ETSI AMR-2 VAD的最优评估和超低资源实现.docVIP

ETSI AMR-2 VAD的最优评估和超低资源实现 通信与信息系统 1131901009 高明 摘要 ETSI AMR-2 VAD严谨地在纯净和有噪声的情况里被评估，后来VAD又被简化到能在一个使用快速过采样DFT滤波器组的超低资源DSP系统上运用。 低资源的VAD的参量在使用二个人的语音和6个不同噪声的类型在信噪比从-10db到20dB上分析。 而VAD则通过从另外二个人说同样的句子和12个不同噪声类型上测试。结果说明，低资源VAD在纯净和有噪声的情况下有着和VAD差不多的表现。 当使用在以1.28兆赫的时钟速度和消耗少于1毫瓦能量时的DSP用户上时，低资源VAD使用了少于30%的可用系统资源。 1. 介绍 在许多语言信息处理系统中，VAD是 (语音活动侦测)关键的组分。 VAD在数据压缩和带宽减少中使用(在编解码器里)，为控制适应过程(在自适应的回声或噪声取消)和为噪声外形估计(在增强语音信号)。 有用的VAD在纯净和有噪声的情况应该能很好执行。 典型地要求VAD查出所有语音活动，并且同时尽可能一样频率地查出停止。 然而在有噪声的情况，在二者之间要有权衡了; 当VAD试图查出语音活动的更多部分，它越来越错误地给出停止信号作为语音(假警报)。 并且，语音可以被错误认为停止 (语音切除)。 当两个错误分类应该都减少到最小，对于在某些应用上，错误在一个方向要比在另一个方向上造成更多的不好的因素。 例如在编解码器，假警报相比语音切除能接受，而自适应的回波消除技术更多的发现了错误的原因是因为有假警报。 为了实现实时紧凑和便携式的语言信息处理系统， VAD要求更有限制性。 最关键的， VAD应该有低延迟，快速地和优选的计算和可靠的表现。 欧洲电信标准学院(ETSI)在为使用发布了受到推荐的二个VAD选择以他们自适应的 (AMR)编解码器的标准。 VAD 2在这项研究里被认为是分析、优化和硬件，因为它提供在DFT滤波器组上可以高效率地实施一种基于部分子带的频率领域的算法。 在这研究中，第一个发现就是长期预言LTP_标志可以被去除，不用性能退化。 其次， ETSI AMR-2 VAD (在本文称ETSI-VAD)被使用在一个用过采样的DFT滤波器组的超低资源硬件工作台中。 要做到如此，某些VAD参量需要再优化。 低资源VAD (LR-VAD)的表现是通过去听，来客观地和主观地估计后分类作为语音信号或者停止。六个不同噪声类型和从二个人说出的长的语段，利用比较LR-VAD和ETSI-VAD的方式做参数寻优。 二种VAD(从二个人说出的语段和12个不同噪声类型)表明LR-VAD比ETSI-VAD提供更可靠的表现。 ETSI AMR-2 VAD在第2部分简要地被描述。 在第3部分使用DSP系统里介绍。在第4部分中介绍对ETSI-VAD的修改成为能再DSP系统中使用。在第5部分，对于ETSI-VAD和LR-VAD的实验性设定和表现评估和的结果被描述。最后会谈到论文的结论和技术的未来。 2. ETSI AMR-2 VAD 图1显示ETSI AMR-2 VAD的一张被简化的结构图。 结构图是基于VAD的C语言。 如同看到的那样，输入的语音信号首先被转换成频域。 频带然后成群作为一定数量的子带(Nc=16)和子带的能量(Ech (i， m)， i=1,2，…，Nc， m=frame index)被估计。 给出背景噪声(En (i， m)， i=1,2，…，Nc)的估计，信噪比 (σ (i)， i=1,2，…，nc)估计。 一个非线性图生成对应了信道信噪比和语音测量V (m)。信噪比使用信噪比和长期信噪比 (信噪比q (m))。 语音测量(V (m))和长时段信噪比为VAD决定提供主要参量。 根据噪声更新下决定。 出现高峰能量的比率和平均能量来计算、查找正弦波(造成“正弦波标志”)。波谱的偏差估计是在帧子带能量的偏差和长时段子带能量之间测量。当偏差(平均能量， ?E (m)时)变得非常小，它也许在某些情况之下触发噪声更新。 波谱的偏差估计也提供帧的总能量(Etot (m)的)估计。 如果语音测量小于门限值，噪声能量会更新。 否则，波谱的偏差、正弦波标志LTP_标志 图1 ： AMR-2 VAD的被简化过的结构图。 图2 ： DSP系统结构图 3. DSP系统 图2显示DSP系统的一张结构图。 DSP部分包括三个主要部分： 一个加权的overlapped(WOLA)滤波器辅助处理器、16位DSP核心和输入-输出处理器(IOP)。 DSP核心、WOLA 辅助处理器和IOP平行结构运行和通过共享内存交换数据。 系统的并行操作在用低时钟率的低资源环境里能实施对复杂信号处理算法。 系统对部分子带处理是特别高效率的。 可配置的WOLA 辅助处理器计算留FFT