測量船指揮調(diào)度系統(tǒng)語音文件的讀取及軟件實現(xiàn)

蘇仕強

（中國衛(wèi)星海上測控部，江蘇 江陰 214431）

0 引言

新測量船指揮調(diào)度系統(tǒng)可對指揮語音進行全過程錄音，但在回放錄音文件時發(fā)現(xiàn)播放出來的語音聲音小、噪音多，從而效果并不理想。雖然采取了升級錄音線、提高話音音量等措施，但仍不能達到預(yù)期效果。技術(shù)人員在處理錄音過程中，發(fā)現(xiàn)錄音文件為wave語音文件，希望通過對WAVE文件進行提取研究，能找到解決語音效果不理想的問題。

WAVE文件是語音文件中的一種，它被廣泛地使用在語音技術(shù)研究中，當(dāng)用其進行語音技術(shù)研究時，必須正確提取語音文件中的實際數(shù)據(jù)，在MATLAB中有一個自帶函數(shù)可以返回實際語音數(shù)據(jù)。若使用其它語言進行程序開發(fā)時，就必須清楚WAVE語音文件的格式及其在計算機中的存儲結(jié)構(gòu)，才能正確地讀取實際數(shù)據(jù)，本文先分析討論了WAVE文件的存儲結(jié)構(gòu)，然后說明如何使用Visual C++6.0實現(xiàn)WAVE文件讀取及濾波等操作。

1 WAV文件

1.1 WAVE文件的存儲結(jié)構(gòu)[1]

WAVE文件作為多媒體中使用的聲波文件格式之一，它是以RIFF格式為標(biāo)準(zhǔn)的。RIFF是英文Resource Interchange File Format的縮寫，WAVE文件由文件頭和數(shù)據(jù)體兩大部分組成。其中文件頭又分為RIFF/WAV文件標(biāo)識段和聲音數(shù)據(jù)格式說明段兩部分。

表1 1 8KHz采樣16比特量化的線性PCM語音信號的WAVE文件頭格式

常見的聲音文件主要有兩種，分別對應(yīng)于單聲道（11.025kHz采樣率、8Bit的采樣值）和雙聲道（44.1kHz采樣率、16Bit的采樣值）。采樣率是指：聲音信號在“?！鷶?shù)”轉(zhuǎn)換過程中單位時間內(nèi)采樣的次數(shù)。采樣值是指每一次采樣周期內(nèi)聲音模擬信號的積分值。對于單聲道聲音文件，采樣數(shù)據(jù)為8位的短整數(shù)（short int 00H-FFH）；而對于雙聲道立體聲聲音文件，每次采樣數(shù)據(jù)為一個16位的整數(shù)（int），高8位和低8位分別代表左右兩個聲道。WAVE文件數(shù)據(jù)塊包含以脈沖編碼調(diào)制（PCM）格式表示的樣本。WAVE文件是由樣本組織而成的。在單聲道WAVE文件中，聲道0代表左聲道，聲道1代表右聲道。在多聲道WAVE文件中，樣本是交替出現(xiàn)的。

表1為其中一種WAVE文件格式。

1.2 WAVE文件讀取程序?qū)崿F(xiàn)

typedef struct

{WORD wFormatag;//編碼格式；

WORD nChannls;//聲道數(shù)，單聲道為1，雙聲道為2；

DWORD nSamplesPerSec;//采樣頻率；

DWORD nAvgBytesperSec;//每秒的數(shù)據(jù)量；

WORD nBlockAlign;//塊對齊；

}WAVEFORMAT;

BYTE*GetData (Cstring*pString)//獲取聲音文件數(shù)據(jù)的函數(shù)，pString參數(shù)指向要打開的聲音文件；

{if(pString==NULL)

return NULL;

HMMIO file1;//定義HMMIO文件句柄；

file1=mmioOpen((LPSTR)pString,NULL,MMIO_READWRITE);//以讀寫模式打開；

if(file1==NULL)

{MessageBox("WAVE文件打開失敗！");

return NULL;}

char style[4];//定義一個四字節(jié)的數(shù)據(jù)，用來存放文件的類型；

mmioSeek(file1,8,SEEK_SET);//定位到WAVE文件的類型位置；

mmioRead(file1,style,4);

if(style[0]!='W'||style[1]!='A'||style[2]!='V'||style[3]!='E')

//判斷該文件是否為"WAVE"文件格式；

{MessageBox("該文件不是WAVE格式的文件！");

return NULL;}

PCMWAVEFORMAT format;//定義 PCMWAVEFORMAT結(jié)構(gòu)對象，用來判斷WAVE文件格式；

mmioSeek(file1,20,SEEK_SET);

//對打開的文件進行定位， 指向 WAVE文件的PCMWAVEFORMAT結(jié)構(gòu)的數(shù)據(jù)；

mmioRead(file1,(char*)&format,sizeof(PCMWAVEFORMAT));//獲取該結(jié)構(gòu)的數(shù)據(jù)；

if(format.wf.nChannels!=2)//判斷是否是立體聲聲音；

{MessageBox("該聲音文件不是雙通道立體聲文件");

return NULL;}

mmioSeek(file1,24+sizeof(PCMWAVEFORMAT),SEEK_SET);

//獲取WAVE文件的聲音數(shù)據(jù)的大小；

long size;

mmioRead(file1,(char*)&size,4);

BYTE*pData;

pData=(BYTE*)new char[size];//根據(jù)數(shù)據(jù)的大小申請緩沖區(qū)；

mmioSeek(file1,28+sizeof(PCMWAVEFORMAT),SEEK_SET);//對文件重新定位；

mmioRead(file1,(char*)pData,size);//讀取聲音數(shù)據(jù)；

mmioClose(file1,MMIO_FHOPEN);//關(guān)閉WAVE文件；

return pData;}

2 WAVE文件濾波

2.1 濾波算法[2]

語音濾波的最終效果度量是人耳的主觀感覺，所以在語音濾波中可以利用人耳感覺特性來減少運算的代價，利用自適應(yīng)濾波器可以獲得令人滿意的解。

自適應(yīng)橫向濾波器具有以下功能：

1）按照某種自適應(yīng)算法自動調(diào)節(jié)濾波系數(shù)的橫向濾波器：分別以W1(n)…Wn(n)表示各個濾波器所在時刻的權(quán)系數(shù)。

2）調(diào)節(jié)這些系數(shù)的過程：首先自動調(diào)節(jié)濾波器系數(shù)的自適應(yīng)訓(xùn)練步驟，然后利用濾波系數(shù)加權(quán)延遲線抽頭上的信號來產(chǎn)生輸出信號，將輸出信號與期望信號進行對比，所得誤差值通過一定的自適應(yīng)控制算法再來調(diào)整權(quán)值，以保證濾波器處在最佳狀態(tài)，達到實現(xiàn)濾波目的。

圖1 自適應(yīng)橫向濾波器結(jié)構(gòu)圖

令 W(n)=[W1(n),W2(n),…,Wm(n)],x(n)=[x(n),x(n-1),…,x(n-m+1)]T

則輸出信號：

誤差序列：

其中d(n)為期望信號。顯然，自適應(yīng)濾波器控制機理是用誤差序列e(n)按照某種準(zhǔn)則和自適應(yīng)算法對其系數(shù){Wi(n)}，=1,2,3,…m進行調(diào)節(jié)，最終使自適應(yīng)濾波器的目標(biāo)函數(shù)最小化達到最佳濾波狀態(tài)。按照均方誤差(MSE)準(zhǔn)則定義：

將e(n)=d(n)-y(n)帶入上式，均方誤差函數(shù)重寫為：

當(dāng)濾波器系數(shù)固定時，均方誤差函數(shù)又可寫成：

其中：R=E[X(n)XT(n)]是輸入信號的自相關(guān)矩陣；P=E[d(n)X(n)]是期望信號與輸入信號的互相關(guān)矢量；將上式對W求導(dǎo)，并令其等于零，同時假設(shè)R是非奇異的，由此可得最佳濾波系數(shù)W0為：

由式可見，均方誤差 ξ(n)是權(quán)矢量{Wj(n)}，i=1，2，…，M 的二次函數(shù)它代表以{w，(n)}，i=1，2，…，M 為自變量的一個“超拋物面”，均方誤差ξ(n)達到最小值ξmin。幾何上這相當(dāng)于超拋物面的最小點。在一般情況下，濾波器在迭代過程中或當(dāng)輸入過程統(tǒng)計特性發(fā)生變化時，權(quán)矢量W并不正好等于W，而是處于某一最佳值W(n)上。為了減小誤差，一個顯然的方法是找出該工作點處使均方誤差ξ(n)減小速率最大的方向，亦即梯度的負方向，然后令權(quán)矢量w(n)沿著梯度的負方向修正。令▽(n)代表n時刻的M×I維梯度矢量，則權(quán)矢量W(n+1)可用下列簡單遞歸關(guān)系計算：

式中，u是一個正實數(shù)，通常稱它為自適應(yīng)收斂系數(shù)或步長因子。根據(jù)梯度矢量定義，▽(n)可寫成：

可計算出濾波系數(shù)更新值：

上式是最陡下降法的數(shù)學(xué)公式，由此公式信號流程圖圖2。

圖2 最陡下降算法的信號流圖

2.2 最陡下降算法計算步驟

算法計算步驟如下：

1）根據(jù)所處理信號的特征，選取濾波器的階數(shù)M及收斂因子u。

2）令W(0)=0，W(0)表示一維數(shù)為M，各分量為0的向量。

3）for(k=M;k＜=N;k++)

X=[x(k),…,x(k-M+1)]T

y(k)=W(k)*X

e(k)=x(k)-y(k)

W(k+1)=W(k)+2*u*e(k)*X

3 結(jié)束語

本文分析討論WAVE文件的存儲結(jié)構(gòu)以及其樣本數(shù)據(jù)的存儲結(jié)構(gòu)，用VC++6.0語言實現(xiàn)PCM編碼的WAVE文件的讀取，濾波以及存儲，得到了正確的結(jié)果。

［1］WAV波形文件的結(jié)構(gòu)及其應(yīng)用實踐[J].微計算機信息，2005,21(8)：114-119.

［2］張賢達，保錚.通信信號處理[M].北京：國防工業(yè)出版社，2002：258-270.