dsp课程设计报告.docx
《dsp课程设计报告.docx》由会员分享，可在线阅读，更多相关《dsp课程设计报告.docx（34页珍藏版）》请在冰点文库上搜索。
dsp课程设计报告
DSP课程设计
实验报告
语音噪声滤波
院（系）：
电子信息工程学院
指导教师：
杨恒
小组成员：
郝嘉然08212005
王廓08283023
一、绪论……………………………………………………………1
二、设计任务书………………………………………………………………3
三、设计方案、算法原理说明……………………………………………4
四、程序设计、调试与结果分析…………………………………………15
五、感想…………………………………………17
六、附录源程序…………………………………………………20
七、参考文献………………………………………………………………34
七、……………………………………………………………16
一、绪论
随着语音技术研究的深入和实际应用的增多，各种语音处理系统都面临着进一步提
高性能的问题。
语音增强是其中的关键技术之一。
从20世纪60年代开始，对语音增强
的研究就一直没有停止。
20世纪70年代由于数字信号处理理论的成熟，加速了语音增
强技术的研究，使该技术走向成熟。
20世纪80年代以后，超大规模集成电路技术的发
展为语音增强的实时实现提供了可能。
语音增强即语音噪声处理的目的是从带有噪声的语音信号中提取纯净的原始语音。
但由于噪声信号都是随机产生的，完全消除噪声几乎不可能，因此实际语音增强的目的主要有：
改进语
音质量，消除背景噪声，使听者乐于接受，不感到疲倦，同时提高语音信号的可懂度，
方便听者理解。
语音增强不但与语音处理理论有关，而且涉及到人的听觉和语音学。
再者，噪声的
来源众多，应用场合不同，它们的特性也各不相同。
因此在不同的噪声场合中应采用不
同的语音增强方法。
语音噪声处理的应用背景
语音噪声处理技术是指当语音信号被各种各样的噪声（包括语音）干扰、甚至淹没后，从
噪声背景中提取、增强有用的语音信号，抑制、降低噪声干扰的技术。
语音增强技术无
论在日常生活中，还是在其它的领域，或者对语音信号处理技术本身来说都很有应用价
值。
在日常生活中，我们经常会遇到在噪声干扰下进行语音通信的问题。
如：
使用设置
在嘈杂的马路旁或市场内的公用电话，或在奔驰的汽车、火车里使用移动电话时，旁人
的喧闹声、汽车和火车的轰鸣声等背景噪声都会干扰语音通讯的质量。
对受话人来说，
收听夹杂着各种干扰噪声的语音，至少会引起听觉疲劳，严重一点就会错误地识别或根
本无法听清对方的语音。
对电话来说，干扰主要来自电话信道的回波干扰。
还有一种叫无线信道干扰，它来
自信道对外界干扰屏蔽能力的强弱。
比如雷雨天收听收音机，会听到阵阵噪声。
它是由
于雷电引起信道附近强电流的骤变，导致强大的电磁波串入信道，并传送到接受端而引
起的噪声干扰。
这些随机性的干扰也严重影响了语音的传输质量。
再有一类需要用到语音增强技术的方面就是处理旧的录音磁带。
由于早年录音技术
不完善，磁带质量不高，加上长久存放，使磁带发生霉变、机械损伤、磁粉脱落、磁化
等问题，使得重放语音产生噪声。
对于那些极具研究或收藏价值的宝贵录音资料来说，
语音增强技术是一个较好的恢复手段。
在通信过程中，语音质量的好坏显得格外重要。
如语音质量很差，接收方难以听清
对方的语音信息，轻者可能延误时间、贻误时机，重者可能错误地识别对方的语音，因
而错误地下达或执行命令，导致对工作造成不可估量的损失。
在机械制造领域，声音环
境一般都比较恶劣，除了各种机械内部产生的噪声，工作中还不时地充满了各种冲击性
噪声，使得工作者的语音经常被部分或全部淹没在一片强噪声中，即使花九牛二虎之力
也常常难以收听到对方准确可靠的语音信息。
因此，机械制造领域也迫切需要语音增强
技术。
随着现代科学的蓬勃发展，人类社会愈来愈显示出信息社会的特点。
通信或信息交
换已成为人类社会存在的必要条件，正如衣食住行对人类是必要的一样。
语音作为语言
的声学表现，是人类交流信息最自然、最有效、最方便的手段之一。
然而，人们在语音通信过程中不可避免地会受到来自周围环境和传输媒介引入的噪
声、通信设备内部电噪声、乃至其他讲话者的干扰。
这些干扰最终将使接收者接收到的
语音不再是纯净的原始语音，而是被噪声污染过的带有噪声的语音信号。
例如，汽车、
街道、机场中的电话，常受到强背景噪声的干扰，严重影响通话质量。
而环境噪声的污
染使得许多语音处理系统的性能急剧恶化。
例如，语音识别已取得重大进展，正步入使
用阶段。
但目语音识别系统大多都是在安静环境中工作的，在噪声环境中尤其是强噪
声环境，语音识别系统的识别率将受到严重影响。
在上述情况下，必须加入语音增强系统，或者抑制背景噪声，以提高语音通信质量，
或者作为预处理器，以提高语音处理系统的抗干扰能力，维持系统性能。
因此，语音增
强技术在实际中有重要价值。
目前，语音增强已在语音处理系统、通信技术、多媒体技
术、数字化家电等领域得到了越来越广泛的应用。
二、设计任务书：
1、设计背景：
语音通信的目的是传递声音信息。
位于甲地的通信者发出的声音经语音传感器变换成为电信号，经发送端设备变换为适合传输的形式，通过传输信道传输到乙地。
在乙地经接收端设备恢复出原来的语音信号，经耳机或者喇叭转换为接收者可以听到的声音信号。
这就是最基本的语音通信系统，但是由于周围环境的原因，我们采集到语音信号经常含有不同程度的噪声。
典型语音通信系统中的噪声来自三个方面：
①信号处理设备产生的电噪声及传输信道中的电噪声；②信号发送端空间环境中的音频噪声信号经麦克风变换为电信号之后，与有用信号其同传递到接收端；③信号接收端空间环境中的音频噪声对信号接收者的影响。
噪声是由于发生体作无规则振动产生的。
在很多情况下，环境中的背景噪声是通信系统中噪声干扰的主要来源。
当语音信号受到背景噪声干扰时语音通信质量变得不可接受，因此要对语音信号中的噪声滤除。
DSP利用直接存储器访问方式DMA（DirectMemoryAccess）采集数据时不打扰CPU，因此利用DMA方式工作时，CPU可以对语音信号进行实时地滤波。
本设计要求利用DSP的DMA方式进行信号采集和信号输出，对语音信号进行数字编码，滤波后进行解码。
2、设计要求及目标：
基本部分：
（1）对DMA进行初始化；
（2）对A/D、D/A进行初始化；
（3）编写DMA中断服务程序和滤波算法程序，实现语音信号的实时滤波；
发挥部分：
（1）使用DSP产生带回波的语音信号；
（2）利用自适应滤波实现语音信号的回波对消。
3、设计思路：
首先利用DSP的DMA方式对外部含噪声的语音信号进行实时采集，语音信号先经过A/D转换为数字信号，利用MCBSP的接收寄存器接收数据。
编写滤波算法程序，或调用DSPLIB中的滤波函数，对信号进行滤波。
滤波后的数据利用DMA方式送到D/A转换器转换为模拟信号。
4、要求完成的任务：
（1）编写C语言程序，并在CCS集成开发环境下调试通过；
（2）将包含噪声的语音信号进行滤波，从扬声器输出端口输出，比较滤波前后的信号的变化；
（3）按要求撰写设计报告。
三、设计方案、算法原理说明：
语音噪声滤波是个很宽泛的题目，虽然从老师给的要求来看，主要是想让我们熟悉CODEC、DMA和简单的数字滤波器设计，但我们认为语音噪声的处理远远不止于此。
既然我们要进行语音滤波滤掉噪音，我们就要将我们的注意力聚焦在各种噪声的处理上。
我们将分门别类的处理各式各样的噪声。
不同的噪声有不同的处理方法。
噪声的种类
根据与输入语音的关系，噪声可分为加性噪声和非加性噪声两类。
对某些非加性噪
声而言，可以通过一定的变换转换成加性噪声。
例如乘性噪声可以通过同态变换转换为
加性噪声。
某些与信号相关的量化噪声也可以通过随机噪声扰动的方法转换成与信号独
立的加性噪声。
因此，为简化讨论，下面主要分析加性噪声的干扰。
语音处理中的加性
噪声大体上可以分为周期噪声、脉冲噪声、宽带噪声和同声道其它语音干扰等。
（1）周期性噪声
周期性噪声主要来源于发动机等周期性运转的机械，电气干扰也会引起周期性噪
声。
其特点是频谱上有许多离散的线谱。
实际信号受多种因素的影响，线谱分量通常转
变为窄带谱结构，而且通常这些窄带谱都是时变的，位置也不固定。
必须采用自适应滤
波的方法才能有效地区分这些噪声分量。
（2）脉冲噪声
脉冲噪声主要来源于爆炸、撞击、放电及突发性干扰等。
其特征是时间上的宽度很
窄。
消除脉冲噪声通常可以在时域内进行，其过程如下：
根据带噪语音信号幅度的平均
值确定阈值。
当信号幅度超出这一阈值时判别为脉冲噪声。
然后对信号进行适当的衰减，
就可以完全消除噪声分量，也可以使用内插方法将脉冲噪声在时域上进行平滑。
（3）宽带噪声
宽带噪声来源很多，热噪声、气流（如风、呼吸）噪声及各种随机噪声源、量化噪声
也可视为宽带噪声。
宽带噪声与语音信号在时域和频域上基本上重叠，只有在无话期间，
噪声分量才单独存在。
因此消除这种噪声比较困难。
对于平稳的宽带噪声，通常可以认
为是高斯白噪声。
（4）同声道语音干扰
在实际生活中经常遇到很多人同时说话的情况，此时不需要的语音就形成了同声道干扰。
入耳可以根据需要分辨出其中某个人的声音，这种能力来源于人的双耳输入效应和人类语音中包含的“声纹’’特征，这是人体内部语音理解机理的一种感知能力表现。
通常情况下语音经双耳输入，人们根据两路输入的不同时延特性进行分离。
同时由于人的发声器官生理结构的差异，每个人都有自身独特的“声纹’’，因此即使双耳效应不显著（例如单声道传输时）人耳也可以借助声纹对信号进行分离。
（5）背景噪声
背景噪声破坏了信号原有的声学特征及模型参数，因此减弱了不同语音间的差别，
使语音质量下降，可懂度降低。
强噪声会使人产生听觉疲劳，从而影响人耳的听觉特性。
同时，较强的背景噪声也会使讲话人的发音方式发生变化，即使发相同的语音，其语音
的特征参数也会与安静环境下的发音有所不同。
这种效应称为Lombard效应。
（6）单频噪声
它主要源于无线电干扰。
因为电台发射的频谱集中在比较窄的频率范围内，因此可
以近似地看作是单频性质的。
另外，像电源交流电，反馈系统自激振荡等也都属于单频
干扰。
它的特点是～种连续干扰，并且其频率是可以通过实测来确定的，因此在采取适
当的措施后就有可能防止。
以上的噪声有的离我们很远，有的对我们来讲太难。
经过我们的总结，我们准备将重点放在语音通信中的三种噪声上。
1、信道干扰
它来自信道对外界干扰屏蔽能力的强弱。
比如雷雨天收听收音机，会听到阵阵噪声。
它是由于雷电引起信道附近强电流的骤变，导致强大的电磁波串入信道，并传送到接受端而引起的噪声干扰。
这些随机性的干扰也严重影响了语音的传输质量。
2、回波噪声
声回波是指在语音通信中，远端的语音信号通过近端扬声器-房间-近端麦克风路径，又随着近端说话者的声音一同通过通信线路传播到了远端。
然而，远端听话者是不愿听到自己声音回波的。
3、脉冲式噪声
这种噪声主要是仿真当我们语音通话时突然外界传来巨大声响的情况，比如在施工现场。
这种情况下，听者的听觉和心情会被突入的巨大声响严重损害。
应对方式：
对于信道干扰，往往会上尖峰或者工频脉冲。
这种噪声的特点就是与语音信号的频率差异很大。
所以，我们应用滤波器将4000HZ频率以上的声音滤除，即可一定程度上消除电噪声或其他信道干扰。
对于回波噪声就不能应用这种方法，因为噪声本体就是声音信号，频率于我们的语音信号一样，对于这种噪音，我们应用自适应滤波方式进行滤除。
对于脉冲式，我们将应用阈值滤波的方法。
1、信道干扰滤波部分：
首先利用DSP的DMA方式对外部含噪声的语音信号进行实时采集，语音信号先经过A/D转换为数字信号，利用MCBSP的接收寄存器接收数据。
编写滤波算法程序，或调用DSPLIB中的滤波函数，对信号进行滤波。
滤波后的数据利用DMA方式送到D/A转换器转换为模拟信号。
这就是我们的设计思路。
具体的设计方案原理图如下。
模拟输入信号通过DSK的MIC端口输入，经A/D转换，然后到达DSP的DMA通道2，DSP接收到信号后，调用中断服务程序进行滤波，滤波后的信号可以在CCS上显示，也可以通过DMA通道3将信号输出到D/A转换器，经D/A转换后从SPEAKER端口输出。
（1）直接存储器访问DMA
直接存储器访问（DirectMemoryAccess）是C54xDSP非常重要的片上外设，DMA控制器可以在不影响CPU的情况下完成数据的传输，因此数据传输速度快，在要求信号实时采集和处理的系统中常采用DMA方式进行信号采集和传输。
C5402有6个可独立编程的DMA通道，每个DMA通道受各自的5个16位寄存器控制：
源地址寄存器DMSRC、目的地址寄存器DMDST、单元计数寄存器DMCTR、同步事件和计数寄存器DMSFC、发送模式控制寄存器DMMCR。
目的地址寄存器DMDST规定DMA要传送数据目的地址和首地址。
单元计数寄存器DMCTR规定DMA传送数据的个数为DMCTR寄存器的值加1。
同步事件和桢计数寄存器DMSFC规定DMA传送数据的同步事件类型和传送一块数据所含桢信号的个数。
发送模式控制寄存器DMMCR规定DMA通道的传输模式，当DMA工作在自动初始化模式时，CPU在一个DMA事件完成后自动装载下一个DMA初始化设置并继续进行数据传送。
DINM位和IMOD位设置DMA中断产生方式。
CTMOD位设置发送计数模式控制，CTMOD位为0时，DMA工作在多桢模式，CTMOD位为1时，DMA工作在自动缓冲ABU模式。
SIND位和DIND位用来设置源地址和目的地址的自动调整方式。
此外，DMA的6个通道还受通道优先级和使能控制寄存器DMPREC控制。
本实验利用DMA通道2与MCBSP1通道结合来读取A/D转换器的数据，利用DMA通道3与MCBSP1通道结合来将处理后的数据发送至D/A转换器。
选择MCBSP1通道的接收寄存器DRR11（41H）为DMA传送数据的首地址，并选择DMA源地址工作在不调整方式，选择MCBSP1接收事件为DMA同步事件，以实现DMA和MCBSP的结合。
A/D转换器的数据按MCBSP1的设置被传送到DSP内部接收寄存器DRR11中，再由DMA通道2将DRR11中的数据读到指定数据存储区inp_buffer中完成数据采集。
DMA在传送外部来的数据时不会影响CPU的正常运行，当DMA通道2采集完一组数据后产生一个DMA中断事件中断CPU，来通知CPU对其进行相应的处理，此时DMA通道2可以按照设定继续采集下一组数据，实现了数据采集与CPU处理的并行操作。
当一组数据处理完成后，将数据存放在数据存储区out_buffer中，选择out_buffer为DMA通道3的首地址，并选择源工作地址工作在不调整方式。
选择MCBSP1通道的发送积存器DXR11（43H）为DMA通道3传送数据的目的地址，并选择DMA源地址工作在不调整方式，选择MCBSP1接收事件为DMA同步事件，以实现DMA和MCBSP的结合。
在CCS集成开发环境中，与DMA相关的头文件有regs54xx.h和dma54xx.h。
在这两个头文件中，定义了DMA的寄存器资源、使用方法和DMA寄存器的地址和基本访问方式，以及寄存器的各个比特域和访问方法，因此需要进行C源程序的开始处包含这两个头文件。
输入信号经A/D转换后，利用DMA通道2进行传输进入DSP处理，而滤波后的信号输出利用了DMA通道3进行传输进入D/A转换器等输出，因此需要对DMA通道2和通道3进行初始化配置。
（2）A/D和D/A转换器
本实验要用到A/D和D/A转换器。
A/D转换器能够将接收的语音信号（模拟信号）转化为数字信号，供CPU进行处理；D/A转换器能够将数字信号转换为语音信号送SPEAKER端口输出。
要使用A/D和D/A转换器，必须首先对A/D和D/A转换器进行初始化设置，即设置A/D转换器的工作模式（15+1bit模式，16bit模式）、输入增益（0dB,6Db,12dB）以及抽样频率（8000Hz,16000Hz）等。
2、回波去噪部分：
初始化FIR延迟输出数组dbuffer_h[]、FIR输出数组、自适应滤波器系数矢量coff_w[]和自适应滤波器的输出数组out_w[]以及DSK板之后，采集输入的语音信号，根据模式的不同进行不同的处理以输出不同的信号来进行效果的比较。
我们的做法是利用设置参数mode来改变板子的功能。
mode=1时信号通过FIR滤波器后产生回声，为使现象更明显可以附加一个延迟；mode=2时用自适应滤波器逼近FIR滤波器以使之输出近似的信号，用信号通过两个系统产生的信号之差（即剩余回声）来调整自适应滤波器的系数，使剩余回声逐渐收敛于0。
（1）自适应滤波器的基本原理：
自适应滤波原理：
利用前一时刻获得的滤波结果，自动调节现时刻的滤波器参数，以适应信号和噪声的未知特性，从而实现最优滤波。
自适应滤波器主要由系数可调的数字滤波器和调整滤波器系数的自适应算法两部分构成．自适应滤波器的一般结构如图l所示．自适应滤波其最重要的性能是能有效地在未知环境中跟踪时变的输入信号，使输出信号达到最优。
因而在电信、雷达、声纳、实时控制以及图像处理等领域都有成功的应用。
常规滤波器具有特定的特性，对于输入信号根据这个滤波器特性产生相应的输出。
也就是，先有了滤波器构成的权系数，然后决定相应输出值。
但有些实际应用往往是反过来要求的，即对滤波器输出的要求是明确的，而滤波器特性是无法预先知道的。
例如长话系统，回波相消器的理想输出是无回波信号，这个要求是明确的，而系统本身却不能一开始就确定下来，因为它取决于长话系统话路传输条件的变化，像这样的应用技术就必须依赖自适应滤波技术。
图l中d（n）为期望响应，x（n）为自适应滤波器的输入，y（n）为自适应滤波器的输出，e（n）为估计误差，P（n）=x（n）-y（n）．前置级完成跟踪信号的选择，确定是信号还是噪声；后置级根据前置级的不同选择对数字滤波器输出作不同的处理，以得到信号输出．自适应滤波器的滤波器系数受误差信号e（n）控制，根据e（n）的值和自适应算法自动调整．
（2）回声消除器的基本原理：
回声消除的基本原理是采用一个自适应滤渡器自动识别回声通道，通过自适应滤波算法的调整，使其冲激响应与实际回声路径逼近，从而得到回声预测信号y（n），再将预测信号从近端采样的语音信号d（n）中减去，即可实现回声消除。
自适应算法要求收敛速度快、计算复杂度低、稳定性好和失调误差小。
虽然许多自适应算法在理论上实现回声消除都是可行的，但通常采用的是较简单的算法。
例如广泛应用的LMS自适应算法。
（3）LMS算法：
本设计中自适应算法是根据最小均方误差判据来设计的，即理想信号与滤波器输出之差的平方值的期望值最小，并且根据这个判据来修改权系数。
均方误差ε表示为 ε△E[e2（n）]=E[d（n）-y（n）]2
对于横向结构滤波器，代入y（n）的表达式，有
ε=E[d2（n）]+WT（n）RW（n）-2WT（n）P
其中，R=E[X（n）XT（n）]是N*N的自相关矩阵，它是输入信号采样值间的相关性矩阵。
P=E[d（n）X（n）]为N*1互相关矢量，代表理想信号d（n）与输入矢量的相关性。
在均方误差ε达到最小时，得到最佳权系数W*=[w0*,w1*,w2*,……,wN-1*]T。
它应满足下列方程
=0
即R*W-P=0
显然，Φx（m）=[x（n）x（n-m）]是x（n）的自相关值，Φxd（R）=E[x（n）d（n-k）]是x（n）与d（n）的互相关值。
在有些应用中，把输入信号的采样值分成相同的段（每段称为一帧），再求出R和P估计值，以得到每帧的最佳权系数。
这种方法称为块对块自适应算法。
如语音信号的线性预测编码LPC，就是把语音信号分成帧进行处理的。
R和P的计算，要求出期望值E，在实际运算中不易实现。
为此，可通过下式进行估计：
=
=
用以上方法获得最佳W*的运算量很大，对于一些在线或实时应用的场合，无法满足其时间要求。
大多数场合使用迭代算法，对每次采样值求出较佳权系数，称为采样值对采样值迭代算法。
迭代算法可以避免复杂的R-1和P的运算，又能实时求得式的近似解，因而切实可行。
LMS算法是以最快下降法为原则的迭代算法，即W（n+1）矢量是W（n）矢量按均方误差性能平面的负斜率大小调节相应一个增量。
W（n+1）=W（n）-u▽（n）
这个u是由系统稳定性和迭代运算收敛速度来决定的自适应步长。
▽（n）为n次迭代的梯度。
对于LMS算法，▽（n）是E[e2（n）]的斜率。
由式W（n+1）=W（n）-u▽（n），产生了求解最佳权系数的两种方法，一种是最陡梯度法。
其思路为，设定初始权系数，用上式迭代公式计算，直到W（n+1）与W（n）误差小于规定范围。
其中▽（n）的E计算，可用估计值表达式
式中K的取值应该足够大。
如果用瞬时-2e（n）X（n）来代替上式对-2E{e（n）X（n）}的估计运算，就产生了另一种算法——随机梯度法，即WidrowHoff的LMS算法。
此时迭代公式为
W（n+1）=W（n）+2ue（n）X（n）
以上讨论的自适应算法都是基于WidrowHoff的LMS算法。
上式的迭代公式，假定滤波器结构为横向结构。
对于对称横向型结构，也可推出类似的迭代公式
W（n+1）=W（n）+2ue（n）[X（n）+X（n-N+1）]
其中，
X（n）=
，
而X（n-N+1）=
。
LMS算法流程图
自适应控制
自适应控制可以看作是一个能根据环境变化智能调节自身特性的反馈控制系统以使系统能按照一些设定的标准工作在最优状态。
一般地说，自适应控制在航空、导弹和空间飞行器的控制中很成功。
可以得出结论，传统的自适应控制适合
（1）没有大时间延迟的机械系统；
（2）对设计的系统动态特性很清楚。
但在工业过程控制应用中，传统的自适应控制并不如意。
PID自整定方案可能是最可靠的，广泛应用于商业产品，但用户并不怎么喜欢和接受。
传统的自适应控制方法，要么采用模型参考要么采用自整定，一般需要辨识过程的动态特性。
它存在许多基本问题
（1）需要复杂的离线训练；
（2）辨识所需的充分激励信号和系统平稳运行的矛盾；（3）对系统结构假设；（4）实际应用中，模型的收敛性和系统稳定性无法保证。
另外，传统自适应控制方法中假设系统结构的信息，在处理非线性、变结构或大时间延迟时很难。
一言以蔽之：
就是利用LMS的方式使以前的波形信息为反馈提供给适合的参数已达到滤去噪声的作用。
dlms:
shortoflag=dlms（DATA*x,DATA*h,DATA*r,DATA**d,DATA*des,DATAstep,ushortnh,ushortnx）
参数如下表所示：
注意：
h和d的存储地址要求起点必须位于Kbit边界处，即起始地址值的最低有效位必须是0，必须在CMD文件中开辟对齐1K边界的空间，并且只能在头文件中进行段的配置。
否则编译无法通过。
3、脉冲式滤波：
我们的方式先求个点的平均值，然后根据实际，大于这个平均值的5倍以上的信号幅度进行衰减，这样可以在时域直接进行处理。
进而得到需要的声音，将乱入的声音滤掉，保护听者。
4、小创意：
变调
音调转移使用同一个存储的声音片断，可以帮助产生其他频率的音符。
正弦信号的频率与周期成反比，所以抽样间隔变大的话，就相当于频率变大。
运用此原理，我们对dma256数据进行抽样，若抽样
升级会员 