一種二／四線轉(zhuǎn)換話音檢測技術(shù)的設(shè)計(jì)＊

（中國船舶重工集團(tuán)公司第722研究所 武漢 430205）

1 引言

現(xiàn)在無線通信在軍事通信中的應(yīng)用越來越廣泛，但是由于帶寬等的限制，現(xiàn)在的無線網(wǎng)絡(luò)多是工作在半雙工的方式，需要使用人員通過PTT 來占用無線信道，并在使用后釋放信道；并且話音通信作為很重要的指揮手段現(xiàn)在還在廣泛地使用，但是受無線信道頻率的限制，無線話音傳輸距離一般距離不會(huì)太遠(yuǎn)，對于無線話音超遠(yuǎn)距離的傳輸可以利用現(xiàn)有的地面網(wǎng)絡(luò)（分組網(wǎng)或者電話網(wǎng)）來實(shí)現(xiàn)。

本設(shè)計(jì)主要解決半雙工PTT 四線話音接入到全雙工模擬兩線電話網(wǎng)，同時(shí)應(yīng)用VAD 在嘈雜的無規(guī)律的環(huán)境下實(shí)現(xiàn)話音的識(shí)別，通過VAD 模擬PTT 實(shí)現(xiàn)無線網(wǎng)絡(luò)半雙工PTT 四線話音接入全雙工的有線電話網(wǎng)絡(luò)，實(shí)現(xiàn)無線網(wǎng)絡(luò)遠(yuǎn)距離的擴(kuò)展應(yīng)用。

本文首先說明現(xiàn)在話音檢測技術(shù)的狀況，并分析了各種技術(shù)的優(yōu)缺點(diǎn)；介紹了實(shí)現(xiàn)半雙工PTT四線話音接入到全雙工模擬兩線電話網(wǎng)的方案和實(shí)現(xiàn)流程，并給出最終的試驗(yàn)結(jié)果。

2 VAD 技術(shù)簡介

話音激活檢測（Voice Activity Detection，VAD）技術(shù)主要實(shí)現(xiàn)對話音和靜音的分離處理；VAD 最先在話音插空技術(shù)（TASI）系統(tǒng)中得到了應(yīng)用；并在很多話音應(yīng)用環(huán)境比如話音識(shí)別、話音編碼、無線個(gè)人通信系統(tǒng)以及回波抵消中得到了應(yīng)用。VAD 技術(shù)經(jīng)過很多年的發(fā)展，技術(shù)已經(jīng)比較成熟，因此通過應(yīng)用VAD 技術(shù)實(shí)現(xiàn)全雙工的電話網(wǎng)和半雙工的無線話音網(wǎng)之間的對接就有了可行的技術(shù)基礎(chǔ)。

2.1 VAD 算法介紹

話音檢測在語音處理、語音編碼、語音插空和激活等方面有著十分重要的意義，其檢測方法較多，并且不斷發(fā)展出新方法，既有基于固定檢測條件的非自適應(yīng)檢測方法，又有基于語音與噪聲的統(tǒng)計(jì)信息的自適應(yīng)檢測方法。語音檢測的目的是把語音段和噪音段分開，識(shí)別出有用的話音信息。話音激活檢測對于語音識(shí)別，特別是噪聲環(huán)境下的語音識(shí)別很重要。話音識(shí)別主要依賴于此話音檢測的可靠性，如果語音被判為噪音，會(huì)使識(shí)別刪除錯(cuò)誤增加，而且還可能丟失重要的信息；而噪聲被判為語音將會(huì)增加識(shí)別的錯(cuò)誤，極大地降低系統(tǒng)的整體性能。

噪聲中的語音檢測是一個(gè)比安靜環(huán)境下的語音檢測更復(fù)雜的問題。下面主要介紹較常用的信號(hào)能量檢測、信號(hào)短時(shí)過零率算法，并分析了各種算法的優(yōu)缺點(diǎn)，并針對實(shí)際情況進(jìn)行了選擇。

2.2 話音激活檢測算法原理

話音激活檢測利用話筒的指向性和噪聲源的遠(yuǎn)近，依據(jù)信號(hào)能量大小和信號(hào)能量軌跡變化進(jìn)行判決，并進(jìn)行拖尾和前端保護(hù)［5］。

首先，對初始多幀信號(hào)能量統(tǒng)計(jì)噪聲大小。

然后，對輸入信號(hào)計(jì)算能量，并存入連續(xù)多幀信號(hào)能量緩沖。

再次，計(jì)算多幀能量峰值。要求峰值能量大于門限1，并處于上升趨勢條件下或者峰值能量大于門限2，認(rèn)為有話并更新門限。否則，認(rèn)為無話。在無話條件下，如果處于拖尾保護(hù)則繼續(xù)認(rèn)為有話，如果拖尾保護(hù)結(jié)束，輸出無話指示。

最后，在發(fā)送過程中采用隊(duì)列緩沖方式實(shí)現(xiàn)輸出前端保護(hù)。

2.3 信號(hào)能量檢測算法

信號(hào)能量（功率）檢測算法主要檢測大于一定門限值的短時(shí)功率是否持續(xù)了規(guī)定的時(shí)間。原則是當(dāng)輸入信號(hào)的功率超過閥值Vt持續(xù)約定時(shí)間Ct，則認(rèn)為是語音，否則為噪聲。約定時(shí)間Ct取值過大，則信號(hào)的時(shí)延相應(yīng)增加，過小則不會(huì)正確檢測，比如一些短時(shí)的爆炸聲、撞擊聲等后會(huì)引起誤操作。經(jīng)過反復(fù)試驗(yàn)證明Ct取20ms較為合適。同樣規(guī)定的閾值Vt也無法抵抗脈沖噪聲的干擾，因此采用自適應(yīng)以確定閾值。在輸入信號(hào)為0dBm／600歐姆，A／D 增益為3dB時(shí)通過無噪聲信號(hào)的檢測時(shí)相應(yīng)的閾值Vt。

試驗(yàn)證明：能量（功率）檢測算法由于工作于低信噪比條件下，有自適應(yīng)的檢測機(jī)制，但是由于語音的非平穩(wěn)性、時(shí)變的特性，對脈沖干擾仍然較敏感［6］。

2.4 信號(hào)短時(shí)過零率算法

話音信號(hào)的短時(shí)過零率是指單位時(shí)間內(nèi)信號(hào)波形穿過橫軸（零電平）的次數(shù)。量化后的語音是離散的時(shí)間序列，其過零是指序列取樣值符號(hào)改變，過零率則是指每個(gè)樣本改變符號(hào)的次數(shù)。語音中的濁音成分過零率較低，而清音由于類似于白噪聲，所以過零率較高［7～8］。但由于濁音是語音信號(hào)的主要成分，所以語音信號(hào)的短時(shí)過零率較低；噪聲的短時(shí)過零率較高，這主要是因?yàn)檎Z音信號(hào)的能量主要集中在較低的頻率范圍內(nèi)，而噪聲信號(hào)的能量主要集中在較高的頻段［9～10］。

試驗(yàn)證明當(dāng)樣本長度為20ms時(shí)，純語音信號(hào)的平均過零率為20～24；混有噪聲的語音信號(hào)的平均過零率為22～28；噪聲的平均過零率為30～40。短時(shí)過零率算法檢測濁音很有效，但會(huì)將清音誤判為白噪聲。

3 VAD 硬件電路的實(shí)現(xiàn)

3.1 VAD 實(shí)現(xiàn)硬件方案的選取

本方案在內(nèi)部處理上采用全數(shù)字化處理，即對內(nèi)部所有的語音電路傳輸、交換和處理均采用數(shù)字PCM 信號(hào)。本模塊實(shí)現(xiàn)的功能主要是：

完成有線話音檢測，提供控制無線終端設(shè)備所需PTT 信號(hào)。

對有線話音進(jìn)行適當(dāng)延時(shí)，消除VAD 帶來的話音前端剪音。

對有線話音回波抵消功能，防止回波引起VAD 誤動(dòng)作。

對無線話音流進(jìn)行檢測，為系統(tǒng)提供無線信道忙閑狀態(tài)監(jiān)視。

為了滿足上述功能，在硬件設(shè)計(jì)上可以有兩種方案：

1）采用專用回波抵消芯片加DSP 處理系統(tǒng)?；夭ǖ窒酒瓿苫夭ǖ窒δ?，防止話音的回波引起VAD 誤動(dòng)作。DSP 處理系統(tǒng)完成有線話音進(jìn)行檢測和有線話音的數(shù)字延時(shí)。

2）采用全DSP處理方案，即回波抵消芯、有線話音進(jìn)行檢測和有線話音的數(shù)字延時(shí)都由DSP處理系統(tǒng)完成。

第一種方案在硬件電路上要復(fù)雜一些，也可能引入多次語音信號(hào)的轉(zhuǎn)換，但是軟件實(shí)現(xiàn)相對簡單。為了減少電路的復(fù)雜性，提高系統(tǒng)的可維護(hù)性，決定采用第二種方案。硬件結(jié)構(gòu)如圖1所示。

3.2 VAD 模塊DSP的選型

與通用處理器（GPP）相比，DSP在硬件上具有獨(dú)特的結(jié)構(gòu)，如哈佛存儲(chǔ)器結(jié)構(gòu)、零開銷循環(huán)、對密集的乘法運(yùn)算的支持、定點(diǎn)計(jì)算、專門的尋址方式、執(zhí)行時(shí)間的預(yù)測、定點(diǎn)DSP 指令集。DSP 在話音應(yīng)用中的優(yōu)勢突出體現(xiàn)在以下幾方面：

圖1 VAD 模塊硬件結(jié)構(gòu)

DSP憑借其獨(dú)特結(jié)構(gòu)成為了語音等多媒體信號(hào)處理的最有效的引擎。ITU 制訂了許多語音壓縮標(biāo)準(zhǔn)，如G.728、G.723、AMR 等，它們都涉及到大量的乘加運(yùn)算，所有這些算法都是針對DSP 硬件結(jié)構(gòu)特點(diǎn)設(shè)計(jì)的。回波抵消中的許多技術(shù)實(shí)現(xiàn)如自適應(yīng)均衡也與DSP 的硬件結(jié)構(gòu)密不可分。DSP的可重復(fù)編程的特點(diǎn)可以使系統(tǒng)很方便地升級(jí)和拓展新的業(yè)務(wù)。另外，語音處理是一種實(shí)時(shí)業(yè)務(wù)，對時(shí)間要求極為嚴(yán)格，所以其運(yùn)算性能必須是可以預(yù)測的，這點(diǎn)也正是DSP 的強(qiáng)項(xiàng)。DSP 程序員能夠決定所使用的指令集，所以預(yù)測在DSP 上執(zhí)行代碼的時(shí)間就是一項(xiàng)相對來說比較簡單的工作。DSP沒有使用通用處理器中的分支預(yù)測和預(yù)測執(zhí)行概念，它以一種高效的方式執(zhí)行專用指令集來完成特定功能，而某些通用處理器的代碼可能會(huì)隨著分支運(yùn)算的不同而消耗不同數(shù)量的指令周期。因此對這種處理器來說，很難預(yù)測執(zhí)行某一特定運(yùn)算所花費(fèi)的時(shí)間。所以若采用通用處理器，信號(hào)處理的實(shí)時(shí)性很難得到保證。另外，若采用ASIC 或FPGA，雖然它們是一個(gè)硬連線結(jié)構(gòu)系統(tǒng)，處理時(shí)延很小，但它們通常只能用于完成特定的算法，這種系統(tǒng)只適合于實(shí)現(xiàn)功能固定和數(shù)據(jù)結(jié)構(gòu)明確的計(jì)算問題，不利于業(yè)務(wù)擴(kuò)展和性能的升級(jí)。

DSP的性能是決定語音質(zhì)量的關(guān)鍵因素，其成本在整個(gè)系統(tǒng)成本中占很大比重，如何選擇合適的DSP非常關(guān)鍵。在比較DSP的同時(shí)，要綜合考慮芯片的硬件性能、固件質(zhì)量、技術(shù)支持、開發(fā)難易程度等多種因素。根據(jù)本項(xiàng)目的實(shí)際情況以及所用的資源選用現(xiàn)在國內(nèi)較常用的TMS320VC5416DSP。

VAD 模塊采用的DSP TMS320VC5416PGE120，外部主頻20MHz，F(xiàn)LASH 選用SST39VF1601-70-4IEKE，容量2MB。FLASH 片選用DS，外加上拉電阻，F(xiàn)LASH 寫信號(hào)用R／W，讀信號(hào)用R／W 的非，因此在R／W 管腳外加了一個(gè)單非門SN74AHC1G04DBVR。HPI16、MP／MC、HIPENA 腳下拉到地。HRDY、HAS、HOLD、CLKMD1、CLKMD2、CLKMD3 上拉到＋3.3V。TMS320VC5416PGE120的I／O 電壓＋3.3V，內(nèi)核電壓＋1.6V，上電后從FLASH 啟動(dòng)。

當(dāng)二線電話側(cè)的用戶呼叫無線網(wǎng)絡(luò)用戶時(shí)，VAD 對二線電話接口發(fā)送話音流進(jìn)行語音檢測，提供無線端機(jī)側(cè)話音接口所需的PTT 信號(hào)，同時(shí)對二線話音接口發(fā)送話音流進(jìn)行數(shù)字處理，實(shí)現(xiàn)回波抵消功能，消除二線話音接口混合網(wǎng)絡(luò)引入的回波。為了消除VAD 模塊造成的剪音，VAD 模塊對二線話音接口發(fā)送的話音流進(jìn)行了500ms延時(shí)處理。

當(dāng)無線話音流下來時(shí)VAD 模塊對無線話音接口發(fā)送話音流進(jìn)行檢測，為系統(tǒng)提供無線話音信道忙閑狀態(tài)監(jiān)視。

VAD模塊對話音流進(jìn)行檢測，通過HD0輸出二線有線側(cè)話音檢測結(jié)果，HD1 輸出無線側(cè)話音的檢測結(jié)果。

4 VAD 實(shí)現(xiàn)流程

根據(jù)實(shí)現(xiàn)的功能要求，本文設(shè)計(jì)了兩套語音檢測軟件：一套是針對有線話音接口的有線語音檢測器，該檢測器基于Marcov算法，實(shí)行浮動(dòng)門限來跟蹤語音信號(hào)的變化。該檢測技術(shù)在信噪比為0dB時(shí)能夠進(jìn)行可靠的檢測，同時(shí)語音的自然度良好。另一套是針對無線話音接口的無線語音檢測器，基于自適應(yīng)線性預(yù)測算法設(shè)計(jì)。

圖2 VAD 軟件流程圖

兩種語音檢測的流程基本相似，圖2給出了具體的流程圖。由于C5416是定點(diǎn)DSP芯片，能量算法和自適應(yīng)線性預(yù)測算法的實(shí)現(xiàn)過程中都可能遇到溢出和32位除法問題。本文在程序中對算法作一些修改，得到了較好的語音檢測效果。

4.1 VAD 模塊中回波抵消的實(shí)現(xiàn)

由于有線電話通信采用二線接口，有線信號(hào)進(jìn)入傳輸設(shè)備需要進(jìn)行二／四線轉(zhuǎn)換，一般由混合網(wǎng)絡(luò)（或稱差分網(wǎng)絡(luò)）來實(shí)現(xiàn)?；旌暇W(wǎng)絡(luò)的平衡網(wǎng)絡(luò)阻抗不可能與負(fù)載阻抗完全匹配，不可避免會(huì)存在回波，從而影響語音檢測的可靠性。為了可靠地檢測有線用戶的話音，防止將遠(yuǎn)端話音在本地混合網(wǎng)絡(luò)的回波誤認(rèn)為有線用戶話音而引起誤動(dòng)作，造成無線端機(jī)在沒有真實(shí)激勵(lì)信號(hào)下發(fā)射，在混合網(wǎng)絡(luò)四線處設(shè)計(jì)一個(gè)自適應(yīng)濾波器，以模擬回波路徑，并復(fù)制回波進(jìn)行抵消。常規(guī)的差分網(wǎng)絡(luò)對端衰耗只能在10dB～20dB 左右，并隨線路長短的不同、導(dǎo)線種類及電話機(jī)的阻抗不同而變化?；夭ǖ窒δ苣軌?qū)⒒夭ㄒ种圃?0dB左右。原理如圖3所示。

圖3 回波抵消實(shí)現(xiàn)原理圖

濾波網(wǎng)絡(luò)具備自適應(yīng)性，即根據(jù)鏈路接續(xù)的狀態(tài)，智能地對差分網(wǎng)絡(luò)進(jìn)行調(diào)整。在研制過程中，吸收了先進(jìn)的DSP 技術(shù)，借助C5416數(shù)字信號(hào)處理芯片，采用快速自適應(yīng)算法實(shí)現(xiàn)了適合與本系統(tǒng)的自適應(yīng)差分網(wǎng)絡(luò)，即回波抵消器。

4.2 智能語音檢測的實(shí)現(xiàn)

有線話音的可靠檢測是實(shí)現(xiàn)單雙工轉(zhuǎn)換的關(guān)鍵。由于有線端到達(dá)控制器的話音隨線路和使用者的不同而有較大幅度的變化，同時(shí)還可能存在背景噪聲干擾，使用固定門限方式會(huì)引起話音檢測誤判。本方案采用浮動(dòng)門限的自適應(yīng)話音檢測方式，自動(dòng)調(diào)整話音判決門限。在實(shí)現(xiàn)過程中，通過DSP處理器對話音的能量和過零率進(jìn)行分析，采用Markov模型的多種平滑因子，自動(dòng)調(diào)整門限，進(jìn)一步改進(jìn)了語音判決，并能區(qū)別話音和噪聲。

VAD 算法主要是依據(jù)語音與噪聲的不同特性來進(jìn)行語音和噪聲的判決。檢測算法通常有能量、過零率、零能比、時(shí)域、頻域的基音檢測等，這些算法都是建立在相對比較理想的條件下，要求背景噪聲保持平穩(wěn)，信噪比較高。在實(shí)際野戰(zhàn)通信系統(tǒng)應(yīng)用中，這些條件很難得到滿足，尤其是在戰(zhàn)場環(huán)境下的通信，性能比較差。本模塊在常規(guī)話音檢測方案中，對語音進(jìn)行了一階馬爾可夫過程統(tǒng)計(jì)的建模工作，并對基于此模型的語音檢測方法進(jìn)行了多級(jí)系數(shù)平滑，使VAD 檢測門限可以根據(jù)通信環(huán)境進(jìn)行自動(dòng)調(diào)整，顯著地改進(jìn)了一般統(tǒng)計(jì)語音檢測方法的性能。

4.3 發(fā)話沖突

當(dāng)無線網(wǎng)為共享信道時(shí)，此時(shí)網(wǎng)內(nèi)已有話音，有線側(cè)發(fā)話則會(huì)導(dǎo)致輸出PTT 進(jìn)而搶占無線信道，就會(huì)出現(xiàn)發(fā)話沖突，進(jìn)而會(huì)導(dǎo)致網(wǎng)內(nèi)所有無線設(shè)備都無法進(jìn)行話音通信。

為解決此問題，本方案在無線四線話音接口對無線話音進(jìn)行語音激活檢測，為無線側(cè)的設(shè)備提供無線話音網(wǎng)通話狀態(tài)監(jiān)視。當(dāng)無線信道被其他無線設(shè)備占用時(shí)，則本設(shè)備不響應(yīng)有線信道發(fā)過來的發(fā)話請求。

4.4 消除剪音

由于語音檢測判決造成的時(shí)延，會(huì)使無線網(wǎng)內(nèi)用戶可能聽不到有線用戶開始講話的幾個(gè)音節(jié)（即前端剪音），降低轉(zhuǎn)接的通信效果。采用話音數(shù)據(jù)緩存法，對話音延時(shí)400ms～500ms，可以有效地消除前端剪音，提高通話質(zhì)量。

5 試驗(yàn)效果

5.1 語音激活檢測

通過可靠的語音激活檢測（VAD）確定有線信道有無話音，可以為系統(tǒng)模擬PTT 狀態(tài)（握鍵或釋放）提供依據(jù)。該技術(shù)的難點(diǎn)在于有背景噪音甚至強(qiáng)噪音環(huán)境下如何保證可靠的語音檢測，避免語音誤判。本設(shè)備采用基于DSP 的自適應(yīng)語音檢測技術(shù)，通過對話音的短時(shí)能量和過零率進(jìn)行分析，自動(dòng)調(diào)整門限并區(qū)別話音和噪聲，實(shí)現(xiàn)可靠的語音激活檢測。在模擬兩線接口輸入信噪比大于3dB 條件下，VAD 輸出可靠性大于95%。為避免話間短時(shí)停頓造成頻繁狀態(tài)切換，話音激活后保持時(shí)間控制在200ms左右。

5.2 回波抵消

由于實(shí)現(xiàn)二／四線變換的混合網(wǎng)絡(luò)阻抗不匹配在本地形成的回波干擾，有可能使語音檢測模塊將無線側(cè)的來話在混合網(wǎng)絡(luò)處產(chǎn)生的回波當(dāng)成是有線側(cè)用戶的話音，從而引起語音誤判，因此本方案在語音識(shí)別前要采用基于DSP的自適應(yīng)回波抵消技術(shù)減小回波干擾。回波抵消端損耗對單音信號(hào)的ERLR 大于40dB，對白噪聲的ERLR 大于30dB，滿足了VAD 要求。

5.3 消除剪音

由于語音檢測判決及PTT 握鍵等造成的時(shí)延，會(huì)使無線網(wǎng)內(nèi)用戶可能聽不到有線用戶開始講話的幾個(gè)音節(jié)（即前端剪音），降低轉(zhuǎn)接的通信效果。通過試驗(yàn)，實(shí)際系統(tǒng)中取400ms，可以有效地消除前端剪音，提高了通話質(zhì)量。

6 結(jié)語

本文對VAD 技術(shù)進(jìn)行說明，并對實(shí)現(xiàn)VAD的算法進(jìn)行了分析，并針對本項(xiàng)目的要求對方案進(jìn)行了優(yōu)化處理，最后針對該設(shè)計(jì)方案的關(guān)鍵技術(shù)進(jìn)行了試驗(yàn)分析，試驗(yàn)結(jié)果表明，使用該VAD 技術(shù)的技術(shù)方案完全可以滿足實(shí)際的需求。

［1］陳尚勤，羅乘烈，楊雪.近代語音識(shí)別［M］.成都：電子科技大學(xué)出版社，1991.

［2］胡廣書.數(shù)字信號(hào)處理—理論、算法與實(shí)現(xiàn)［M］.北京：清華大學(xué)出版社，1997.

［3］樣行峻，遲惠生.語音信號(hào)數(shù)字處理［M］.北京：電子工業(yè)出版社，1995.

［4］陳懷琛.數(shù)字信號(hào)處理教程-matlab釋義與實(shí)現(xiàn)［M］.北京：電子工業(yè)出版社，2004.

［5］J.Sohn，N.S.Kim，W.Sung.A statistical modelbased voice activity detection［J］.IEEE Signal Processing Letters，1999，16（1）：1-3.

［6］Sohn J，Sung W.A Voce Activity Detector Emplying Soft Decision Based Noise Spectrum Adaption［C］.IEEE International Conference on Acoustics，Speech and Signal Processing，1998，1（5）：365-368.

［7］L.R.Rabiner，M.R.Sambur.Voice-unvoiced-silence detection using the Itakura LPC distance measure［C］／／Proc.Int.Conf.Acoust.，Speech，Signal Processing，1997，5：323-326.

［8］K.Srinivasan，A.Gersho.Voice activity detection for cellular networks［C］／／Proc.IEEE Speech Coding Workshop，1993，10：85-86.

［9］H.Ozer，S.G.Tanyer.A geometric for voice activity detection in nonstationary Gaussian noise［C］／／Proc.EUSIPCO'98，Rhodes，Greece，1998，9.

［10］H.Ozer.Signal detection and estimation in onostationary background［D］.Ankara：Baskent University，1998：8.