G.723.1语音编码算法的DSP实现

随着通信、计算机网络等技术的飞速发展，日益增加的客户需求量和现有的通信信道容量之间的矛盾愈发突出。如何在有限的信道资源下，通过压缩信源以提高传输效率已成为当前急需解决的问题之一。为此诞生了许多语音压缩处理方法，G.723.1语音编码算法便是ITU-T(国际电信联盟电信标准化部门)制定的H.324协议簇首推的标准算法，主要用于低比特率多媒体业务的话音或其他音频信号分量的压缩。它是一种双速率语音编码标准，其中6.3 kb/s的速率提供了良好的话音质量，而5.3kb/s的速率在提供较好通话质量的同时，也为系统设计者提供了更适合的灵活性[1]。
1 算法原理
    G.723.1语音编码算法按帧(Frame)对语音数据进行压缩和解压缩，每帧240个采样点，压缩传递的参数包括线性预测系数、自适应码本的延时和增益、激励脉冲位置、符号及格点比特等。
　　首先进行高通滤波，去掉直流分量；接着把一帧信号分成4个子帧，每个子帧60个采样点，分别进行10阶线性预测分析(LPC)，得到各子帧的LPC参数，把最后一个子帧的LPC参数转化成线谱对(LSP)参数进行矢量量化编码，送到解码器。利用未量化的LPC参数构造短时感知加权滤波器，信号滤波后得到感觉加权的语音信号。每2个子帧(120样点)搜索一个开环基音值，并以此为依据为每一个子帧构造一个谐波噪声成形滤波器，对感知加权的语音信号进行滤波。每一子帧的LPC综合滤波器、感觉加权滤波器和谐波噪声成形滤波器联起来，构成一个联合滤波器，利用它的冲激响应和开环基音周期，对每一子帧进行闭环基音搜索，对开环搜索的结果进行修正。同时通过一个五阶基音预测器对信号进行预测，得到相应子帧的残差信号。最后进行固定码本搜索，也就是对每一子帧的残差信号进行矢量量化，对应两种不同的编码速率采用两种不同的方法：编码速率为6.3kb/s时，采用多脉冲最大似然量化(MP-MLQ)的方法，具有较高的重建语音质量；编码速率为5.3kb/d时，采用代数码本激励线性预测(ACELP)方法。
　　算法的解码也是按帧进行，主要对符合ITU-TG.723.1的码流进行解码，得到相应的参数，根据语音产生的机理，合成语音信号。读入一帧码流后，分别进行LSP参数、基音周期和激励脉冲信号解码，对LSP参数插值，然后转化成各子帧的线性预测系数，构成LPC综合滤波器。通过基音周期和激励脉冲得到每一子帧的残差信号，经过基音后滤波，输入到LPC综合滤波器，产生合成语音信号。经过共振峰后滤波和增益控制，形成高质量的重建语音信号。
2 算法实现
2.1 硬件设计
　　在选择DSP芯片时，考虑了语音压缩编码算法的复杂度以及运算量，并对DPS芯片本身的运算能力、存储空间大小、性能价格比、开发软件的完整性等多方面进行综合比较，最终选用TIC54xx系列的定点运算处理器TMS320C5416，开发平台是TMS320C5416 DSK。
　　TMS320C5416的单指令周期为6.25ms，每秒执行的指令数为160M，使用了6级指令流水线结构，这些都很适合G.723.1语音编码算法的实现。采用一个40 bitALU、128K×16 bit片内RAM(包括64 kB的片内DARAM和64 KB的片内SARAM)、3个独立的16bit数据内存总线、1个程序内存总线、3个McBSP、6信道DMA控制器、1个8/16 bit并行增强主机端口接口及2个16 bit计时器[2，3]。
　　在DSK的基础上，可以搭建出语音开发硬件系统平台，如图1所示。

　　输入语音信号由麦克风输入，经过立体声音频多媒体数字信号编码芯片PCM3002 A/D转换后成为数字信号，接着送入DSP内进行编码压缩处理。处理后的数据经过解压得到重建的语音信号，最后送入PCM3002 D/A转换为模拟信号，通过耳机或扬声器得以收听到。
2.2 算法实现流程
　　根据G.723.1算法，设计实现流程如图2所示。

　　从流程图中可以看到，首先关闭中断、初始化DSP芯片和开发平台；然后进行程序运行前的硬件配置，主要是配置外设，打开DMA和McBSP。配置结束后打开中断屏蔽控制寄存器，等待中断的到来。McBSP接收中断发生时，DMA接收PCM3002发来的数据并存入缓冲区，并判断是否满一帧240个数据。如果不满帧，就直接等待下一次McBSP接收中断；如果满一帧，通过DMA通道3将240个语音数据复制到缓冲区BUFF1，同时置位新帧标志位new_data，然后对数据进行编解码处理。整个编解码结束后，将得到的一帧240个合成语音数据复制到缓冲区BUFF2中，等待新帧标志位重新置1后进行下一帧的编解码处理。McBSP发送中断时，DMA把发送缓冲区的一个数据发送给PCM3002后，判断是否满一帧。如果不满帧，就直接等到下一次McBSP发送中断；如果满一帧，即PCM3002接收到了240个数据，则把BUFF2中新一帧240个合成语音数据复制到发送缓冲区，等待下一次McBSP发送中断。