基于dsp音视频矩阵控制的研究与实现

《基于dsp音视频矩阵控制的研究与实现》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、不要删除行尾的分节符，此行不会被打印-I-摘要IAbstractII第1章绪论11.1课题研究的目的和意义11.1.1音视频矩阵概述11.1.2语音端点检测检测的作用11.2国内外研究现状31.2.1端点检测算法的国内外研究现状31.2.2数字信号处理器(DSP)的发展状况41.3本论文主要工作内容和任务5第2章语音端点检测算法的分析及其优化72.1语音分析的一般方法72.1.1时域分析法72.1.2频域分析方法82.1.3语谱分析法92.1.4语音端点检测算法的分析92.2小波分析的基本理论112.2.1连续小波变换122.

2、2.2离散小波变换132.2.3多分辨率分析142.3子带平均能量方差162.3.1噪声与语音的频域差异162.3.2利用小波分析进行端点检测192.3.3实验结果比较232.4小波系数方差242.4.1语音的1/f小波模型242.4.2小波系数方差算法实现272.5算法优化及验证282.5.1 MATLAB仿真282.5.2仿真结果302.6本章小结32第3章音视频矩阵控制系统的硬件设计333.1系统整体设计333.2 TMS320C5402简介333.3最小系统模块硬件设计343.3.1电源电路353.3.2时钟电路363

3、.4 McBSP模块硬件设计363.4.1多通道缓冲串行口373.4.2语音接口芯片TLC320AD50C393.5音视频矩阵控制模块403.6本章小结41第4章系统软件实现424.1软件开发工具介绍424.1.1 CCS的组成424.1.2 CCS的主要功能424.2系统自举加载器的设计434.2.1选择自举方式444.2.2 Flash的数据组织454.3 McBSP模块软件设计464.3.1 McBSP控制寄存器464.3.2 TLC320AD50C的控制寄存器484.3.3 McBSP模块驱动程序484.4端点检测的实

4、现504.5本章小结50结论51参考文献52攻读硕士学位期间发表的学术论文55致谢56千万不要删除行尾的分节符，此行不会被打印。在目录上点右键“更新域”，然后“更新整个目录”。打印前，不要忘记把上面“Abstract”这一行后加一空行第1章绪论1.1课题研究的目的和意义1.1.1音视频矩阵概述音视频矩阵在系统中介于音视频源与显示或复用终端之间，负责将不同的音视频信号按用户的选择进行集中调控。最简单的模拟音频矩阵系统是利用电子开关，来实现输入与输出的连接。在现代多媒体会议室，为了满足不同演示场合的需求，通常会具备多种不同的音视频

5、信号源和显示终端，矩阵就可以把提供信号源的设备的任意一路的信号送到任意一路的显示终端上。根据使用的需要，也可以在不同的显示终端上同时显示相同或不同的视频源内容可以做到音频和视频同步或者不同步。这样，既方便控制，又节约成本。但是传统音视频矩阵的功能单一，也不具备扩展功能。随着计算机多媒体技术和数字通讯技术的飞速发展，社会已进入了数字化时代。语音技术和数字信号处理技术的不断发展使矩阵控制从模拟技术向数字技术发展，数字化网络化成为信号处理的必然趋势。本文采用了语音端点检测的算法来实现音视频矩阵的智能语音控制[1]。1.1.2语音端点

6、检测检测的作用语音端点检测(EndpointDetection)，也被称为语音活跃检测（VoiceActivityDetection，简称VAD），主要应用在语音处理中的语音编解码，语音识别、语音增强及语音监控等领域[2]。计算机语音识别过程与人对语音识别处理过程基本上是一致的。一个完整的语音识别系统可大致分为四部分：语音信号预处理，语音特征提取，声学模型与模式匹配，语言模型与语言处理。语音识别的对象是语音信号，端点检测的目的就是在复杂的应用环境下的信号流中分辨出语音信号和非语音信号，并确定语音信号的开始及结束。一般的信号流都

7、存在一定的背景声，而语音识别的模型都是基于语音信号训练的，语音信号和语音模型进行模式匹配才有意义。因此从信号流中检测出语音信号是语音识别的必要的预处理过程。如图1-1所示[3]。51--图1-1语音识别系统流程图Fig.1-1Speechrecognitionsystemdiagram端点检测有两个过程：1．基于语音信号的特征，用能量、过零率、熵(entropy)、音高(pitch)等参数以及它们的衍生参数，来判断信号流中的语音/非语音信号。2．在信号流中检测到语音信号后，判断此处是否是语句的开始或结束点。在商用语音系统中，由

8、于信号多变的背景和自然对话模式而更容易使句中有停顿（非语音），特别是在爆发声母前总会有无声间隙。因此，这种开始/结束的判定尤为重要。此外端点检测的目的还在于：1．减少识别器的数据处理量。可以大量减少信号传输量及识别器的运算负载，对于语音对话的实时识别有重要作用。2．拒绝非语音