一种适用于直升机强旋翼噪声环境的话音处理系统研究与实现

李声飞

摘  要： 为了解决直升机平台强旋翼噪声对飞行员通话干扰问题，设计一种基于Xilinx ZYNQ??7000平台的话音处理系统。该系统由模拟音频处理单元和数字音频处理单元组成，模拟音频单元完成飞行员模拟话音信号的匹配、滤波、预处理和A/D变换，数字音频处理单元利用ZYNQ平台强大的综合处理能力，完成数字话音信号的协议解析和混音控制，并针对直升机舱内噪音的特点，设计一套适用于直升机强噪声平台的话音处理算法。最后通过外场飞行试验表明，该系统能够有效抑制直升机驾驶舱内通话噪声，增强语音信号，提高飞行员通话的可听可懂度和舒适度。

关键词： 直升机; 强旋翼噪声; 话音处理系统; 数字话音信号; ZYNQ平台; 噪声抑制

中图分类号： TN914?34                         文献标识码： A                      文章编号： 1004?373X（2019）10?0124?04

Research and implementation of a voice processing system suitable for

strong rotor noise environment of helicopter

LI Shengfei

（The Tenth Research Institute of China Electronic Technology Group Corporation， Chengdu 610000， China）

Abstract： A voice processing system based on the Xilinx ZYNQ??7000 platform is designed to solve the interference problem of the helicopter platform′s strong rotor noises to pilots′ voices. The system is composed of the analog audio processing unit and digital audio processing unit. The analog audio processing unit is used to complete the matching， filtering， preprocessing and AD transformation of analog voice signals of the pilot. The digital audio processing unit is used to complete the protocol analysis and mixed voice control of the digital voice signals in virtue of the strong and comprehensive processing ability of the ZYNQ platform. In allusion to the characteristics of the cabin noises in helicopter， an audio processing algorithm suitable for the strong noise platform of the helicopter is designed. The results of the outfield flight test show that the system can effectively suppress the voice noises in the cockpit of helicopter， enhance voice signals， and improve the intelligibility and comfortability of pilots′ voices.

Keywords： helicopter; strong rotor noise; voice processing system; digital voice signal; ZYNQ platform; noise suppression

0  引  言

直升機具有独特的飞行能力，在现代军事、反恐演习和国民经济等场合起到了不可替代的作用。由于直升机特殊的构造，在飞行时旋翼尾桨高速旋转，桨平面对周围空气形成周期性的压力而产生巨大的机械噪声[1]。如果不进行降噪处理，这些环境噪声将通过驾驶舱内的飞行员话筒进入机载音频设备，对飞行员的正常通话产生巨大干扰，严重时噪声会完全淹没正常的话音信号，从而威胁到飞行安全和指挥控制[2]，因此研究降噪技术对直升机的飞行安全有至关重要的作用。针对直升机平台的特殊应用场景，提出一种抗强干扰的数字话音处理系统。该系统运用数字音频处理技术，对飞行员带噪话音信号进行滤波、放大和预处理，将模拟话音信号转换为数字信号;后端通过数字音频处理算法对带噪数字信号进行噪声抑制、语音增强等处理，有效地抑制环境噪声，提高了飞行员通话的可听可懂度[3]，减小了话音延迟。

1  原理描述

为了更有效地抑制直升机舱内噪声，首先应对驾驶舱内噪声源进行分析。噪声来源如图1所示。

图1  直升机舱内噪声来源

从图1可看出，直升机舱内噪声主要来源于旋翼噪声、尾桨噪声、齿轮箱机械噪声和发动机压缩噪声等[4]。进一步对直升机噪声进行量化分析，在外场直升机飞行噪声试验过程中实录了一段直升机舱内环境噪声，对其进行功率谱分析如图2所示。

图2  直升机噪声功率谱

从图2可知，直升机噪声能量主要集中在0～500 Hz频段内的旋翼尾桨噪声，在0～500 Hz内的噪声能量分布不均匀，可看出在低频段（0～150 Hz）内噪声能量较大，高频段（150～500 Hz）噪声能量相对较小，且由于直升机旋翼周期旋转使得噪声在某些频点上特别突出，实测的噪声分析结果与理论分析一致。

针对直升机噪声频段低、信噪比小等特点，传统的话音检测算法不能准确地分辨出话音信号，提出一种基于短时能量和过零率相结合的方法，能够有效提高话音判定的准确率。检测算法原理是，噪声与语音归一化自相关函数中极大值（即能量）的概率分布不同，利用这种能量分布不同的特点，可对浊音及非浊音（包括清音和噪声）进行判定[5]。话音信号具有短时平稳性，通常认为10～30 ms的时间范围内话音信号是准稳态过程，利用短时能量对话音信号进行激活检测，假定第w帧话音信号[Sw（n）]的短时能量为[Ew]。短时能量的计算式公式为：

[Ew=n=1NS2w（n）]       （1）

设定阈值Y，当计算的短时能量[EwY]时，判断为话音。这种方法在信噪比高的环境下对话音识别准确性高，但在直升机强噪声环境下，短时能量方法检测结果误差较高，需要结合其他方法综合判定。本文采用基于过零率和短时能量相结合的话音端点检测算法，语音信号短时过零率[6][（ZCR）]定义为：

[ZCR=12i=0N-1sgnx（i）-sgnx（i-1）]   （2）

式中，sgn[·] 表示符号函数，即

[sgn[x]=1，x≥0-1，x<0] （3）

通过统计分析，噪声的过零率比信号的过零率大，当[ZCR]小于设定阈值Z时，认为是话音信号，大于阈值时判定为噪声。

利用直升机环境噪声具有短时平稳性的特点，采用谱减法作为直升机平台自适应噪声抑制方法。谱减法原理[7]是，话音信号的短时幅度比短时相位更容易对人的听觉系统产生影响，用无话音时的噪声频谱代替有话音时的噪声频谱，再与含噪声的话音频谱相减，可得到话音信号的频谱估计值，从而达到消除噪声的目的。假设带噪话音信号模型为：

[y（t）=s（t）+n（t）] （4）

式中：[y（t）]是带噪话音;[s（t）]是纯净话音;[n（t）]是噪声信号。对式（4）进行傅里叶变换，得：

[Y（k）=S（k）+N（k）] （5）

忽略纯净话音和噪声之间的相位差异，即话音和噪声是独立不相关的，可以近似推算出：

[Y（k）2=S（k）2+N（k）2] （6）

利用人耳对话音相位不敏感特征，在式（6）中从带噪话音幅度谱中减去噪声的幅度谱，就得到了原始话音的幅度谱：

[S（k）=Y（k）2-EN（k）212] （7）

式中：[EN（k）2]为无语音时噪声谱的统计平均值;[Y（k）]为带噪话音谱;[N（k）]为噪声谱。

2  系统架构

数字话音处理系统原理框图如图3所示。

该系统包括模拟音频处理、数字音频处理两部分。其中模拟音频部分完成输入模拟音频信号的采集和放大，模拟音频信号经A/D转换，把转换后的数字信号送入数字音频处理部分。为了消除回声干扰抑制啸叫，首先将数字音频信号与自适应回声抵消模块输出的信号进行混音，混音后的信号送话音端点检测模块，进行有无话音判决。当发现有话音时，分别将话音信号送入自适应噪声抑制模块、自动增益控制模块进行噪声抑制和话音增强等处理。当发现无噪声时，送入舒适背景噪声产生模块生成白噪声，输出端对白噪声和处理后的话音信号进行混音、加权等处理。处理后的数字话音信号经过输出音频接口模块进行D/A转换、放大等处理，驱动耳机、扩声器等音频设备。

3  硬件电路设计

数字话音处理系统硬件框图如图4所示。其中模拟音频接口包括输入音频匹配单元、A/D?D/A转换单元和输出音频接口单元，完成输入模拟信号的阻抗匹配、A/D转换、滤波，将模拟音频信号转换为数字信号;同时将处理完后的数字信号进行D/A转换、输出放大和匹配，驱动耳机等音频设备。

图4  数字话音处理系统硬件框图

数字音频处理部分采用ZYNQ?7000架构，实现数字信号算法处理、A/D接口转换、数据储存等数字电路功能。其中，供电单元完成模块所需电压的生成;时钟单元为模块提供时钟驱动;ZYNQ單元的ARM处理器完成数字音频处理算法的嵌入式实现;DDR存储器部分作为ARM的数据缓存区;FLASH部分用于储存ARM程序、告警音频数据及其余控制信息;ZYNQ单元的FPGA部分为模块提供可扩展性，主要完成话音通道控制、A/D控制、协议转换、数据缓存、外围控制信号生成、模块时钟分发等功能;FPGA外部扩展一块BPI FLASH，用作固化代码的存储和加载。

4  软件处理流程

数字话音处理系统流程包括模拟话音处理流程和数字话音处理流程。模拟话音处理流程如图5a）所示。对模拟话音信号进行信号匹配、A/D采样，将模拟话音转换为数字话音，送入数字话音处理系统进行数字化处理。对经过数字系统处理后的话音信号进行增益控制、D/A变换、混音输出和匹配切换，将模拟音频信号调节到合适的强度后驱动话筒耳机等音响设备。

数字话音处理流程如图5b）所示。首先在DSP运行上电初始化程序，对A/D芯片、FLASH存储器和DDR控制器等硬件资源进行配置，同时启动中断函数监听是否收到FPGA缓存中断;当检测到有缓存中断时调用中断服务函数，中断函数每次读取FIFO内8 ms时长的话音数据;同时为了满足话音信号准平稳特征，需要将本次8 ms时长数据和前2次（共计16 ms）数据组帧，构造出24 ms的短时平稳话音数据，选择汉明窗对该数据进行加窗操作，可将连续的话音信号变换成分段话音信号便于后端处理。加窗后的信号送到话音有无检测模块进行判决，当检测到无话音时送入舒适噪声产生模块，重构背景噪声后输出;当检测到有噪声时依次送入自适应噪声抑制和自动增益控制模块，进行降噪和增强处理，从而压缩信号的动态范围和平滑背景噪声。把经上述流程处理后的音频信号送入音频输出模块。

图5  话音处理软件流程图

5  试验验证

搭建图6所示的话音处理系统验证环境[8]，验证数字话音系统的性能。

图6  系统环境试验图

在外场直升机飞行噪声试验中实录一段信噪比为5 dB的话音信号作为测试激励[9]信号，该信号是直升机旋翼噪声和机载无线电设备叠加的带噪话音段，代表着一种典型 [10]的直升机座舱话音信号。将该激励信号输入到话音处理系统进行处理，并对处理前后波形对比分析，如图7所示。

图7  数字话音处理降噪效果对比图

图7a）为输入信噪比为5 dB的带噪话音段，图7b）为处理后音频信号。通过对比可看出，输入的话音信号带有强噪声，经过数字话音系统处理后，该话音信号的有音/无音段被准确地分辨出来，无音段信号的噪声被有效抑制，有音段的话音信号被合理增强;同时该系统能精确地控制增益衰减，达到了压缩信号的动态范围和平滑背景噪声的目的。

6  结  论

本文设计一种基于Xilinx公司ZYNQ??7000架构的数字话音处理系统。系统核心软件驻留在ZYNQ?7000处理器中，在PL逻辑处理单元完成A/D控制、协议解析和数据缓冲，在PS内嵌双核ARM? CortexTM?A9处理器，完成音频处理算法的嵌入式实现。通过搭建仿真平台验证系统功能，该系统能够有效抑制直升机飞行时旋翼、尾桨等环境噪声，提高了飞行员通话的可听可懂度和舒适度，且具有小型化、通用化等优点，可推广应用于航空、船舶[11]等领域。

参考文献

[1] 徐国华，史勇杰，招启军，等.直升机旋翼气动噪声的研究新进展[J].航空学报，2017，38（7）：23?38.

XU Guohua， SHI Yongjie， ZHAO Qijun， et al. New developments in researches on helicopter rotor aerodynamic noise [J]. Acta aeronautica et astronautica sinica， 2017， 38（7）： 23?38.

[2] 王春辉，王华明，欧飞.螺旋桨飞机舱内噪声特性分析[J].大众科技，2014，16（11）：90?92.

WANG Chunhui， WANG Huaming， OU Fei. Analysis on the cabin noise of propeller plane [J]. Popular science & technology， 2014， 16（11）： 90?92.

[3] 陈亚繁，许勇，杨军.单通道语音增强对低信噪比汉语可懂度的影响[J].电声技术，2016，40（10）：49?52.

CHEN Yafan， XU Yong， YANG Jun. Comparative study about effect of single?channel speech enhancement algorithms on Chinese intelligibility at low signal?to?noise ratios [J]. Audio engineering， 2016， 40（10）： 49?52.

[4] 刘国强，董明明，秦浩.直升机振动和噪声联合环境对人体的影响[J].航空科学技术，2016，27（11）：30?33.

LIU Guoqiang， DONG Mingming， QIN Hao. The effects of helicopter noise and vibration joint environment on the human body [J]. Aeronautical science and technology， 2016， 27（11）： 30?33.

[5] 董胡.倒谱距离和短时能量的语音端点检测方法研究[J].计算机技术与发展，2014，24（7）：77?79.

DONG Hu. Study on speech endpoint detection based on cepstrum distance and short?time energy[J]. Computer technology and development， 2014， 24（7）： 77?79.

[6] 纪振发，杨晖，李然，等.基于短时自相关及过零率的语音端点检测算法[J].电子科技，2016，29（9）：52?55.

JI Zhenfa， YANG Hui， LI Ran， et al. Speech endpoint detection algorithm based on short time autocorrelation and short?time zero crossing rate [J]. Electronic science and technology， 2016， 29（9）： 52?55.

[7] UPADHYAY N， KARMAKAR A. An improved multi?band spectral subtraction algorithm for enhancing speech in various noise environments [J]. Procedia engineering， 2013， 64： 312?321.

[8] 章圣焰，崔明明.一种机载语音信号捕获方法设计与实现[J].航空电子技术，2017，48（1）：52?56.

ZHANG Shengyan， CUI Mingming. A design and implementation method for airborne audio signal capture [J]. Avionics technology， 2017， 48（1）： 52?56.

[9] RIBEIRO F， FLOR?NCIO D， ZHANG C， et al. CROWDMOS： an approach for crowdsourcing mean opinion score studies [C]// Proceedings of IEEE International Conference on Acoustics， Speech and Signal Processing. Prague： IEEE， 2011： 2416?2419.

[10] SLAVATA O， HOLUB J. Evaluation of objective speech transmission quality measurements in packet?based networks [J]. Computer standards & interfaces， 2014， 36（3）： 626?630.

[11] YANG G， SHIPYARD Q Q. Prediction of cabin noise based on grey system theory and reduction technology research [J]. Ship engineering， 2014（S1）： 249?251.