，按照每幀10ms（80個(gè)樣點(diǎn)）的長(zhǎng)度，將A_law語(yǔ)音通過(guò)簡(jiǎn)單換算變成16bit PCM數(shù)據(jù)，作為編碼算法的輸入。

*按照G.729A算法標(biāo)準(zhǔn)，對(duì)數(shù)據(jù)進(jìn)行編碼。

*將編碼后的數(shù)據(jù)轉(zhuǎn)換為二進(jìn)制比特流，寫(xiě)入語(yǔ)音庫(kù)文件中。壓縮后數(shù)據(jù)速率為8Kbps，具有相當(dāng)于8：1的高壓縮率。

用C語(yǔ)言實(shí)現(xiàn)這一過(guò)程的程序流程如圖1所示。

字符語(yǔ)音庫(kù)的建立是在Windows平臺(tái)及Visual C++編程環(huán)境下實(shí)現(xiàn)的，最終壓縮處理后數(shù)據(jù)量的大小為729 950字節(jié)，每個(gè)字符語(yǔ)音數(shù)據(jù)的大小是650字節(jié)。

2.2 語(yǔ)音合成

當(dāng)收到個(gè)人傳呼信息時(shí)，語(yǔ)音合成程序首先從指定位置獲取傳呼信息數(shù)據(jù)，然后在語(yǔ)音庫(kù)中查找每個(gè)漢字、阿拉伯?dāng)?shù)字或者英文字符的發(fā)音，重組一個(gè)數(shù)據(jù)文件。解碼程序?qū)υ撐募M(jìn)行解碼并且輸出原始語(yǔ)音。語(yǔ)音合成流程如圖2所示。

語(yǔ)音合成過(guò)程首先是當(dāng)前字符在語(yǔ)音庫(kù)的定位。對(duì)于10個(gè)阿拉伯?dāng)?shù)字和26個(gè)英文字符，將其放在語(yǔ)音庫(kù)開(kāi)頭。這些字符的查找比較方便。漢字是2字節(jié)存儲(chǔ)，我們依居其區(qū)位碼來(lái)作為語(yǔ)音庫(kù)中的定位索引。字符語(yǔ)音檢索結(jié)束后的語(yǔ)音壓縮數(shù)據(jù)作為該字符解碼過(guò)程的輸入。

數(shù)據(jù)解碼過(guò)程可以分為參數(shù)解碼和重構(gòu)信號(hào)后處理2部分。首先要從輸入的數(shù)據(jù)中提取參數(shù)符號(hào)，對(duì)這些符號(hào)解碼之后，可以獲得相應(yīng)于10ms話音幀的編碼器參數(shù)。這些參數(shù)包括線性預(yù)測(cè)系數(shù)、自適應(yīng)碼本矢量、固定碼本矢量以及它們的增益。解碼之后的參數(shù)用來(lái)計(jì)算重建語(yǔ)音信號(hào)。得到重構(gòu)語(yǔ)音信號(hào)只有通過(guò)后處理過(guò)程來(lái)對(duì)該信號(hào)進(jìn)行放大，包括后向?yàn)V波、高通濾波以及按比例因子擴(kuò)大，最后得到原始的語(yǔ)音數(shù)據(jù)。

字符解碼器原理如圖3所示。

2.3 PDA系統(tǒng)的體系結(jié)構(gòu)

PDA系統(tǒng)中嵌入式處理器EP7211進(jìn)行數(shù)據(jù)處理，傳呼解碼芯接收傳呼信息并進(jìn)行解碼，LCD提供數(shù)據(jù)輸出顯示，觸摸屏提供用戶輸入接口，F(xiàn)lash用來(lái)存儲(chǔ)應(yīng)用程序和數(shù)據(jù)，SRAM為程序運(yùn)行提供內(nèi)存空間，電源電路為嵌入式處理器和外圍設(shè)備提供所需要工作電壓。

嵌入式處理器EP7211是Cirrus Logic公司專門(mén)為低成本、超低功耗的嵌入式應(yīng)用設(shè)計(jì)的，包含ARM7TDMI處理器內(nèi)核和豐富的外圍接口。外圍接口有CODEC音頻接口、SPI串行A/D接口、單色LCD接口、DRAM接口、紅外接口、2個(gè)PWM接口、實(shí)時(shí)時(shí)鐘RTC以及電源檢測(cè)接口。EP7211的內(nèi)核電路工作在2.5V，而外圍電路工作在3.3V；可根據(jù)具體情況對(duì)內(nèi)核的時(shí)鐘進(jìn)行動(dòng)態(tài)編程控制，可工作在18、36、49和74MHz。另外EP7211還有3種基本供電模式：正常操作（operating）、空閑（idle）和等待（standby）。在等待模式，主時(shí)鐘被關(guān)斷，整個(gè)CPU及相關(guān)外圍（除中斷和RTC）也關(guān)斷，但可通過(guò)中斷或按鈕來(lái)喚醒。

系統(tǒng)軟件開(kāi)發(fā)平臺(tái)采用了我們自主開(kāi)發(fā)研制的、專門(mén)面向嵌入式應(yīng)用系統(tǒng)開(kāi)發(fā)的XGW平臺(tái)。XGW開(kāi)發(fā)平臺(tái)采用消息驅(qū)動(dòng)機(jī)制，是C語(yǔ)言開(kāi)發(fā)。它功能強(qiáng)大、模塊化設(shè)計(jì)、擴(kuò)展性強(qiáng)、產(chǎn)品升級(jí)容易，總體框架如圖5所示。

圖5全面反應(yīng)了XGW開(kāi)發(fā)平臺(tái)的體系結(jié)構(gòu)，包括事件消息驅(qū)動(dòng)機(jī)制、內(nèi)存管理、字符和圖形顯示輸出、圖形組件庫(kù)等。圖形組件庫(kù)中的編輯框、列表框、按鈕等為用戶應(yīng)用程序開(kāi)發(fā)提供系統(tǒng)應(yīng)用編程接口API。不過(guò)，XGW平臺(tái)對(duì)于系統(tǒng)硬件的中斷響應(yīng)沒(méi)有提供統(tǒng)一的入口和出口，需要開(kāi)發(fā)人員單獨(dú)處理。XGW開(kāi)發(fā)平臺(tái)的消息分為鼠標(biāo)消息、鍵盤(pán)消息和定時(shí)器消息等3類。

2.4 語(yǔ)音中斷服務(wù)例程

嵌入式處理EP7211本身提供的外設(shè)語(yǔ)音錄放Codec(coder/decoder)芯片可以實(shí)現(xiàn)語(yǔ)音的錄入和播放功能。該模塊提供2個(gè)獨(dú)立的16字節(jié)長(zhǎng)的數(shù)據(jù)發(fā)送和接緩沖區(qū)（FIFO），其為全雙工模式，數(shù)字據(jù)點(diǎn)發(fā)速率是64kbps。芯片自身提供工作時(shí)鐘、定時(shí)脈沖以及數(shù)據(jù)串/并和并/串轉(zhuǎn)換功能。編程人員通過(guò)設(shè)置EP7211相應(yīng)的控制寄存器使能這些項(xiàng)功能，則每當(dāng)數(shù)據(jù)收發(fā)緩沖區(qū)半慢或者半空時(shí)（8字節(jié)），芯片自身就會(huì)產(chǎn)生一次中斷信號(hào)供外部處理。理論計(jì)算芯片中斷速率是1ms/次。

語(yǔ)音播放中斷服務(wù)例程主要完成的工作是，當(dāng)產(chǎn)生語(yǔ)音中斷時(shí)，仍然有數(shù)據(jù)需要播放，則向語(yǔ)音數(shù)據(jù)發(fā)送緩沖區(qū)FIFO中寫(xiě)入指定數(shù)據(jù)，剩下的工作由Codec芯片本身來(lái)完成。中斷服務(wù)例程ISR的偽代碼如下（因?yàn)榫唧w實(shí)現(xiàn)代碼沒(méi)有通用性，故此處用偽碼描述）：

void IRQ_Codec_Handler(void)

{

while（檢測(cè)系統(tǒng)狀態(tài)寄存器，發(fā)現(xiàn)語(yǔ)音芯片數(shù)據(jù)發(fā)送緩沖區(qū)FIFO非滿）

{

if(已經(jīng)播放過(guò)的語(yǔ)音數(shù)據(jù)長(zhǎng)度給定的需要播放的語(yǔ)音數(shù)據(jù)長(zhǎng)度)

{

向語(yǔ)音芯片發(fā)送數(shù)據(jù)緩沖區(qū)FIFO寫(xiě)入指定數(shù)據(jù)；

調(diào)整已經(jīng)播放過(guò)的語(yǔ)音數(shù)據(jù)長(zhǎng)度；

if(已經(jīng)播放過(guò)的語(yǔ)音數(shù)據(jù)長(zhǎng)度>=給定的需要播放的語(yǔ)音數(shù)據(jù)長(zhǎng)度)//結(jié)束

{

禁止數(shù)據(jù)發(fā)送緩沖區(qū)中斷；

復(fù)位各相關(guān)的全局變量；

程序返回；

}

}

else

{

向語(yǔ)音芯片發(fā)送數(shù)據(jù)緩沖區(qū)FIFO寫(xiě)入默認(rèn)數(shù)據(jù)

0XFF；

}

}

}

3 試驗(yàn)結(jié)構(gòu)和分析

由于在設(shè)計(jì)階段充分考慮過(guò)語(yǔ)音合成算法的大運(yùn)算量和系統(tǒng)的實(shí)時(shí)性要求，故我們?cè)诰唧w實(shí)現(xiàn)的時(shí)候也采取了一些措施，比較突出的有：用ARM匯編語(yǔ)言來(lái)實(shí)現(xiàn)關(guān)鍵性的函數(shù)代碼;語(yǔ)音合成時(shí)提高處理器EP7211的工作頻率（處理器正常工作頻率是18MHz）；對(duì)于一些常用的三角函數(shù)計(jì)算，采用查表的方式等來(lái)加快程序執(zhí)行速度。在PDA樣機(jī)測(cè)試中，單字符合成時(shí)間在650ms左右，基本上能夠滿足實(shí)際應(yīng)用需求。數(shù)據(jù)語(yǔ)音庫(kù)經(jīng)過(guò)處理之后，占用了729 560字節(jié)也能夠滿足本PDA系統(tǒng)的存儲(chǔ)的要求。

當(dāng)PDA系統(tǒng)收到1條個(gè)人傳呼信息時(shí)，在語(yǔ)音庫(kù)的支持下，立刻啟動(dòng)語(yǔ)音合成算法，逐個(gè)進(jìn)行字符語(yǔ)音合成。當(dāng)?shù)?個(gè)字節(jié)語(yǔ)音合成結(jié)束后，立刻啟動(dòng)語(yǔ)音中斷服務(wù)例程進(jìn)行語(yǔ)音播放。這樣收到的個(gè)人傳呼信息，前臺(tái)逐個(gè)字符解碼時(shí)，其后臺(tái)語(yǔ)音播放也在進(jìn)行。根據(jù)實(shí)際測(cè)試參數(shù)，基本上滿足了系統(tǒng)的實(shí)時(shí)性要求。

從一定角度看，單字符650 ms的語(yǔ)音合成時(shí)間基本能夠滿足實(shí)際應(yīng)用需要，但還是希望能夠進(jìn)一步減小這個(gè)值。這由于我們對(duì)ARM算是器的使用還處在研究階段。ARM本身提供了16位的Thumb指令集和32位的ARM指令集，而且兩者在某些方面表現(xiàn)出較大差別。一般來(lái)講，Thumb代碼長(zhǎng)度是ARM代碼長(zhǎng)度的65%，而執(zhí)行效率要經(jīng)后者高出60%。但在某些方面，32位ARM指令集也會(huì)表現(xiàn)出其優(yōu)于16位Thumb指令集的強(qiáng)大功能；同時(shí)該處理器系統(tǒng)支持ARM指令庥和Thumb指令集混合編程模式。隨著對(duì)二者差別和各自優(yōu)勢(shì)的深入理解，結(jié)合本系統(tǒng)的硬件體系結(jié)構(gòu)，采用有效的指令集混合編程模式將會(huì)使程序執(zhí)行效率進(jìn)一步提高，從而使實(shí)時(shí)性得到進(jìn)一步加強(qiáng)。