一种低速率语音编解码系统设计

朱敏杰， 王 海， 梁 伟

(绍兴文理学院 数理信息学院， 浙江 绍兴 312000)

0 引 言

语音传输是目前最主要最普遍的通信传输服务，考虑到存储空间、信道带宽的限制及扩大通信容量的需求，可利用低速率编码技术对语音信号进行压缩编码。此类低速语音编码技术在军事和航天领域有广阔的应用空间[1-2]。目前常用的低速率语音编解码系统一般以CPU和音频codec芯片为核心构成，CPU根据语音编解码算法编程，传输语音数据，音频codec芯片用于实现语音数据采集和回放。这种方案编程复杂、保密性差、成本高，难以扩展，而且编码速率低于2.4 Kbps的应用方案不多[3]。本文采用低速率语音编解码专用芯片TR600和STM32微控制器，完成一种低速率语音编解码系统设计，编码速率可选择0.6、0.8、1.2或2.4 Kb/s，经实践检验，系统稳定可靠。

1 系统结构

低速率语音编解码系统由信道管理器STM32微控制器、语音编解码专用芯片TR600[4]、音频codec芯片TLV320AIC10及外围电路构成，如图1所示。

图1 系统结构框图

系统管理器选用ARM cortex-M3内核STM32F103芯片，主频72 MHz，字长32 位，片内存储器容量大，片上外设丰富，开发工具完备，是8 位及16 位微控制器的理想替代产品[5-6]。在本设计中，主要负责通信信道的管理。TR600采用清华大学微波和数字通信国家重点实验室研制的SELP (Sine Excitation Linear Prediction )声码器算法，在此基础上，引入了多帧参数联合矢量量化方法，压缩帧间冗余，在0.6 Kb/s的极低编码速率下，重建语音DRT测试评分>89%[7-9]。

麦克风采集的语音信号通过TLV320AIC10进行A/D转换，由TR600进行量化压缩后通过RS232接口传送给STM32，再由STM32传送到通信网络。还可将来自通信网络的压缩语音数据传送给TR600解码，通过TLV320AIC10的D/A转换实现语音重建。

2 系统硬件设计

系统硬件电路主要由信道接口电路，语音采集、回放电路，电源电路，CPU主控电路组成。其中CPU主控电路主要由JTAG下载、晶振、按键及LCD显示、EEPROM组成，本文不再展开。

2.1 信道接口电路设计

信道接口包括系统管理器、音频codec芯片及编解码器的接口电路设计，如图2所示。TLV320AIC10的M/S引脚置高，M0、M1、FC引脚接地，配置成主模式，FS同步信号由TLV320AIC10产生，脉冲方式，次级通信不选择[10]。TR600芯片DATAIO_SEL引脚接地，表示使用控制接口对TLV320AIC10执行初始化，即通过SDIN信号对DCSI控制接口写初始化命令。FS为帧同步信号，接TR600的串行数据输入输出同步信号LRCIN和LRCOUT，DIN、DOUT、SCLK为串行通信数据线和时钟线，用于发送、接收16 bit串行数字音频数据，与TR600的相应引脚相连。PCMCTRL_CLKSE引脚接地，表示TLV320AIC10、TR600的数据接口和控制接口都使用的SCLK作为时钟信号。TR600可用RS232串口与系统管理器STM32F103通信，考虑到STM32F103没有DTR和DSR信号线，选择其GPIO口PC4、PC5用软件模拟实现，STM32F103预留USART2接口用于系统与上位机或网络通信。

2.2 语音采集、回放电路设计

系统语音由TLV320AIC10采集，语音采集电路设计成反向模式。语音回放电路采用低压音频放大器LM386，电路设计成200倍增益模式，LM386可采用+5 V供电，典型功耗325 mW，可接8Ω喇叭或电话听筒。语音采集、回放电路如图3所示。

图2 信道接口电路

图3 语音采集、回放电路

2.3 电源电路设计

系统中需要模拟3.3 V和数字3.3 V两路电源，语音回放需要5 V电源。系统采用LM2575-5.0[11]开关稳压器将来自于变压器端的9 V直流稳压为5 V，最大1 A直流输出。5 V电压可直接供给语音回放电路的功放使用，另经低压差稳压器(LDO)LM1117-3.3[12]稳压为3.3 V，最大800 mA直流输出。

图4 电源电路

3.3 V电压分成模拟电源和数字电源，其中模拟部分给TLV320AIC10和TR600的模拟电路供电，数字部分给包括系统管理器STM32F103在内的数字部分供电。电源电路如图4所示。其中D1为稳压二极管，L2和C3构成输出纹波滤波器，提高输出直流5 V的电源质量，R2为短路电阻，用于连接数字地和模拟地。计算系统主要芯片功耗，此电源电路可满足要求。

3 系统软件设计

系统软件主要完成系统初始化、系统启动、运行控制等工作。软件编译利用意法半导体(STM)提供的固件库软件包，在Keil uVision风格的MDK环境下采用C语言完成开发[13-14]。

3.1 信道时序分析

系统工作时，TLV320AIC10的采样速率F=FMCLK/256N，其中N由TLV320AIC10的控制寄存器R2的低5 bit决定。TR600已内置对TLV320AIC10的初始化数据，将在TR600启动后随即初始化TLV320AIC10，将TLV320AIC10的控制寄存器R2低5 bit修改为“01000”，即N=8，当FMCLK选用外接有源晶振16.384 MHz时，对应的采样速率为8 kHz。

TR600在四种速率下的数据帧压缩见下表1所示。以0.6 Kbps编码速率为例，TLV320AIC10采集的8 kHz、16 bit语音数据传送给TR600，TR600将每600个采样点数据经预测分析后量化编码为45 bit的语音帧，每隔75 ms以9.6 Kb/s的速率向串口发送，TR600发送的语音编码帧以“0X9C”开头，后面45 bit语音帧分为6 Byte，最低字节高5 bit有效。TR600由串口接收的待解码语音帧以“0X80”开头。TR600与系统管理器之间的串行通信由CTS、RTS、DTR、DSR等信号同步，可保证通信的可靠性。

表1 不同速率数据帧压缩对比

图5 系统软件流程图

3.2 系统软件流程

系统软件流程如图5所示。系统上电后，STM32F103最小系统自检，读取EEPROM系统参数，包括系统模式，自环延时时间等，可由按键修改系统参数，并实时存入EEPROM，由按键确认系统开始工作。系统工作模式分为自环、发送、接收三种。自环模式即麦克风采集的语音能在设定的延时时间后在喇叭端重建；发送模式能将压缩语音数据传送到通信网络；而接收模式则将来自于通信网络的压缩语音数据传送到喇叭端重建。自环模式下，STM32F103首先对TR600进行复位及软件启动，并开启USART1中断，TR600正常启动后，会利用其中固化程序对TLV320AIC10初始化。TLV320AIC10以8 kHz、16 bit对语音信号进行采样量化，传送给TR600，TR600通过串口传送给STM32F103的USART1，USART1接收中断服务程序将语音数据以照移位寄存方式放入缓冲区中，待自环延时结束后，修改语音帧头，并发送回TR600，即可听到延时后的连续语音。发送和接收模式的编程思想与自环模式基本一致，本文不再展开。

4 系统实验测试

在实验室对系统进行测试，系统如图6所示。工作在0.6 Kb/s编码速率，自环模式下，延时6 s，把成年男性声音“绍兴文理学院”录制成WAV语音文件，采用praat语音软件[15]分析语音时域波形图和窄带语谱图，如图7所示，前6 s语音为测试人声音，后6 s语音是TR600通过语音压缩编码、自环解码重建的效果。比较发现，在频谱图中重建语音与原始语音的频谱结构差别较小；在时域波形图中略有区别。主观听觉测试表明重建语音具有较高可懂度、清晰度以及一定的自然度。

图6 系统实物测试图

图7 测试语音时域频域图

[1] 丛 键, 张知易.一种600bps极低速率语音编码算法[J].电子与信息学报,2007.29(2):429-433.

CONG Jian, ZHANG Zhi-yi. A Very Low Bit Rate Speech Encoding Algorithm in 600bps[J].Journal of Electronics & Information Technology, 2007.29(2):429-433.

[2] 吴江滨, 丛 键.一种600b/s声码器及其与典型中低速语音编码器的音质对比[J].中国电子科学研究院学报,2007,2(1):93-96

WU Jiang-bin, CONG Jian. A 600 bps Vocoder and Voice Quality Evaluation Compared with Some Typical Middle and Low Bit Rate Vocoders[J]. Journal of CAEIT, 2007,2(1):93-96.

[3] 韩大晗, 崔慧娟, 唐 昆.一款专用可编程语音压缩芯片的设计[J].电子技术应用,2006(9):137-140.

HAN Da-han, CUI Hui-juan, TANG kun. Design of programmable chip for speech compression[J]. Application of Electronic Technique,2006(9):137-140.

[4] 多思集团.TR600语音编解码芯片白皮书[EB/OL].2012.11.

[2013.4].http://www.t-macro.com/products.aspx?FCateID=107&CateID=184.

[5] Joseph Yiu. ARM Cortex-M3权威指南[M].宋岩译.北京:北京航空航天大学出版社,2009.

[6] 李 宁.基于MDK的STM32处理器开发应用[M].北京:北京航空航天大学出版社,2008.

[7] 郭 莉, 郭丽红, 王炳锡. 极低速率语音编码的新发展与应用[J].电声技术,2005(6):38-41.

GUO Li, GUO Li-hong, WANG Bing-xi, New Development and Application of Very Low Bit Rate Speech Coding[J].Voice technology,2005(6):38-41.

[8] 计 哲, 李 晔, 崔慧娟. SELP 2.4 kb/s语音编码算法跳跃帧判决及处理[J].清华大学学报(自然科学版), 2009, 49(8):1152-1155.

JI Zhe, LI Ye, CUI Hui-juan. Leaping frame detection and processing with a 2. 4 kb/s SELP vocoder[J]. J Tsinghua Univ (Sci & Tech), 2009, 49(8):1152-1155.

[9] 张建伟, 贺天宏, 李军林.高质量的0.6kb/s声码器算法[J].清华大学学报(自然科学版), 2003,43(4):449-452.

ZHANG Jian-wei, HE Tian-hong, LI Jun-lin. High quality 0.6 kb/s speech coding algorithm[J]. J Tsinghua Univ (Sci & Tech), 2003,43(4):449-452.

[10] Texas Instruments. TLV320AIC10 datasheet [EB/OL].2000[2013.2]http://www.21icsearch.com/pdf-49BDA84ABD1C6417/TLV320AIC10.html,2000/2013-02-02.

[11] Texas Instruments.LM2575 datasheet [EB/OL]2005[2013.4]. http://www.21icsearch.com/pdf-DA3C53A4A17E8D48/LM2575.html.

[12] National Semiconductor. LM1117 datasheet [EB/OL]2005[2013.4].http://www.21icsearch.com/s_LM1117.html?stype=pdf&t1=&keyword=LM1117.

[13] 王永虹.STM32系列ARM Cortex-M3微控制器原理与实践[M].北京:北京航空航天大学出版社,2008.

[14] 崔 鸣, 尚 丽, 颜廷秦.基于ARM的帆板控制系统设计与实验分析[J].实验室研究与探索,2012.31(9):57-62.

CUI Ming, SHANG Li, YAN Tin-qin. Design and Experimental Analysis of a Sailboard Control System Based on ARM[J]. Research and Exploration in Laboratory,2012.31(9):57-62.

[15] 张立华, 杨莹春. 情感语音变化规律的特征分析[J].清华大学学报 (自然科学版),2008.48(S1):652-657.

ZHANG Li-hua, YANG Ying-chun. Emotional speech characteristics[J]. J Tsing hua Univ (Sci & Tech), 2008.48(S1):652-657.