基于ARM的嵌入式語音存儲系統(tǒng)設(shè)計(jì)

摘要：為了有效地節(jié)省語音數(shù)據(jù)的傳輸帶寬和存儲系統(tǒng)的磁盤空間，需要在保證語音質(zhì)量的前提下盡可能降低其編碼比特率。本設(shè)計(jì)采用經(jīng)過優(yōu)化的G．729語音壓縮編譯碼算法，以ARM處理器為載體，開發(fā)的嵌入式語音存儲系統(tǒng)可實(shí)現(xiàn)語音信號的海量存儲，而且處理速度快、可靠性好、擴(kuò)展方便。通過嚴(yán)格的測試和評估，該系統(tǒng)能夠?qū)崿F(xiàn)對大量語音數(shù)據(jù)的壓縮和記錄，各項(xiàng)指標(biāo)基本達(dá)到了預(yù)期的水平。

關(guān)鍵詞：ARM；語音壓縮；G．729；語音存儲

1 系統(tǒng)控制核心

嵌入式操作系統(tǒng)軟硬件結(jié)構(gòu)框圖如圖1所示，由硬件層、驅(qū)動層、系統(tǒng)層和應(yīng)用層組成。硬件層包括嵌入式處理器最小系統(tǒng)、存儲器(SD RAM、Flash、ROM等)、通用設(shè)備接口和I／O接口(A／D、D／A、I／O等)，其中Linux實(shí)時(shí)操作系統(tǒng)和應(yīng)用程序都可以固化在ROM中。硬件層的核心是嵌入式處理器，在一片嵌入式處理器基礎(chǔ)上添加電源電路、時(shí)鐘電路和存儲器電路，就構(gòu)成了一個(gè)嵌入式處理器最小系統(tǒng)。中間的驅(qū)動層將上層軟件和底層硬件分離開，為其連接提供接口。系統(tǒng)層主要負(fù)責(zé)軟件硬資源的分配、內(nèi)存管理、任務(wù)調(diào)度、文件處理等，是軟件層的核心。應(yīng)用層為用戶提供編程接口，實(shí)現(xiàn)各種應(yīng)用功能。

1．1 系統(tǒng)軟件核心

Linux操作系統(tǒng)的內(nèi)核主要由進(jìn)程調(diào)度、內(nèi)存管理、虛擬文件系統(tǒng)、網(wǎng)絡(luò)接口、進(jìn)程間通信五個(gè)子系統(tǒng)組成，各個(gè)子系統(tǒng)之間都存在著不可分割的依賴關(guān)系。內(nèi)核為設(shè)備驅(qū)動提供支持，實(shí)現(xiàn)設(shè)備控制與應(yīng)用；設(shè)備驅(qū)動為上層提供標(biāo)準(zhǔn)接口，完成硬件細(xì)節(jié)的封裝。可以根據(jù)設(shè)計(jì)需要對內(nèi)核模塊進(jìn)行適當(dāng)?shù)牟脺p，制作出理想、實(shí)用的操作系統(tǒng)。

1．2 系統(tǒng)硬件核心

Samsung公司的S3C2440A處理器是一款以手持設(shè)備為主而設(shè)汁的芯片。這款處理器支持NOR Flash和NAND Flash啟動方式，內(nèi)部集成LCD、I2C總線、AC97、Camera等控制器。提供豐富的接口資源，方便與外設(shè)連接，易于擴(kuò)展。

2 G．729算法概述

2．1 G．729編碼原理

G．729編碼標(biāo)準(zhǔn)采用CS-ACELP語音壓縮編碼技術(shù)，其核心原理是線性預(yù)測和二級量化。每個(gè)10 ms的語音幀包含80個(gè)采樣點(diǎn)，在每個(gè)這樣的語音中都要進(jìn)行線性預(yù)測(LP)分析，計(jì)算出LP濾波器系數(shù)，再轉(zhuǎn)換為線性譜對參數(shù)(Line Spectrum Pari，LSP)，并使用有兩個(gè)階段

的預(yù)測矢量量化器(Vector Quantization，VQ)進(jìn)行18比特量化。然后編碼器以原始語音和合成語音的誤差感覺加權(quán)最小為準(zhǔn)則采用A-B-S(Analysis-By-Synthesis，分析合成)方法搜索激勵(lì)信號，激勵(lì)參數(shù)(固定碼書參數(shù)和自適應(yīng)碼書參數(shù))每個(gè)子幀(5 ms幀長，40個(gè)采樣點(diǎn))確定一次，感覺加權(quán)濾波器的系數(shù)由未量化的LP系數(shù)產(chǎn)生。

2．2 G．729解碼原理

解碼是編碼的逆過程，其原理為：首先從獲得的碼流中提取出參數(shù)的索引，這些參數(shù)包括LP濾波器系數(shù)、自適應(yīng)碼書矢量以及固定碼書矢量和增益，它們分別解碼后，可獲得一個(gè)LSP系數(shù)、兩個(gè)音節(jié)延遲、兩組自適應(yīng)碼書和固定碼書增益等對應(yīng)于10 ms語音幀的編碼器參數(shù)。

然后將LSP系數(shù)進(jìn)行內(nèi)插操作，轉(zhuǎn)換為每個(gè)5 ms子幀的LP濾波器系數(shù)，再對每個(gè)子幀進(jìn)行如下操作：

①經(jīng)各自增益縮放的自適應(yīng)矢量和固定碼本矢量相加，得到重建的激勵(lì)信號；

②將激勵(lì)信號通過LPC合成濾波器，得到重建語音；

③重建的語音信號經(jīng)過各種濾波器的后續(xù)處理，實(shí)現(xiàn)信號的放大和改善。

2．3 G．729算法優(yōu)化

在G．729編碼算法中，采用量化碼本結(jié)構(gòu)。其基本原則如下：首先計(jì)算出K維碼本里的各個(gè)碼字矢量的平均值并存儲起來；然后求出輸入信號矢量平均值和各個(gè)碼字矢量平均值的均方誤差值；最后用遍歷法找到這些均方誤差中的最小值Dmin，與之相對應(yīng)的碼字即為最佳逼近碼字。采用這種搜索方法加快了編碼速度，減少了搜索時(shí)間，并沒有改變矢量量化的精度。

3 系統(tǒng)硬件結(jié)構(gòu)

系統(tǒng)硬件結(jié)構(gòu)框圖如圖2所示。S3C2440A作為整個(gè)系統(tǒng)的主控芯片，DC電源、復(fù)位電路、時(shí)鐘電路作用于系統(tǒng)的每個(gè)部分；存儲模塊包括SDRAM、Flash以及外接的CF或SD卡等；調(diào)試模塊包括JTAG接口、RS232接口以及網(wǎng)絡(luò)接口三個(gè)部分；音頻模塊的主要工作由編解碼器UDA1 341完成，擴(kuò)展接口由USB接口、IDE接口構(gòu)成，交互模塊由TFT LCD和觸摸屏構(gòu)成。其中，音頻模塊和IDE擴(kuò)展接口是研究的重點(diǎn)。

[!--empirenews.page--]

3．1 系統(tǒng)外圍電路

系統(tǒng)設(shè)計(jì)的外圍電路都是ARM最小系統(tǒng)所必需的。電源電路為系統(tǒng)提供能量，是系統(tǒng)工作的基礎(chǔ)。設(shè)計(jì)電源電路時(shí)要考慮的因素很多，主要包括輸入及輸出的電壓范圍、輸出紋波大小、電池兼容和電磁干擾等，系統(tǒng)采用DC-DC轉(zhuǎn)換芯片LM1117將5 V的電壓轉(zhuǎn)換成1．3 V、2．5 V、3．3 V后供系統(tǒng)使用。采用復(fù)位芯片MAX811產(chǎn)生的復(fù)位信號，既能保證上電復(fù)位的時(shí)間，又能保留手動復(fù)位的特點(diǎn)。時(shí)鐘電路為系統(tǒng)提供工作時(shí)鐘，主時(shí)鐘采用12 MHz晶振作為時(shí)鐘源，RTC時(shí)鐘采用32．768 kHz晶振作為時(shí)鐘源。通過JTAG接口，可以訪問芯片內(nèi)部的所有部件，是實(shí)現(xiàn)系統(tǒng)開發(fā)、調(diào)試的高效手段。為了減小系統(tǒng)體積，采用10針簡化的JTAG接口，其接口電路如圖3所示。

SDRAM存儲器選擇Samsung公司的K4S561632E-UC75，其存儲容量為32 MB，具有存取速度快、成本低廉的特點(diǎn)，主要用來存放執(zhí)行代碼和變量，是系統(tǒng)啟動之后主要進(jìn)行存取操作的存儲器。Flash存儲器選擇Samsung公司的K9F1208U0CNAND Flash存儲器，其存儲容量為64 MB，可以擦寫一百多萬次，具有很長的使用壽命，把啟動程序、內(nèi)核代碼等固化到Flash閃存中能加速系統(tǒng)的啟動、提高系統(tǒng)的穩(wěn)定性和可靠性。

3．2 音頻采集與處理模塊

該模塊采用Philips公司生產(chǎn)的音頻芯片UDA1341TS，它支持I2S數(shù)據(jù)總線格式，且具有低功耗、低電壓及DSP語音功能等特征。I2S(Inte grate Interfaceof sound)是Philips公司提出的串行數(shù)字音頻總線協(xié)議，音頻數(shù)據(jù)與控制信號、時(shí)鐘信號分開傳輸，避免了由時(shí)鐘帶來的抖動問題，因此系統(tǒng)中可省略消除抖動的器件。

音頻芯片與主控芯片的連接如圖4所示。I2S音頻接口包括5根信號線，其中音頻模塊的同步時(shí)鐘CDCLK由S3C2440A提供，該時(shí)鐘控制音頻的A／D、D／A采樣速率。串行時(shí)鐘SCLK，也叫位時(shí)鐘(BCLK)，即每一個(gè)SCLK脈沖對應(yīng)一位數(shù)字音頻數(shù)據(jù)。幀時(shí)鐘LRCK用于左有聲道的切換，LRCK為1表示正在傳輸?shù)氖亲舐暤赖臄?shù)據(jù)，為0則表示正在傳輸?shù)氖怯衣暤赖臄?shù)據(jù)。DATAI是串行數(shù)據(jù)輸入信號線，DATAO是串行數(shù)據(jù)輸出信號線，所傳輸?shù)囊纛l數(shù)據(jù)用二進(jìn)制補(bǔ)碼表示。L3總線接口包括3根信號線：L3MODE／GPB2是微處理器接口模式信號線；L3CLOCK／GPB4是微處理器接口時(shí)鐘信號線；L3DATA／GPB3是微處理器接口數(shù)據(jù)線。L3總線接口主要用于傳輸控制信號，相當(dāng)于混音器控制接口，可以調(diào)節(jié)輸入／輸出音頻信號的音量、低音提升、控制去加重等。

[!--empirenews.page--]

3．3 IDE硬盤控制模塊

IDE接口是硬盤和光驅(qū)普遍使用的外部接口，接口采用16位數(shù)據(jù)總線并行傳送，體積小、速度快，兼容性強(qiáng)。IDE接口主要有可編程輸入輸出(Programming Input Output，PIO)和直接內(nèi)存訪問(Direct Mcmory Access，DMA)兩種傳輸模式。PIO模式占用大量的系統(tǒng)資源，數(shù)據(jù)傳輸速率較低；DMA模式需要額外的驅(qū)動程序或設(shè)置，系統(tǒng)資源占用少、執(zhí)行效率較高。本設(shè)計(jì)選擇DMA模式。

S3C2440A與硬盤接口如圖5所示。其接口信號分為片選信號、數(shù)據(jù)信號和控制信號3個(gè)部分。硬盤上寄存器分為兩組，分別由／CS0和／  CS1選中其中的一組，A0～A2引腳用于組內(nèi)寄存器尋址，包括數(shù)據(jù)寄存器、錯(cuò)誤寄存器、扇區(qū)計(jì)數(shù)器、扇區(qū)號寄存器、低柱面號寄存器、高柱面寄存器、狀態(tài)寄存器和命令寄存器。數(shù)據(jù)線D0～D15用于數(shù)據(jù)的雙向傳輸。／DIOR、／DIOW是讀寫控制信號；／Reset是硬盤復(fù)位信號；DMARQ(DMA請求信號)和／DMACK(DMA應(yīng)答信號)是專用于DMA模式的信號。

4 系統(tǒng)軟件實(shí)現(xiàn)

4．1 語音數(shù)據(jù)的采集

語音采集部分主要是完成UDA1341TS驅(qū)動程序的編寫，其初始化相關(guān)代碼如下：

端口初始化包括L3總線接口和I2S接口的設(shè)置，首先將與L3接口相連的通用I／O口GPB2、GPB3、GPB4設(shè)置為輸出模式，然后設(shè)置與I2S控制器輸出信號相關(guān)的GPIO引腳，將GPE0～GPE4這5個(gè)引腳設(shè)置為I2S接口的信號模式。UDA1341TS芯片初始化部分包括L3接口時(shí)序和協(xié)議的模擬，完成采樣速率、數(shù)據(jù)格式等參數(shù)的設(shè)置。系統(tǒng)采樣速率為8 kHz，使用時(shí)鐘為384 fs，數(shù)據(jù)輸入格式設(shè)置為MSB-Justifled模式。接下來通過“audio_init_dma()”申請DMA通道，輸出音頻緩沖區(qū)的DMA通道設(shè)為通道2，輸入音頻緩沖區(qū)的DMA通道設(shè)為通道1。若初始化失敗會返網(wǎng)相應(yīng)的錯(cuò)誤標(biāo)志，初始化成功后方可進(jìn)行后續(xù)操作。

4，2 IDE接口函數(shù)

硬盤驅(qū)動程序?qū)崿F(xiàn)分為設(shè)備初始化、打開設(shè)備、設(shè)備I／O操作和釋放設(shè)備等幾部分。要完成硬盤數(shù)據(jù)交換的工作，就需要對寄存器進(jìn)行頻繁的讀寫操作，為了方便在程序中的調(diào)用，把這些和硬件操作密切相關(guān)的操作都寫成了接口函數(shù)，其函數(shù)說明略——編者注。

4．3 系統(tǒng)主程序流程

主進(jìn)程開始后首先初始化采樣參數(shù)，包括采樣速率、采樣點(diǎn)數(shù)、數(shù)據(jù)存儲格式及采樣通道，若初始化不成功會返回相應(yīng)的錯(cuò)誤標(biāo)志，并作出相應(yīng)的出錯(cuò)處理，成功后可繼續(xù)下一步操作。然后通過鍵值判斷數(shù)據(jù)的存儲區(qū)是選擇Flash還是選擇硬盤，并初始化相應(yīng)的存儲區(qū)，這是保證系統(tǒng)在沒有外擴(kuò)硬盤的情況下也能正常運(yùn)行，只不過是數(shù)據(jù)存儲量較小而已；若選擇操作硬盤，但硬盤未連接，仍然會返回相應(yīng)的錯(cuò)誤標(biāo)志，并進(jìn)入出錯(cuò)處理函數(shù)繼續(xù)執(zhí)行。接下來根據(jù)鍵值判斷是否進(jìn)行壓縮處理，若進(jìn)行壓縮處理，則相應(yīng)的編解碼標(biāo)志置位；根據(jù)該標(biāo)志確定是否啟動編解碼進(jìn)程，即系統(tǒng)能存儲未壓縮的數(shù)據(jù)，也能存儲壓縮后的數(shù)據(jù)，可以根據(jù)需要進(jìn)行適當(dāng)?shù)倪x擇。啟動A／D轉(zhuǎn)換進(jìn)程并進(jìn)行語音數(shù)據(jù)的存儲，相當(dāng)于錄音的過程；數(shù)據(jù)存儲完成后，即錄音結(jié)束后，啟動D／A轉(zhuǎn)換進(jìn)程進(jìn)行語音播放。錄音和播放可以同時(shí)進(jìn)行，為了測試方便，這里把這兩個(gè)過程分離開來。

總的來說，系統(tǒng)主進(jìn)程創(chuàng)建了A／D、D／A轉(zhuǎn)換進(jìn)程和編解碼進(jìn)程，結(jié)合Linux的共享機(jī)制和進(jìn)程間通信等手段，實(shí)現(xiàn)了語音信號的采集、壓縮、存儲、回放等環(huán)節(jié)。

系統(tǒng)主程序流程圖略——編者注。

[!--empirenews.page--]

5 系統(tǒng)測試與結(jié)果分析

系統(tǒng)測試內(nèi)容主要包括語音質(zhì)量、語音存儲時(shí)長、語音壓縮效率三個(gè)方面。語音質(zhì)量是指經(jīng)傳輸、處理后音頻信號的保真度，是衡量語音編碼算法優(yōu)劣的關(guān)鍵指標(biāo)。其評價(jià)方法分為主觀評定和客觀評定兩類。系統(tǒng)采用的主觀評定方法是平均意見得分(Mean Opinion Score，MOS)，即以主觀打分來度量，其評價(jià)標(biāo)準(zhǔn)分為5個(gè)等級，MOS評價(jià)標(biāo)準(zhǔn)如表2所列。客觀評定選擇信噪比為評價(jià)指標(biāo)，信噪比(Signal Noise Ratio，SNR)定義為信號與量化噪聲的方差的比值，計(jì)算公式為：

其中分別為信號方差和噪聲方差。通過測試系統(tǒng)的主觀評價(jià)指標(biāo)MOS可以達(dá)到3．8分，接近于電話語音質(zhì)量，與原始語音的區(qū)別不明顯；系統(tǒng)的客觀評價(jià)指標(biāo)SNR為58 dB，噪聲的影響在可以接受的范圍內(nèi)。語音時(shí)長的統(tǒng)計(jì)，依賴于擴(kuò)展IDE硬盤的容量，測試選擇3G容量的硬盤；記錄未經(jīng)壓縮的語音數(shù)據(jù)為750個(gè)小時(shí)，而記錄壓縮后的語音數(shù)據(jù)可達(dá)7500多個(gè)小時(shí)；可見語音壓縮的效率可以達(dá)到10多倍，已達(dá)到理想的效果。