一种基于DSP的人工耳蜗语音处理器设计

4 设计结果验证
文中设计的CIS算法首先用MATLAB进行验证，然后修改成C语言在DSP上实现。为了更方便的分析算法结果，文中利用了集成在MATLAB 7．0中的CCSLlink工具。利用该工具可在MATLAB环境下完成对CCS和DSP目标板的操作，自动实现调试，数据传递和验证。在创建好CCSIDE连接对象后，利用MATLAB把工程文件加载到CCSIDE中，经过编译连接生成DSP可执行文件。把可执行文件加载到DSP目标板，运行程序，由waver ead函数读取wav格式音频文件。该音频文件是立体声的波形文件，采样精度16位，采样率22 050 Hz，左声道模拟麦克风1，右通道模拟麦克风2。为了模拟真实环境中的噪声，左右声道各加入了相关的高斯白噪声，通过LINE IN连接线接到DSP目标板。先将自适应滤波前后的结果进行对比，如图5所示。

自适应消噪后的语音信号经过预加重，FFT变换，带通滤波，能量求和及非线性压缩后可得到与每个电极相对应的刺激脉冲。以第一通道为例，同一语音分别经DSP和MATLAB采样处理的结果对比如图6所示。

5 CIS算法实现优化
功耗是人工耳蜗语音处理器设计需要考虑的重要内容，本系统在降低功耗方面做了一些努力。由于语音实时采样分析的需要，每帧数据的处理时间必须小于每帧数据的采样时间。CIS算法优化后减少了每帧数据的处理时间，可以使CPU工作在较低的工作频率，一定程度上降低了系统功耗。CIS算法中开平方运算和FFT运算需要较多的处理时间，其中浮点数开平方运算需要10 ms，浮点数FFT运算需要51 ms。本算法中采用了DSP函数库中的sqrt_16函数和cfft函数，这些函数全部为优化过的汇编语言，可有C?语言方便调用，执行速度得到了很大的提高。

6 结束语
文中介绍了基于16位定点DSP芯片TMS320VC5509A的人工耳蜗语音处理器的硬件设计和软件设计。为了提高低噪声中的语音识别率，本设计采用了双麦克风接收语音输入的自适应消噪技术。声音经过语音Codec芯片TLV320AIC23采集并进行A／D转换后传输到DSP内。系统运行结果表明，该系统可以实现语音信号中噪声的消除，并得到良好的电极刺激脉冲，其低功耗、低成本、移植性好的特性将有助于人工耳蜗更好的普及。