基于數(shù)字信號(hào)處理器的嬰兒聲音識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)*

顧國良，許鵬，沈曉燕

(南通大學(xué) 電子信息學(xué)院，江蘇 南通 226019)

1 引 言

在復(fù)雜多變的世界中，嬰兒顯得十分弱小，他們只有在成年人的精心呵護(hù)下，才能健康地成長?？奘菋雰撼錾笊南笳鳎彩撬麄兣c外界交流的工具，通過啼哭表達(dá)自己的訴求，因此，一種可以實(shí)時(shí)準(zhǔn)確監(jiān)測(cè)嬰兒哭聲的系統(tǒng)是非常有必要的。在上世紀(jì)六七十年代，國外己經(jīng)有對(duì)嬰兒哭聲進(jìn)行研究，危地馬拉的兒科醫(yī)生萊斯用計(jì)算機(jī)對(duì)兒童哭聲的疾病信息進(jìn)行研究[1]。2003年，西班牙的一位工程師發(fā)明了一款可以分析嬰兒哭聲的儀器，不過被證實(shí)檢測(cè)效果并不好[2]。國內(nèi)主要是在一部分研究機(jī)構(gòu)和高等院校對(duì)聲音信號(hào)進(jìn)行研究，設(shè)計(jì)了嬰兒哭聲信號(hào)識(shí)別的一些測(cè)試系統(tǒng)[3]，目前，很多醫(yī)院對(duì)嬰兒監(jiān)護(hù)仍需人工來完成，市面上也有很多類似育嬰箱的智能監(jiān)護(hù)產(chǎn)品，但具有嬰兒哭聲識(shí)別功能的較少且識(shí)別精度不高[4]。為了解決該問題，本研究采用動(dòng)態(tài)時(shí)間規(guī)整識(shí)別算法與線性預(yù)測(cè)系數(shù)結(jié)合，實(shí)現(xiàn)對(duì)嬰兒哭聲的準(zhǔn)確識(shí)別。本系統(tǒng)以DSP為硬件平臺(tái)，其強(qiáng)大的浮點(diǎn)運(yùn)算功能，大大提高了系統(tǒng)的時(shí)效性和準(zhǔn)確性。

2 嬰兒啼哭聲特點(diǎn)及識(shí)別方法

嬰兒啼哭聲與成年人的語音比較，既有相似又有不同，實(shí)驗(yàn)所用語音為一段嬰兒啼哭聲，圖1為嬰兒啼哭聲的時(shí)域波形和對(duì)應(yīng)的語譜圖。分析得嬰兒哭聲具有以下不同于語音信號(hào)的特點(diǎn)：基頻較高，嬰兒的聲帶短而且薄，因此得到的基音頻率較高；嬰兒啼哭的某些聲音單元，其包絡(luò)部分呈現(xiàn)規(guī)律性。本研究使用動(dòng)態(tài)時(shí)間規(guī)整算法對(duì)嬰兒哭聲進(jìn)行識(shí)別，語音識(shí)別系統(tǒng)原理框圖見圖2。

圖1 語譜圖

圖2 語音識(shí)別系統(tǒng)原理框圖

樣本語音經(jīng)過端點(diǎn)檢測(cè)等預(yù)處理之后，對(duì)得到的語音信號(hào)進(jìn)行特征參數(shù)提取，然后存入模板庫中，待識(shí)別的語音經(jīng)過預(yù)處理和參數(shù)提取后，將采集到的語音的特征參數(shù)與模板庫中的每個(gè)模板進(jìn)行模式匹配，將相似度最高的模板對(duì)應(yīng)的語音判決為識(shí)別結(jié)果輸出[5-6]。

2.1 線性預(yù)測(cè)系數(shù)特征提取優(yōu)化算法

線性預(yù)測(cè)分析的基本思想為：一個(gè)語音樣本當(dāng)前的值可以用樣本中若干過去的值通過某種線性組合來無限逼近。實(shí)際語音和線性預(yù)測(cè)的采樣值通過最小均方誤差(MSE)準(zhǔn)則來確定唯一的一組線性預(yù)測(cè)系數(shù)(LPC)。

根據(jù)模型化表示法，圖3為嬰兒哭聲信號(hào)模型，其中增益為G的信號(hào)t(n)在經(jīng)過H(z)產(chǎn)生輸出信號(hào)，即嬰兒哭聲信號(hào)x(n)，聲道參數(shù)即是線性預(yù)測(cè)系數(shù)。

圖3 嬰兒啼哭聲信號(hào)的模型化

其中，H(z)為全極點(diǎn)模型的表達(dá)式見式(1)：

(1)

在式(1)中，模型參數(shù)分別為：系數(shù)ai、增益常數(shù)G、以及模型階數(shù)p。

(2)

由式(2)得，F(xiàn)(z)由ai決定，采用最小均方誤差準(zhǔn)則，可求得ai。

短時(shí)預(yù)測(cè)均方誤差為En，其表達(dá)式見式(3)：

(3)

在實(shí)際研究中，En在每一幀聲音信號(hào)的范圍內(nèi)進(jìn)行，當(dāng)?En/?ak=0時(shí)，En可取到最小值，其中，k=1,2,…,p，即：

(4)

因此，可以得到線性方程組：

(5)

其中，k=1,2,…,p。如果定義

其中，k=1,2,…,p；i=0,1,2,…,p，則式(5)可用式(6)表示：

(6)

對(duì)于線性預(yù)測(cè)方程組，自相關(guān)法穩(wěn)定性較好，具有高效遞推算法的優(yōu)勢(shì)，因此優(yōu)先考慮自相關(guān)法，自相關(guān)函數(shù)經(jīng)過加窗處理后可以得到式(7)：

(7)

自相關(guān)函數(shù)法需要加窗進(jìn)行過濾，但誤差較大，計(jì)算精度較差。

為提高識(shí)別精度，本研究采用優(yōu)化過的布萊克曼窗進(jìn)行濾波，相對(duì)于其它窗函數(shù)，其主瓣寬，旁瓣比較低，且波動(dòng)較小，幅值識(shí)別精度高。首先進(jìn)行預(yù)加重處理，在經(jīng)過端點(diǎn)檢測(cè)之后，將語音信號(hào)進(jìn)行分幀，然后對(duì)每一幀信號(hào)使用優(yōu)化的布萊克曼窗處理，使得濾波之后的信號(hào)噪聲明顯減少，求得哭聲信號(hào)的線性預(yù)測(cè)系數(shù)精度大大提高。

2.2 動(dòng)態(tài)時(shí)間規(guī)整算法

動(dòng)態(tài)時(shí)間規(guī)整(dynamic time wraping, DTW)算法，用滿足一定條件的時(shí)間規(guī)整函數(shù)W(n)描述測(cè)試模板和參考模板的時(shí)間對(duì)應(yīng)關(guān)系，該規(guī)整函數(shù)使得兩模板匹配時(shí)累加距離最小[7]，原理圖見圖4。

有兩個(gè)時(shí)間序列A和B，分別為參考模板和測(cè)試模板，他們的長度分別是n和m(m,n為任意值)A=a1,a2,…,ai,…,an;B=b1,b2,…,bi,…,bn;

若n=m，直接計(jì)算兩個(gè)序列的距離，若n不等于m，需要將兩個(gè)時(shí)間序列對(duì)齊，采用動(dòng)態(tài)規(guī)劃(dynamic programming, DP)的方法，進(jìn)行線性縮放。構(gòu)造一個(gè)n×m的矩陣網(wǎng)格，矩陣元素(i,j)表示ai和bj兩個(gè)點(diǎn)的歐式距離d(ai，bj)，d(ai，bj)=(ai，bj)2。

從(0,0)點(diǎn)開始匹配這兩個(gè)序列A和B，每到一個(gè)點(diǎn)，將之前所有的點(diǎn)計(jì)算的距離累加，到達(dá)終點(diǎn)(n,m)后，這個(gè)累加距離就是序列A和B的相似度。

累加距離γ(i,j)可以按下面的方式表示，累積距離γ(i,j)為當(dāng)前格點(diǎn)距離d(i,j)，也就是點(diǎn)ai和bj的歐式距離與可以到達(dá)該點(diǎn)的最小的鄰近元素的累加距離之和，即：

r(i，j)=d(ai，bj)+min{γ(i-1,j-1)，γ(i-1，j)，γ(i，j-1)}

圖4 動(dòng)態(tài)時(shí)間規(guī)整算法原理圖

3 系統(tǒng)整體結(jié)構(gòu)設(shè)計(jì)

系統(tǒng)整體結(jié)構(gòu)見圖5，拾音器采集音頻信號(hào)傳輸給音頻解碼芯片，音頻解碼芯片通過多通道音頻串行接口(multichannel audio serial port,McASP)將處理過的音頻信號(hào)傳輸給DSP芯片，使用優(yōu)化的自相關(guān)函數(shù)算法提取后，然后將處理后的音頻與存儲(chǔ)器模塊中的音頻數(shù)據(jù)庫進(jìn)行比對(duì)，確定是否為嬰兒哭聲，DSP將得到的結(jié)果通過串口在控制端的PC上顯示。

圖5系統(tǒng)整體框圖

Fig5Theoverallsystemdiagram

3.1 硬件設(shè)計(jì)

采集單元，拾音器是用來采集現(xiàn)場(chǎng)環(huán)境聲音再傳送到后端設(shè)備的一個(gè)器件，它是由麥克風(fēng)和音頻放大電路構(gòu)成。TLV320AIC23B是一款性能極高的音頻編解碼器芯片，內(nèi)置放大濾波電路，其數(shù)模轉(zhuǎn)換和模數(shù)轉(zhuǎn)換功能采用集成過采樣數(shù)字插值濾波器的sigma-delta技術(shù)，支持16位、20位、24位、32位采樣，采樣率為8～96 kHz。該芯片還集成了一個(gè)可調(diào)且可編程的麥克風(fēng)放大器。

處理單元，TMS320DM643芯片是定點(diǎn)DSP中性能最優(yōu)的數(shù)字信號(hào)處理平臺(tái)，非常適合數(shù)字媒體的應(yīng)用。TMS320DM643主頻高達(dá)5760 (million instructions per second，MIPS)，時(shí)鐘周期最高為720 MHz，為高性能DSP編程技術(shù)提供高效的解決方案。TMS320DM643采用兩級(jí)緩存技術(shù)且具有許多功能強(qiáng)大的外設(shè)，集成有1個(gè)McASP片上外設(shè)和一個(gè)I2C( Inter-integrated Circuit)總線模塊。McASP是一種多通道音頻同步串行接口，TLV320AIC23B通過McASP實(shí)現(xiàn)與TMS320DM643的數(shù)據(jù)通信。McASP 同樣具有很強(qiáng)的可編程能力，可以配置為多種同步串口標(biāo)準(zhǔn)，直接與各種器件高速接口。另外，我們?cè)黾恿艘粋€(gè)4 M×64-位的SDRAM 存儲(chǔ)器，用于存儲(chǔ)程序與數(shù)據(jù)。

控制單元，TL16C752B是具有64字節(jié)(first input first output，F(xiàn)IFO)通用異步收發(fā)器，它可以完成DSP數(shù)據(jù)的傳送以及串行傳輸?shù)牟ㄌ芈实脑O(shè)定。TL16C752B是一塊串行協(xié)議轉(zhuǎn)換芯片，它可以將DSP發(fā)送的數(shù)據(jù)以通用的串行協(xié)議傳輸，實(shí)現(xiàn)DSP與其它硬件的數(shù)據(jù)傳輸。TL16C752B通過MAX3232實(shí)現(xiàn)與計(jì)算機(jī)的通信，MAX3232完成電平轉(zhuǎn)換，TL16C752B完成數(shù)據(jù)傳送的并/串轉(zhuǎn)換以及串行傳輸?shù)牟ㄌ芈试O(shè)定等功能。

3.2 軟件設(shè)計(jì)

軟件設(shè)計(jì)流程圖見圖6。

根據(jù)模塊化的程序設(shè)計(jì)思想，實(shí)現(xiàn)程序的簡潔明了，方便調(diào)用和調(diào)試，將所用到的算法程序封裝到子程序模塊中，對(duì)于被調(diào)用頻率高的子程序，可采用匯編語言實(shí)現(xiàn)[8-9]。

完成硬件模塊的初始化后，設(shè)置McASP以中斷的方式接收TLV320AIC23B傳過來的數(shù)據(jù)，使McASP的接收中斷，DSP會(huì)把接收到的數(shù)據(jù)存放在某塊緩沖區(qū)中，此緩沖區(qū)為循環(huán)緩沖區(qū)，以便用一個(gè)有限容量的數(shù)據(jù)區(qū)來存儲(chǔ)數(shù)量極大的語音數(shù)據(jù)，然后對(duì)數(shù)據(jù)進(jìn)行采樣，將McASP接收到的語音信號(hào)利用短時(shí)能量和過零率相結(jié)合的方法進(jìn)行端點(diǎn)檢測(cè)，采用優(yōu)化的自相關(guān)函數(shù)算法進(jìn)行特征提取，使用動(dòng)態(tài)時(shí)間規(guī)整算法識(shí)別，確定結(jié)果，然后通過串口顯示在計(jì)算機(jī)上。

圖6 系統(tǒng)主程序流程圖

4 實(shí)驗(yàn)設(shè)計(jì)與分析

為測(cè)試系統(tǒng)對(duì)嬰兒哭聲的識(shí)別率，選取嬰兒哭聲、笑聲、開關(guān)門聲、狗叫聲、非兒童人聲進(jìn)行實(shí)驗(yàn)。本研究中分別錄制60段嬰兒哭聲，嬰兒聲音樣本來自5名1周歲以下的嬰兒各12段；錄制50段嬰兒笑聲，嬰兒聲音樣本來自5名1周歲以下的嬰兒各10段；錄制非兒童人聲，來自于25名男性，25名女性，分別對(duì)阿拉伯?dāng)?shù)字1，2，3，4，5的發(fā)音50段；錄制50段狗叫聲，來自于5種犬類各10段；錄制50段開關(guān)門聲。

本研究AD轉(zhuǎn)換器的采樣率設(shè)置為8 kHz，LPC階數(shù)為12，幀長為240。首先，取10段嬰兒哭聲樣本進(jìn)行訓(xùn)練，樣本來自5名嬰兒，提取特征參數(shù)，組成參考模板庫。

實(shí)驗(yàn)一：使用漢明窗提取線性預(yù)測(cè)系數(shù)和動(dòng)態(tài)時(shí)間規(guī)整識(shí)別算法，將所有樣本從系統(tǒng)的輸入端輸入，查看輸出端顯示的結(jié)果，實(shí)驗(yàn)結(jié)果見表1。

表1一般的線性系數(shù)提取算法識(shí)別率

Table1Generallinearcoefficientextractionalgorithmrecognitionrate

樣本數(shù)告警數(shù)告警率(%)識(shí)別率(%)嬰兒哭聲50418282嬰兒笑聲50122476開關(guān)門聲5024狗叫聲50816語音 ”1”5048語音 ”2”501293.4語音 ”3”5036語音 ”4”5024語音 ”5”5036

研究表明，當(dāng)信號(hào)為嬰兒哭聲時(shí)，識(shí)別率為82%，當(dāng)信號(hào)為嬰兒笑聲時(shí)，識(shí)別率為76%，這兩項(xiàng)關(guān)于嬰兒聲音的識(shí)別率并不理想。而當(dāng)信號(hào)為非嬰兒聲音時(shí)，各種聲音的識(shí)別結(jié)果有一些差異，狗叫聲的誤報(bào)次數(shù)最高，經(jīng)計(jì)算得出所有非嬰兒聲音樣本正確識(shí)別率為93.4%。可以明顯看出，該系統(tǒng)嬰兒聲音正確識(shí)別率偏低，非嬰兒聲音比嬰兒聲音的正確識(shí)別率略高。

實(shí)驗(yàn)二：使用布萊克曼窗提取線性預(yù)測(cè)系數(shù)和動(dòng)態(tài)時(shí)間規(guī)整識(shí)別算法，將所有樣本從系統(tǒng)的輸入端輸入，查看輸出端顯示的結(jié)果，實(shí)驗(yàn)結(jié)果見表2。

表2改進(jìn)的線性系數(shù)提取算法識(shí)別率

Table2Improvedlinearcoefficientextractionalgorithmrecognitionrate

樣本數(shù)告警數(shù)告警率(%)識(shí)別率(%)嬰兒哭聲50489696嬰兒笑聲503694開關(guān)門聲5012狗叫聲5024語音 ”1”5012語音 ”2”500097.7語音 ”3”5012語音 ”4”5024語音 ”5”5012

研究表明，當(dāng)信號(hào)為嬰兒哭聲時(shí)，識(shí)別率為96%，當(dāng)信號(hào)為嬰兒笑聲時(shí)，識(shí)別率為94%，這兩項(xiàng)識(shí)別率達(dá)到理想的效果。而當(dāng)信號(hào)為非嬰兒聲音時(shí)，各種聲音的誤報(bào)次數(shù)普遍較低，非嬰兒聲音樣本正確識(shí)別率可達(dá)97.7%?？傮w來說，該系統(tǒng)嬰兒聲音和非嬰兒聲音的正確識(shí)別率差距相差不大，都達(dá)到較高的水平。

綜上，將布萊克曼窗提取線性預(yù)測(cè)系數(shù)和動(dòng)態(tài)時(shí)間規(guī)整識(shí)別算法相結(jié)合，嬰兒聲音和非嬰兒聲音的識(shí)別率均得到了提高，其中，嬰兒哭聲和笑聲識(shí)別率得到了明顯的提高，系統(tǒng)性能整體得到提升且運(yùn)行良好，系統(tǒng)識(shí)別時(shí)間為大約500 ms左右，完全滿足育嬰箱的要求。

5 結(jié)論

本研究設(shè)計(jì)了一套針對(duì)嬰兒哭聲的監(jiān)護(hù)系統(tǒng)，通過改進(jìn)的自相關(guān)函數(shù)算法提取音頻線性預(yù)測(cè)系數(shù)特征參數(shù)，使用動(dòng)態(tài)規(guī)整算法進(jìn)行識(shí)別，提高了對(duì)嬰兒哭聲識(shí)別的精確度；另外，本研究介紹了系統(tǒng)的硬件構(gòu)成和軟件設(shè)計(jì)架構(gòu)，驗(yàn)證了平臺(tái)的性能有效性。該系統(tǒng)實(shí)時(shí)性好，分辨率高，操作簡單，想法新穎，在實(shí)際生活中有廣闊的應(yīng)用前景。