基于DSP的聲控電子記事本的設(shè)計與實現(xiàn)

　　語音識別及語音編解碼技術(shù)經(jīng)過幾十年的發(fā)展，已經(jīng)日趨成熟，步入實用化階段。語音識別技術(shù)已開始應(yīng)用于電話查詢服務(wù)、智能玩具、PDA、家用電器、通信、工業(yè)控制、語言學(xué)習(xí)等應(yīng)用領(lǐng)域；其于碼激勵線性預(yù)測（CELP）技術(shù)的語音編解碼算法也因其音質(zhì)好，壓縮比大而在通信和數(shù)字錄音設(shè)備中獲得了廣泛應(yīng)用。

　　語音輸入方式與手寫輸入方式相比，具有操作簡便、查找方便、識別準(zhǔn)確率高等優(yōu)點。省去了大量的輸入時間，降低了信息檢索的復(fù)雜度。本文所介紹的聲控電子記事本系統(tǒng)將語音識別和語音編解碼在同一片DSP芯片上實現(xiàn)，用語音方式代替其它方式進行信息輸入，提高了系統(tǒng)的靈活性。

　　1 系統(tǒng)功能

　　可存200張語音名片，每張語音名片包含四條信息：姓名、電話號碼、工作單位、備注；聲控查找語音名片信息，用戶只需口述所要查找人的姓名，即可獲得電話號碼、工作單位、備注等信息，同時電話號碼顯示在液晶顯示屏上。

　　具有雙音多頻（DTMF）撥號功能，用戶用聲控查找到電話號碼并顯示在液晶屏上之后，只需輕觸一個撥號鍵，即可通過普通電話機的話筒實現(xiàn)快速自動撥號。

　　數(shù)字錄音，每段錄音加語音標(biāo)識；聲控放音，在放音時只需口述所要語音段的語音標(biāo)識即可自動找到該段錄音并加放，累計錄音時間達兩個半小時以上。

　　具有方便的編輯功能，增加、刪除語音名片，增加、刪除數(shù)字錄音段。

　　2 系統(tǒng)構(gòu)成

　　本文所介紹的聲控電子記事本系統(tǒng)，是在定點16位DSP芯片上實現(xiàn)的，它包含特定人孤立詞語音識別算法和代數(shù)碼本激勵線性預(yù)測（ACELP）語音編解碼算法數(shù)（MFCC）為語音特征、以動態(tài)時間規(guī)劃（DTW）為模板匹配算法，對于普通詞條，識別率達到了99%以上。用于“錄音”功能的ACELP算法是該碼率下性能優(yōu)異的編解碼算法，雖然算法復(fù)雜度較高，但共重建語音質(zhì)量的平均主觀評測分?jǐn)?shù)（MOS分）達到了4.0，非常接近于壓縮前的分?jǐn)?shù)4.3。

　　如圖1所示，系統(tǒng)由MCU實現(xiàn)總線控制，接受外部鍵盤輸入，并在液晶屏上顯示信息。在本系統(tǒng)中，語音充當(dāng)大部分人機界面的角色，盡量省去復(fù)雜的鍵盤操作，而且用語音提示或語音回放代替一部門液晶文字提示。由于語音要經(jīng)過DSP處理，所以MCU需要與DSP經(jīng)常交換信息，以便實現(xiàn)友好的操作界面。

　　2.1  DSP

　　DSP（ADSP2185）是整個硬件系統(tǒng)的信號處理中心，完成語音識別、訓(xùn)練、編解碼，進行片內(nèi)RAM及外部FLASH存儲芯片的數(shù)據(jù)管理與調(diào)度，并向主控芯片MCU提供簡潔的命令與反饋信息。ADSP2185是Analog Devices公司的產(chǎn)品，其主要性能如下：

　　·運算速度為50MIPS，且均為高效的單周期指令。

　　·提供了80Kbyte的片內(nèi)RAM，其中32Kbyte為數(shù)據(jù)RAM，48Kbyte為程序RAM。

　　·最大可支持4Mbyte的外部存儲區(qū)，用于存儲數(shù)據(jù)或程序。

　　·提供對字節(jié)存儲區(qū)（BM）與片內(nèi)RAM區(qū)之間的DMA方式支持。

　　·提供兩上可編程、全雙工、自動進行收發(fā)緩沖區(qū)操作的串行口。

　　2.2  MCU

　　MCU（KS57C2316）是SAMSUNG公司生產(chǎn)的性價比較高的一種CMOS四位單片機，可以一次性編程，適于小批量生產(chǎn)，被廣泛地應(yīng)用于家用電器的控制，它具有強大的I/O功能。其主要性能如下：

　　·ROM為16K×8 bit；RAM為512×4 bit

　　·40個I/O引腳

　　·多至16位數(shù)字LCD顯示

　　——32個段，4個公共端引腳

　　這些性能保證了系統(tǒng)主控能力，而且能夠提供靈活的外部接口，適于做進一步的改進和改造。計算器等附加功能可以直接由MCU完成。

　　2.3 數(shù)據(jù)FLASH存儲器

　　數(shù)據(jù)FLASH存儲器KM29U64000是SAMSUNG公司的產(chǎn)品，它可在3伏電壓下低功耗工作，存貯量大、價位低、速度快、存儲數(shù)據(jù)掉電后可保持而不會丟失。其主要性能指標(biāo)如下：

　　·存儲單元陣列為（8M+256K）×8bit；數(shù)據(jù)寄存器（512+16）×8bit

　　·頁寫入為（512+16）Byte；塊擦除為（8K+256）Byte

　　·命令/地址/數(shù)據(jù)復(fù)用I/O端口

　　·可靠的CMOS Floating-Gate技術(shù)，耐受一百萬次寫入/擦除，數(shù)據(jù)維持時間為10年

　　·命令寄存器操作

　　2.4 其它器件

　　本系統(tǒng)還采用了Analog Devices公司的Codec(A/D、D/A變換器)AD73311L，SST的FLASH存儲器SST29LE010（128K×8bit）存儲DSP程序及運算數(shù)據(jù)。

　　3 系統(tǒng)內(nèi)主要芯片的互連互控

　　3.1 MCU與DSP

　　MCU與DSP采用串行口相連，傳送MCU對DSP的命令字與DSP對于MCU的反饋字。DSP串口1用于語音輸入和輸出，串口2用于與MCU相連。由于DSP的串口收發(fā)方式與MCU的串口不一致，所以MCU用I/O口模擬串口與DSP相連。為了保證數(shù)據(jù)傳送的穩(wěn)定性，MCU采用中斷方式接收。每次數(shù)據(jù)傳送一般不止一個字節(jié)，所以采用打包方式傳送。

　　3.2 DSP與數(shù)據(jù)FLASH存儲器

　　DSP與數(shù)據(jù)存儲器的接口如圖2所示。DSP的數(shù)據(jù)總線中的8位連到FLASH存儲器的總線上；用DSP的讀寫控制線WR和RD控制FLASH芯片的讀寫；用DSP的I/O口FL0控制FLASH存貯器的CE（片選）端，以保證DSP在進行其它總線操作時不會對該FLASH芯片產(chǎn)生誤操作；用DSP的另一個I/O口PF3連到FLASH芯片的“忙/閑”信號線上，監(jiān)視其工作狀態(tài)；分別把兩個地址線A8和A9連到FLASH芯片的兩個鎖存控制CLE和ALE上，以便控制總線的狀態(tài)。

　　3.3 DSP與程序FLASH存儲器

　　ADSP2185的Byte存儲區(qū)是一個8位寬的外部雙向存儲空間，可用于存儲程序與數(shù)據(jù)。整個Byte存儲區(qū)的4Mbyte的存儲空間由256個16K×8的頁面組成。Byte存儲區(qū)只能通過BDMA方式進行訪問。在使用BDMA方式工作時用A0～A13作為低端地址，用D16～D18作為擴展的高端地址，聯(lián)合使用實現(xiàn)4Mbyte的外部尋址能力。D8～D15作為數(shù)據(jù)總線，BMS、RD、WR分別用于控制存儲器的片選以及讀寫操作信號。DSP與程序FLASH存儲器的接口如圖3所示。

　　值得提出的是，ADSP2185的開發(fā)系統(tǒng)提供了“重載”功能的支持。其基本思路是，當(dāng)片內(nèi)RAM（程序RAM或數(shù)據(jù)RAM）不夠用時，可以由主程序?qū)⑺枳映绦騽討B(tài)調(diào)入。子程序在程序FLASH存貯器中，在需要運行時才將其調(diào)入DSP的RAM區(qū)。這樣就相當(dāng)于用軟件調(diào)入方法擴大了DSP的RAM區(qū)。這一性能為本系統(tǒng)的設(shè)計提供了方便，這是因為語音識別和編解碼程序都較長，不可能同時裝入DSP的RAM區(qū)。因此，系統(tǒng)軟件設(shè)計中必須利用這一點進行程序動態(tài)輸入。

　　4 系統(tǒng)軟件設(shè)計

　　本系統(tǒng)采用動態(tài)程序調(diào)入的辦法擴充可利用硬件資源，在一個芯片上實現(xiàn)了幾個復(fù)雜算法的協(xié)同工作；在程序結(jié)構(gòu)上，采用了C語言和匯編語言混合編程，充分利用了DSP的運算速度，并兼顧了程序的靈活性；軟件系統(tǒng)采用清晰的層次結(jié)構(gòu)和明確的模塊劃分，便于局部修改和升級；系統(tǒng)還根據(jù)不同功能所規(guī)定的各種參數(shù)的組合和從屬關(guān)系精心設(shè)計了存儲器的數(shù)據(jù)存儲結(jié)構(gòu)，并將數(shù)據(jù)存儲、刪除、查找等程序模塊做了合理的封裝，供上層程序調(diào)用。

　　4.1 系統(tǒng)軟件模塊的構(gòu)成

　　系統(tǒng)的軟件設(shè)計包含MCU軟件設(shè)計和DSP軟件設(shè)計兩部分。MCU軟件主要是時鐘日歷、電源監(jiān)測控制、科學(xué)計算、鍵盤掃描、LCD顯示驅(qū)動、與DSP通信等程序，如圖4所示。

　　DSP的軟件，主要包含五大功能模塊：系統(tǒng)基本IO、FALSH管理、語音、G.723.1編碼、G.723譯碼，如圖5所示。分為6層，上面3層是C語言編寫，用以增強程序的靈活性；下面3層用匯編語言編寫，主要是算法、系統(tǒng)設(shè)置和外圍器件控制。

　　5 應(yīng)用前景

　　我們研制成功的聲控電子記事本系統(tǒng)，是未來SPDA（Speech Personal Digital Assistant：語音個人數(shù)字助理）的雛型。它集成了語音識別、語音壓縮編解碼、語音信號處理器DSP和大容量FLASH存儲器的數(shù)據(jù)管理等技術(shù)，該系統(tǒng)所運用的技術(shù)可應(yīng)用于語音撥號電話機、語音撥號+語音錄音電話機、電話機伴侶（語音撥號、報號、答錄）、PDA、隨聲聽、語音玩具、聲紋鎖、語音門戶等。