一种基于DSP的人工耳蜗语音处理器设计
|
同一段语音由DSP采样处理得到的刺激脉冲与MATLAB采样处理的结果基本相同。实验结果表明，基于DSP的人工耳蜗语音处理器能实现语音信号中噪声的消除并得到良好的刺激脉冲。 人工耳蜗又称人造耳蜗、电子耳蜗，是目前唯一可以帮助重度耳聋患者恢复听觉的装置。相对于助听器将声音放大改善耳聋患者的听力，人工耳蜗是将声音转换成电信号，然后以微弱电流刺激听觉神经纤维的形式传递声音信息，从而产生听觉。目前商用的人工耳蜗一般由体外语音处理器和体内植人体组成，体外部分由麦克风、语音处理器和编码发射器组成，体内部分由接收解码器、刺激器和电极整列组成，并通过手术植入患者的体内。 1 带自适应噪声消除技术的CIS算法 1.1 自适应噪声消除原理 在低信噪比的环境下，耳聋患者的语音识别率大幅下降。基于自适应滤波器的噪声消除法能有效的增强语音，消除背景噪声，从而提高患者的语音识别率。本文中语音采集部分利用了两个麦克风接收语音，经过采样后作为两个通道的输入信号，输入信号中均包括语音信号成分s和噪声成分n。假设麦克风1的采样结果为s1 n1，麦克风2的采样结果为s2 n2。由于麦克风1和麦克风2分别对同一环境中的声音进行采样，s1和s2为相关信号，n1和n2为相关信号。假设麦克风1和麦克风2收到的语音信号一样，即s1等于s2。通过两路信号相加得到主通道输入信号x1=2s1 n1 n2，通过两路信号相减得到参考通道输入信号x2=n1-n2。由于主通道语音中的噪声n1 n2与参考噪声n1-n2是相关的，参考通道中的自适应滤波器在接收n1-n2以后使输出在最小均方误差下最接近主通道噪声n1 n2。输出端e得到了消除噪声后的增强语音信号。本文中自适应滤波器采用了归一化LMS算法，当信噪比较大时，采用较小的收敛因子，减少稳定失调误差;当信噪比较小时，采用较大的收敛因子，加快算法的收敛速度。自适应噪声消除原理如图1所示。
1.2 带自适应噪声消除技术的CIS方案 文中设计的人工耳蜗语音处理器采用CIS方案，即连续间隔采样方案(Continuous Interleaved Sampling，CIS)。语音信号先经过预加重处理，以补偿语音信号中的高频成分，然后做FFT变换，经n个带通滤波器后划分为与刺激电极相对应的通道，对各个通道能量求和并利用对数或指数函数压缩已提高患者的听力动态范围。带自适应噪声消除技术的CIS方案如图2所示。
2 硬件结构与设计 本系统以TMS320VC5509A DSP为核心，TLV320AIC23语音Codec芯片等其他外设为辅助设备。TMS320VC5509A控制系统的外设和处理CIS算法程序，TLV320AIC23对外部声音进行采样和A/D转换。TMS320VC5509A是TI公司推出的一款高性能低功耗的16位定点数字信号处理器，它拥有丰富的片内资源，能方便的控制其他设备，输出处理结果等。TLV320AIC23具有很低的功耗，在ADC和DAC的噪音可分别达到90 dB和100 dB。此外TLV320AIC23支持MIC和LINE IN两种输入方式，内部ADC和DAC转换模块均带有完整的数字滤波器，可以在8 kHz到96 kHz的采样频率范围内传输数据宽度为16位，20位，24位，32位的数据。 语音采集芯片TLV320AIC23与主处理芯片TMS320VC5509A的接口电路如图3所示。
DSP与AIC23的接口有两个，一个是控制接口采用I^2C模块，通过编程完成对AIC23的配置;一个是数据音频接口，通过MCBSP0传输数据。 |
