用EP7211實現(xiàn)傳呼信息實時語音合成和播放
關(guān)鍵詞：PDA G.729 語音庫 語音合成
引言
PDA（Personal Digital Assitant，個人數(shù)字助理）是近年來繼尋呼機(jī)和移動電話之后，在國內(nèi)市場迅速崛起的便攜式電子產(chǎn)品。就其擴(kuò)展意義來講，它能夠集成移動計算、電話和網(wǎng)絡(luò)等多種功能。根據(jù)不同的應(yīng)用需求，它可以管理個人信息、提供名片存儲和日程安排，也可以接收各種尋呼信息（如股市、天氣預(yù)報等）。如果是集成通信模塊，
還可以作為移動電話使用，進(jìn)行無線網(wǎng)絡(luò)互聯(lián)。廣義的PDA包括簡單的電子記事本、電子辭典和功能強(qiáng)大的掌上電腦，它們的主要區(qū)別表現(xiàn)在操作系統(tǒng)、存儲能力、運(yùn)算速度和數(shù)據(jù)交換能力等方面。
目前國內(nèi)傳統(tǒng)PDA產(chǎn)品經(jīng)過幾年的高速發(fā)展后，市場基于飽和，銷售額出現(xiàn)負(fù)增長。不過由于PDA產(chǎn)品的靈活性，有針對性的行業(yè)應(yīng)用作為一個新亮點，開始為人們所關(guān)注。經(jīng)過行業(yè)應(yīng)用尾后的PDA產(chǎn)品，已經(jīng)在國內(nèi)市場大顯身手。文曲星展現(xiàn)超強(qiáng)的語言釋譯能力，比較適合于大學(xué)生和語言翻譯者使用；藍(lán)火系列能實時接收股市信息和專家點評，適合工薪階層的炒股者。國家信息產(chǎn)業(yè)部已經(jīng)鼓勵PDA產(chǎn)品在交通、警務(wù)、保險等領(lǐng)域的行業(yè)應(yīng)用和推廣。
分析市場需求，我們研發(fā)了集成傳呼功能的、專門面向鐵路交通行業(yè)應(yīng)用的鐵路交通信息系統(tǒng)PDA。本PDA系統(tǒng)除了具備傳統(tǒng)PDA的個人名片管理和辭典檢索等功能外，同時提供交通行業(yè)應(yīng)用的民航航班查詢、鐵路列車時刻表查詢等功能。
本PDA的尋呼系統(tǒng)實現(xiàn)如下功能：能夠通過尋呼對列車時刻表、列車晚點信息、列車剩票額、股道信息等行業(yè)數(shù)據(jù)進(jìn)行動態(tài)更新。作為另一個特色，當(dāng)接收到個人尋呼時，能夠?qū)ず魞?nèi)容實時地轉(zhuǎn)換成語音并播放。
下面重點介紹本PDA系統(tǒng)中使用嵌入式處理呂EP7211實現(xiàn)個尋呼內(nèi)容的實時語音轉(zhuǎn)換和播放。該功能的實現(xiàn)包含前后相關(guān)的3個部分：字符語音庫的建立、字符的語音合成算法和Codec語音中斷服務(wù)例程。
1 實現(xiàn)條件和要求
PDA屬于嵌入式應(yīng)用系統(tǒng)，其同一般PC機(jī)有很大差別。硬件方面，嵌入式處理器基于RISC體系結(jié)構(gòu)，一般工作頻率在幾十MHz，甚至更低；系統(tǒng)內(nèi)存容量一般在幾百KB～幾MB之間；一般使用容量小的ROM或者Flash作為硬盤來存儲可執(zhí)行程序序和數(shù)據(jù)。軟件方面，PDA系統(tǒng)一般有專用的嵌入式操作系統(tǒng)和軟件開發(fā)調(diào)試移植環(huán)境。
個人傳呼信息的特點是單條傳呼信息長度變化較大，20～50個字符不等。最為常見的是“請回電話***”；傳呼信息涉及到的字符數(shù)量較大，字符語音合成時運(yùn)算量大，單字符合成后語音數(shù)據(jù)占用的存儲空間多；需要事先建立字符語音庫等。
由于具體硬件環(huán)境的限制、傳呼信息的特點和語音合成的要求，該功能能夠?qū)崿F(xiàn)的前提有：語音庫占用的空間??；字符合成時速度更快；采用前臺進(jìn)行字符語音合成時，以后臺中斷方式進(jìn)行合成語音的播放來保證其實時性和連續(xù)性。
2 具體實現(xiàn)
下面分別介紹字符語音庫的建立、字符語音合成算法、本PDA系統(tǒng)的框架結(jié)構(gòu)和語音中斷服務(wù)例程。
2.1 建立字符語音庫
我們選用G.729語音壓縮編碼標(biāo)準(zhǔn)來建立語音庫。該標(biāo)準(zhǔn)采用的算法是共軛結(jié)構(gòu)的代數(shù)碼激勵線性預(yù)測（CS-ACELP），是基于CELP（碼激勵線性預(yù)測）編碼模型的算法。這種編碼規(guī)范的嚴(yán)格性使性能達(dá)到或超過了32Kbps的G.726 ADPCM編碼，具有很高的語音質(zhì)量；同時，它是在語音信號8KHz取樣的基礎(chǔ)上得到16bit線性PCM后進(jìn)行編碼的，壓縮后的數(shù)據(jù)速率僅為8Kbps，具有相當(dāng)于8：1的高壓縮率。其算法延遲少于16ms。由于G.726編解碼器能夠?qū)崿F(xiàn)很高的語音質(zhì)量和很低的算法延時，因此被廣泛地應(yīng)用。
字符語音庫是一個單字發(fā)音語音數(shù)據(jù)的集合，中段數(shù)據(jù)之間相互獨立，不具有相關(guān)性。語音庫包含了國標(biāo)一、二級字庫中的所有6763個漢字、10個阿拉伯?dāng)?shù)字和26個英文字符的標(biāo)準(zhǔn)普通話語音數(shù)據(jù)。每個漢字或字符發(fā)音時長為0.65s，采用8KHz抽樣頻率，使用了G.729A語音編碼算法對上述的語音數(shù)據(jù)進(jìn)行壓縮，壓縮后數(shù)據(jù)速率為8Kbps，相當(dāng)于具有8：1的高壓縮率。在漢字中，同音字占了相當(dāng)大的比例，而在語音合成中對于同音字的處理是沒有區(qū)別的，故近7000個漢字，我們只存儲1123個不同的發(fā)音。經(jīng)過同音字處理和采用G.729標(biāo)準(zhǔn)壓縮字符語音數(shù)據(jù)，則最終建立的語音庫文件大小為729 950字節(jié)，完全符合本PDA系統(tǒng)的數(shù)據(jù)存儲要求；否則，語音庫數(shù)據(jù)量太大，本PDA系統(tǒng)不能接受！
建立一個語音壓縮數(shù)據(jù)庫的具體步驟如下：
*將數(shù)字和常用漢字的標(biāo)準(zhǔn)發(fā)音獨立地錄入到數(shù)據(jù)文件中，作為基礎(chǔ)數(shù)據(jù)。使用cooledit2000軟件完成語音的錄入。
*對于輸入數(shù)據(jù)，按照每幀10ms（80個樣點）的長度，將A_law語音通過簡單換算變成16bit PCM數(shù)據(jù)，作為編碼算法的輸入。
*按照G.729A算法標(biāo)準(zhǔn)，對數(shù)據(jù)進(jìn)行編碼。
*將編碼后的數(shù)據(jù)轉(zhuǎn)換為二進(jìn)制比特流，寫入語音庫文件中。壓縮后數(shù)據(jù)速率為8Kbps，具有相當(dāng)于8：1的高壓縮率。
用C語言實現(xiàn)這一過程的程序流程如圖1所示。
字符語音庫的建立是在Windows平臺及Visual C++編程環(huán)境下實現(xiàn)的，最終壓縮處理后數(shù)據(jù)量的大小為729 950字節(jié)，每個字符語音數(shù)據(jù)的大小是650字節(jié)。
2.2 語音合成
當(dāng)收到個人傳呼信息時，語音合成程序首先從指定位置獲取傳呼信息數(shù)據(jù)，然后在語音庫中查找每個漢字、阿拉伯?dāng)?shù)字或者英文字符的發(fā)音，重組一個數(shù)據(jù)文件。解碼程序?qū)υ撐募M(jìn)行解碼并且輸出原始語音。語音合成流程如圖2所示。
語音合成過程首先是當(dāng)前字符在語音庫的定位。對于10個阿拉伯?dāng)?shù)字和26個英文字符，將其放在語音庫開頭。這些字符的查找比較方便。漢字是2字節(jié)存儲，我們依居其區(qū)位碼來作為語音庫中的定位索引。字符語音檢索結(jié)束后的語音壓縮數(shù)據(jù)作為該字符解碼過程的輸入。
數(shù)據(jù)解碼過程可以分為參數(shù)解碼和重構(gòu)信號后處理2部分。首先要從輸入的數(shù)據(jù)中提取參數(shù)符號，對這些符號解碼之后，可以獲得相應(yīng)于10ms話音幀的編碼器參數(shù)。這些參數(shù)包括線性預(yù)測系數(shù)、自適應(yīng)碼本矢量、固定碼本矢量以及它們的增益。解碼之后的參數(shù)用來計算重建語音信號。得到重構(gòu)語音信號只有通過后處理過程來對該信號進(jìn)行放大，包括后向濾波、高通濾波以及按比例因子擴(kuò)大，最后得到原始的語音數(shù)據(jù)。
字符解碼器原理如圖3所示。
2.3 PDA系統(tǒng)的體系結(jié)構(gòu)
PDA系統(tǒng)中嵌入式處理器EP7211進(jìn)行數(shù)據(jù)處理，傳呼解碼芯接收傳呼信息并進(jìn)行解碼，LCD提供數(shù)據(jù)輸出顯示，觸摸屏提供用戶輸入接口，F(xiàn)lash用來存儲應(yīng)用程序和數(shù)據(jù)，SRAM為程序運(yùn)行提供內(nèi)存空間，電源電路為嵌入式處理器和外圍設(shè)備提供所需要工作電壓。
嵌入式處理器EP7211是Cirrus Logic公司專門為低成本、超低功耗的嵌入式應(yīng)用設(shè)計的，包含ARM7TDMI處理器內(nèi)核和豐富的外圍接口。外圍接口有CODEC音頻接口、SPI串行A/D接口、單色LCD接口、DRAM接口、紅外接口、2個PWM接口、實時時鐘RTC以及電源檢測接口。EP7211的內(nèi)核電路工作在2.5V，而外圍電路工作在3.3V；可根據(jù)具體情況對內(nèi)核的時鐘進(jìn)行動態(tài)編程控制，可工作在18、36、49和74MHz。另外EP7211還有3種基本供電模式：正常操作（operating）、空閑（idle）和等待（standby）。在等待模式，主時鐘被關(guān)斷，整個CPU及相關(guān)外圍（除中斷和RTC）也關(guān)斷，但可通過中斷或按鈕來喚醒。
系統(tǒng)軟件開發(fā)平臺采用了我們自主開發(fā)研制的、專門面向嵌入式應(yīng)用系統(tǒng)開發(fā)的XGW平臺。XGW開發(fā)平臺采用消息驅(qū)動機(jī)制，是C語言開發(fā)。它功能強(qiáng)大、模塊化設(shè)計、擴(kuò)展性強(qiáng)、產(chǎn)品升級容易，總體框架如圖5所示。
圖5全面反應(yīng)了XGW開發(fā)平臺的體系結(jié)構(gòu)，包括事件消息驅(qū)動機(jī)制、內(nèi)存管理、字符和圖形顯示輸出、圖形組件庫等。圖形組件庫中的編輯框、列表框、按鈕等為用戶應(yīng)用程序開發(fā)提供系統(tǒng)應(yīng)用編程接口API。不過，XGW平臺對于系統(tǒng)硬件的中斷響應(yīng)沒有提供統(tǒng)一的入口和出口，需要開發(fā)人員單獨處理。XGW開發(fā)平臺的消息分為鼠標(biāo)消息、鍵盤消息和定時器消息等3類。
2.4 語音中斷服務(wù)例程
嵌入式處理EP7211本身提供的外設(shè)語音錄放Codec(coder/decoder)芯片可以實現(xiàn)語音的錄入和播放功能。該模塊提供2個獨立的16字節(jié)長的數(shù)據(jù)發(fā)送和接緩沖區(qū)（FIFO），其為全雙工模式，數(shù)字據(jù)點發(fā)速率是64kbps。芯片自身提供工作時鐘、定時脈沖以及數(shù)據(jù)串/并和并/串轉(zhuǎn)換功能。編程人員通過設(shè)置EP7211相應(yīng)的控制寄存器使能這些項功能，則每當(dāng)數(shù)據(jù)收發(fā)緩沖區(qū)半慢或者半空時（8字節(jié)），芯片自身就會產(chǎn)生一次中斷信號供外部處理。理論計算芯片中斷速率是1ms/次。
語音播放中斷服務(wù)例程主要完成的工作是，當(dāng)產(chǎn)生語音中斷時，仍然有數(shù)據(jù)需要播放，則向語音數(shù)據(jù)發(fā)送緩沖區(qū)FIFO中寫入指定數(shù)據(jù)，剩下的工作由Codec芯片本身來完成。中斷服務(wù)例程ISR的偽代碼如下（因為具體實現(xiàn)代碼沒有通用性，故此處用偽碼描述）：
void IRQ_Codec_Handler(void)
{
while（檢測系統(tǒng)狀態(tài)寄存器，發(fā)現(xiàn)語音芯片數(shù)據(jù)發(fā)送緩沖區(qū)FIFO非滿）
{
if(已經(jīng)播放過的語音數(shù)據(jù)長度<給定的需要播放的語音數(shù)據(jù)長度)
{
向語音芯片發(fā)送數(shù)據(jù)緩沖區(qū)FIFO寫入指定數(shù)據(jù)；
調(diào)整已經(jīng)播放過的語音數(shù)據(jù)長度；
if(已經(jīng)播放過的語音數(shù)據(jù)長度>=給定的需要播放的語音數(shù)據(jù)長度)//結(jié)束
{
禁止數(shù)據(jù)發(fā)送緩沖區(qū)中斷；
復(fù)位各相關(guān)的全局變量；
程序返回；
}
}
else
{
向語音芯片發(fā)送數(shù)據(jù)緩沖區(qū)FIFO寫入默認(rèn)數(shù)據(jù)
0XFF；
}
}
}
3 試驗結(jié)構(gòu)和分析
由于在設(shè)計階段充分考慮過語音合成算法的大運(yùn)算量和系統(tǒng)的實時性要求，故我們在具體實現(xiàn)的時候也采取了一些措施，比較突出的有：用ARM匯編語言來實現(xiàn)關(guān)鍵性的函數(shù)代碼;語音合成時提高處理器EP7211的工作頻率（處理器正常工作頻率是18MHz）；對于一些常用的三角函數(shù)計算，采用查表的方式等來加快程序執(zhí)行速度。在PDA樣機(jī)測試中，單字符合成時間在650ms左右，基本上能夠滿足實際應(yīng)用需求。數(shù)據(jù)語音庫經(jīng)過處理之后，占用了729 560字節(jié)也能夠滿足本PDA系統(tǒng)的存儲的要求。
當(dāng)PDA系統(tǒng)收到1條個人傳呼信息時，在語音庫的支持下，立刻啟動語音合成算法，逐個進(jìn)行字符語音合成。當(dāng)?shù)?個字節(jié)語音合成結(jié)束后，立刻啟動語音中斷服務(wù)例程進(jìn)行語音播放。這樣收到的個人傳呼信息，前臺逐個字符解碼時，其后臺語音播放也在進(jìn)行。根據(jù)實際測試參數(shù)，基本上滿足了系統(tǒng)的實時性要求。
從一定角度看，單字符650 ms的語音合成時間基本能夠滿足實際應(yīng)用需要，但還是希望能夠進(jìn)一步減小這個值。這由于我們對ARM算是器的使用還處在研究階段。ARM本身提供了16位的Thumb指令集和32位的ARM指令集，而且兩者在某些方面表現(xiàn)出較大差別。一般來講，Thumb代碼長度是ARM代碼長度的65%，而執(zhí)行效率要經(jīng)后者高出60%。但在某些方面，32位ARM指令集也會表現(xiàn)出其優(yōu)于16位Thumb指令集的強(qiáng)大功能；同時該處理器系統(tǒng)支持ARM指令庥和Thumb指令集混合編程模式。隨著對二者差別和各自優(yōu)勢的深入理解，結(jié)合本系統(tǒng)的硬件體系結(jié)構(gòu)，采用有效的指令集混合編程模式將會使程序執(zhí)行效率進(jìn)一步提高，從而使實時性得到進(jìn)一步加強(qiáng)。
下載文檔
