一種基于DSP的人工耳蝸語音處理器設計

4 設計結果驗證
文中設計的CIS算法首先用MATLAB進行驗證，然后修改成C語言在DSP上實現。為了更方便的分析算法結果，文中利用了集成在MATLAB 7．0中的CCSLlink工具。利用該工具可在MATLAB環境下完成對CCS和DSP目標板的操作，自動實現調試，數據傳遞和驗證。在創建好CCSIDE連接對象后，利用MATLAB把工程文件加載到CCSIDE中，經過編譯連接生成DSP可執行文件。把可執行文件加載到DSP目標板，運行程序，由waver ead函數讀取wav格式音頻文件。該音頻文件是立體聲的波形文件，采樣精度16位，采樣率22 050 Hz，左聲道模擬麥克風1，右通道模擬麥克風2。為了模擬真實環境中的噪聲，左右聲道各加入了相關的高斯白噪聲，通過LINE IN連接線接到DSP目標板。先將自適應濾波前后的結果進行對比，如圖5所示。

自適應消噪后的語音信號經過預加重，FFT變換，帶通濾波，能量求和及非線性壓縮后可得到與每個電極相對應的刺激脈沖。以第一通道為例，同一語音分別經DSP和MATLAB采樣處理的結果對比如圖6所示。

5 CIS算法實現優化
功耗是人工耳蝸語音處理器設計需要考慮的重要內容，本系統在降低功耗方面做了一些努力。由于語音實時采樣分析的需要，每幀數據的處理時間必須小于每幀數據的采樣時間。CIS算法優化后減少了每幀數據的處理時間，可以使CPU工作在較低的工作頻率，一定程度上降低了系統功耗。CIS算法中開平方運算和FFT運算需要較多的處理時間，其中浮點數開平方運算需要10 ms，浮點數FFT運算需要51 ms。本算法中采用了DSP函數庫中的sqrt_16函數和cfft函數，這些函數全部為優化過的匯編語言，可有C?語言方便調用，執行速度得到了很大的提高。

6 結束語
文中介紹了基于16位定點DSP芯片TMS320VC5509A的人工耳蝸語音處理器的硬件設計和軟件設計。為了提高低噪聲中的語音識別率，本設計采用了雙麥克風接收語音輸入的自適應消噪技術。聲音經過語音Codec芯片TLV320AIC23采集并進行A／D轉換后傳輸到DSP內。系統運行結果表明，該系統可以實現語音信號中噪聲的消除，并得到良好的電極刺激脈沖，其低功耗、低成本、移植性好的特性將有助于人工耳蝸更好的普及。