基于自适应滤波器的语音增强算法研究及DSP实现

1、内蒙古大学硕士学位论文基于自适应滤波器的语音增强算法研究及DSP实现姓名：乌晓礼申请学位级别：硕士专业：信号与信息处理指导教师：白凤山20050101基于自适应滤波器的语音增强算法研究及实现摘要语音增强的主要目的是从带噪语音信号中提取尽可能纯净的原始语音信号。本文介绍了一种利用构建的基于自适应滤波算法的语音信号增强处理系统。文中在扼要介绍了目前常用的语音增强方法的基础上，重点介绍了采用算法的自适应语音增强系统。自适应语音增强算法较其它方法相比，采用了一个参考噪声作为辅助输入，从而能获得比较全面的关于噪声的信息，冈而可以得到更好的降噪效果。同时它还具有简单、计算量小、易于实时实现等特点，基于这一

2、点，在语音增强技术中，算法得到了广泛的应用。在分析研究算法的基础上，本课题用和语言对算法实现自适应语音增强进行了仿真实现。为了实现算法在语音增强上的应用，本课题中利用芯片和外围电路搭建了一个算法验证平台，包括语音信号的输入、转换、自适应处理、转换、语音输出等部分。编制了的算法程序并下载到芯片中使该系统完成语音信号的采样输入，处理及增强输出。实验结果表明，该算法在一定程度上可有效地抑制噪声，提高信噪比，减少失真。利用处理器构建语音信号处理平台是目前广泛采用的技术手段之一，寻找合适的语音处理算法也是语音处理领域中一个热点问题，本课题在这方而作了一定的探索，并取得初步的经验，为今后继续深入研究奠定了

3、一定的基础。关键词：语音增强，自适应滤波，算法嚣墨。，。，：，一引言语音增强是指语音质量的改善或提高。实际语音都是在有噪声和干扰的环境下产生的，这样得到的语音信号是被“污染”了的。语音增强的目的就是去掉语音信号中的噪声和干扰，改善它的质量。语音增强技术有着广泛的应用，目前，大多数语音编码、语音识别系统都只能在实验室无噪声干扰的环境下才能很好工作。把语音增强作为语音识别的预处理就显得非常必要。另外，从高噪声录音中恢复出高质量的语音也需要语音增强技术。有关抗噪声的研究以及实环境下的语音信号处理系统的开发，多年来在国内外一直作为语音信号处理的非常重要的研究课题。实际上，解决噪声问题的根本方法是实现噪

4、声和语音的自动分离。尽管人们很早就有这种愿望，但由于技术的难度，这方面的研究进展很小。还不能应用于实际应用。在这种情况下，采用语音增强算法，提高输入信号信噪比就不失为一种解决噪声污染的有效途径。二常用的语音增强算法语音增强的首要目标是在接收端尽可能的从带噪语音信号中提取纯净的语音信号，改善其质量。语音增强不仅涉及信号检测、波形估计等传统信号处理理论，而且与语音特性，人耳感知特性密切相关；另外，实际应用当中噪声的来源及种类各不相同，从而造成处理方法的多样性。因此，要结合语音特性、人耳感知特性及噪声特性，根据实际情况选用合适的语音增强方法。（一）语音特性语音信号是一种非平稳的随机信号。语音的生成过

5、程与发音器官的运动过程密切相关，考虑到人类发声器官在发声过程中的变化速度具有一定的限度而且远小于语音信号的变化速度，因此可以假定语音信号是短时平稳的，即在的时间段内其某些物理特性和频谱特性可以近似地看作是不变的，从而可以应用平稳随机过程的分析方法来处理语音信号，并可以在语音增强中利用短时频谱时的平稳特性。任何语言的语音都有元音和辅音两种因素。根据发声的机理不同，辅音又分为清辅音和浊辅音。从时域波形上可以看出元音和浊辅音具有明显的准周期性和较强的振幅，它们的周期所对应的频率就是基音频率：清辅音的波形类似于白噪声并具有较弱的振幅。在语音增强中可以利用浊音具有的明显的准周期性来区别和抑制非语音噪声，

6、而清辅音的特性则使其和宽带噪声区分困难。语音信号做为非平稳、非遍历随机过程的样本函数，其短时谱的统计特性在语音增强中有着举足轻重的作用。根据中心极限定理，语音的短时谱的统计特性服从分布，当然实际应用时只能将其看作是在有限帧长下的近似描述。【】（二）人耳的感知特性人耳的感知特性有以下主要特点：人耳对于卢波频率高低的感觉与实际频率的高低不呈线性关系，而近似为对数关系；人耳对声强的感觉很灵敏且有很大的动态范围，人耳对于频率的分辨能力受声强的影响，过强或过弱的声音都会导致对频率的分辨力降低；人耳对语音信号的幅度谱较为敏感，对相位不敏感。这一点对语音信号的恢复很有帮助。共振峰对语音感知很重要，特别是前三

7、个共振峰更为重要。人耳具有掩蔽效应，即会产生一个声音由于另一个声音的出现而导致该声音能被识别的阈值提高的现象。人耳除了可以感受声音的强度、音调、音色和空问方位外，还可以在两人以上的讲话环境中分辨出所需要的声音，这种分辨能力是人体内部语音理解机制具有的研十感知能力。人类的这种分离语音的能力与人的双耳输入效应有关，称为“鸡尾酒会效应”。语音增强的最终效果度量是人耳的主观感觉，所以在语音增强中可以利用人耳感觉特性来减少运算的代价。】（三）噪声特性噪声可以是加性的，也可以是非加性的。非加性的噪声可以通过某种变换转为加性的噪声。加性噪声通常分为冲激噪声、周期噪声、宽带噪声、语音干扰噪声等。非加性的噪声主

8、要是残响及传送网络的电路噪声等。（）冲激噪声：如放电、打火、爆炸等引起的冲激噪声，它的时域波形是类似冲激函数的窄脉冲。（）周期噪声：常见的有电动机、风扇之类周期运动的机械所发出的周期噪声，交流电源哼哼声也是周期噪声。在频域上它们表现为离散的窄潜。（）宽带噪声：说话时间同时伴随着呼吸引起的噪声，随机噪声源产生的噪声，以及量化噪声等都可以视为宽带噪声。其显著特点是噪声频谱遍布于语音信号频谱之中，导致消噪较为困难。（）语音干扰：干扰语音信号和待传语音信号同时在一个信道中传输所造成的干扰称为语音干扰。区别有用语音和干扰语音的基本方法是利用它们的基音差别。（）传输噪声：这是传输系统的电路噪声。与背景噪声

9、不同，它在时间域罩是语音和噪声的卷积。（四）语音增强的常用算法目前，语音增强主要有滤波法的语音增强技术、利用相关技术的语音增强技术和非线性处理语音增强技术等。下面我们逐一介绍这几种算法的基本原理。滤波法语音增强技术（）陷波器法对周期噪声采用陷波器是较为简便和有效的方法，它的基本原理是所设计的陷波器的幅频眭线的凹处对应周期噪声的基频和各次谐波，通过合理设计使这些频率处的陷波宽度足够窄，如图所示。图陷波器法语音增强结构图（）自适应滤波器自适应滤波器最重要的特性是能有效地在未知环境中跟踪时变的输入信号，使输出信号达到最优，因此可以用来构成自适应的噪声消除器。其基本原理如图。”（）图自适应噪声消除器利

10、用相关特生的语音增强技术此方法利用语音信号本身相关，而语音与噪声、噪声与噪声可认为互不相关的性质，对带噪语音做自相关处理，可以得到与不带噪语音信号同样的自相关帧序列。下面来说明它的原理。设带噪语音为：（）（）（）其中，（）为纯净语音信号，（）为近似白噪声的噪声信号。考虑到它们的短时平稳的特性，计算（）的自相关函数：【事（）加卅郇）西；）州明邯（）州）咖亭吵卜咖即）呻吖（）川呻吖）西式中（）为短时平稳所加的时间窗函数。上式第一项为纯净语音信号的白相关，第二项到第四项分别为语音与噪声、噪声与噪声的相关函数。由于语音信号与噪声、噪声与噪声可认为互相不相关。所以上式第二项到第四项的积分结果可认为是近似

11、为零或甚小。这样就有：；弘）（）删出。亭吵）雠）即（）与噪声无关，只约等于纯净语音信号的自相关函数（）。所以，如果将自相关系数做为识别系统的特征，就可以达到抗噪的目的。减谱法语音增强技术减谱法是处理宽带噪声较为传统和有效的方法，其基本思想是在假定加性噪声与短时平稳的语音信号相互独立的条件下，从带噪语音的功率谱中减去噪声功率谱，从而得到较为纯净的语音频谱。如果设（）为纯净语音信号，（）为噪声信号，（）为带噪语音信号，则有：（）月（）用（。）、（）、（）分别表示（）、（）、（）的傅里叶变换，则可得下式：】，（国）（国）（）因此，如果用（）、（）、（）分别表示（）、（）年（）的功率谱，则有：（）（）

12、（）而由于平稳的功率谱在发声前和发声期间可以认为基本没有变化，这样可以通过发声莳的所谓“寂静段”（认为在这一段里没有语音只有噪声）来估计噪声的功率谱（），从而有：（）（）（）这样减出来的功率谱即可认为是较为纯净的语音功率谱，然后，从这个功率谱可以恢复降噪后的语音时域信号。利用滤波法的语音增强技术假定（）和（）都是短时平稳随机过程，则由卜积分方程为：月（）（口）月（）两边取傅立叶变换有：岛（）（）厶（国）从而得到：一篇再由于：只。（）并考虑到由于（）和（）相互独立，所以有：厶（）（）（）将上二式带入第三式，则得到如下：脚，揣。（）（）（）以上的推导过程是在短时平稳的前提条件下进行的，所以语音信号

13、必须是加窗后的短时帧信号。只出，可由类似于减谱法中介绍的方法得到，只可用带噪语音功率谱得到。显然，每帧语音信号的功率谱为：由傅立叶反变换可以得到降噪以后的语音信号的时域表示形式。就目前而言，带自适应滤波器的自适应噪声抵消法对含噪语音的增强效果最好。因为这种方法多用一个参考输入作为辅助输入，从而获得比较全面的关于噪声的信息，而能得到更好的降噪效果。特别是在辅助输入与语音中的噪声完全相关时，自适应噪声抵消法能完全排除噪声的随机性，彻底抵消语音中的噪声成分。从而，无论是在信噪比方面，还是在语言的可懂度方面都能获得较大的提高。本课题的内容就是在深入学习研究自适应理论、算法的基础通过和十对自适应算法进行

14、非实时的仿真，并在以组成的最小系统上实时实现。三自适应滤波器原理（一）自适应滤波原理未知统计特性环境下处理观测信号或数据，要获得所期望结果时，利用自适应波器可以获得令人满意的解，其性能远超过用通用方法设计的固定参数的滤波器。自适应滤波器是这样的处理器，它在统计特性未知或统计特性变化时，能够调整自己的参数，以满足某种最佳准则的要求，当输入信号的统计特性未知时，自适应滤波器调整自己参数的过程称为“学习”过程：而当输入过程的统计特性变化时自适应滤波器调整自己参数拘过程称为“跟踪”过程。自适应滤波器由参数可调的数字滤波器和自适应算法两部分组成，数字滤波器既可以是数字滤波器也可以是数字滤波器。在维纳滤波

15、器理论发明的早期，人们使用滤器。但是，现在更多的人使用滤波器。一个滤波器是固有稳定的，因为它的结构包含正向通路。换句话说，在滤波器中，输入一输出交互作用的机理只有一个，即通过正向通路从滤波器输入到滤波器输出。正是这种信号传输形式，限制了滤波器的脉冲响应是有限域的。另一方面，滤波器同时兼有正向通路和反馈通路。反馈通路的存在，意味着滤波器输出的一部分有可能返回到输入端。显而易见，除非通过特别设计，滤波器内部反馈可能产生刁稳定，导致滤波器震荡。当滤波器为自适应时，本身就有不稳定的问题，如果再组合滤波器的不稳定问题，事情将变得更为复杂，更难处理。根据这个理由，在自适应滤波器应用中，一般采用滤波器。实际

16、上白适应滤波器是一种能够自动调节本身参数的特殊维纳滤波器，在设计时不需要事先知道关于输入信号和噪声的统计特性的知识，它能够在自己的工作过程中逐渐“了解”或估计出所需要的统计特性，并以此为根据自动调整自己的参数，以达到最佳滤波效果。旦输入信号的统训特性发生变化，它又能够跟踪这种变化，自动调整参数，使滤波器性能重新达到最佳。下面介绍实现自适应滤波的算法。（二）最陡下降算法自适应横向滤波器具有以下功能：“（）按照某种自适应算法自动调节滤波系数的横向滤波器：分别以（）。（）表示各个滤波器所在时刻的权系数。（）调节这些系数的过程：首先自动凋节滤波器系数的自适应训练步骤，然后利用滤波系数加权延迟线抽头上的

17、信号来产生输出信号，将输出信号与期望信号进行对比，所得误差值通过一定的自适应控制算法再来调整权值，以保证滤波器处在最佳状态，达到实现滤波目的。图自适应横向滤波器结构图【令（），（），：（”），（）】（）【（），（），（）则输出信号误差序列：（）（）（）（）（）（）（）一（）其中（）为期望信号。显然，自适应滤波器控制机理是用误差序列（）按照某种准则和自适应算法对其系数：（），进行调节，最终使自适应滤波器的目标函数最小化，达到最佳滤波状态。按照均方误差（）准则定义：（）（）将（）（）一（）带入上式，均方误差函数重写为：（）（）一（）（）（）（）（）。（）（）】当滤波器系数固定时，均方误差函数又可写

18、成：（，）（）（，卜（）其中：（）（）是输入信号的自相关矩阵；（）（）是期望信号与输入信号的互相关矢量：将上式对求导，并令其等于零，同时假设是非奇异的，由此可得最佳滤波系数。为：。（）由式可见，均方误差（）是权矢量。（），的二次函数它代表以，（），为自变量的一个“超抛物面”。当权矢量。时，均方误差（）达到最小值。几何上这相当于超抛物面的最小点。在一般情况下，滤波器在迭代过程中或当输入过程统计特性发生变化时，权矢量并不正好等于。，而是处于某一最佳值（）上。为了减小误差，一个显然的方法是找出该工作点处使均方误差（）减小速率最大的方向，亦即梯度的负方向，然后令权矢量（）沿着梯度的负方向修正。令疗，代

19、表时刻的×维梯度矢量，则权矢量（）可用下列简单递归关系计算：（）（）×一（）式中，是一个正实数，通常称它为自适应收敛系数或步长因子。根据梯度矢量定义，（）可写成：（）（）帮一（”）工（”）】可计算出滤波系数更新值：（）（）（）上式是最陡下降法的数学公式，由此公式可得如下信号流程图。（）（）图最陡下降算法的信号流图算法稳定与收敛自适应滤波系数的误差矢量（）定义为：（）（）一（）上式可写为另一种形式：（）一（）一（）（）（）将对角化：”（）（）式中，八为对角线矩阵，它的元素是的特征值。令（）“（）（）”（）一】则有：（）（）（）把上式推算写成：（）。川（）（）（）（一“）“（”

20、）从上式可看出，为保证最陡下降算法稳定与收敛，必须要求所有的特征值满足下式！。（女）”，或一，的绝对值必须小于，由此得算法稳定收敛条件为：三。“（）式中，。是相关矩阵的最大特征值。上式是最陡下降法搜索二次误差性能曲面迭代计算收敛的必要条件。由此表明随着的增大。自适应滤波系数矢量趋近于最佳维纳解。为免去计算的特征值的麻烦，现将式作一些变换，因为是正定的。所以有：九。现对式（）更保守的估计，有：“这里，是的迹，它可以用信号的取样值进行估计，即：研（”）算法白调整过程在自适应调整参数的过程中，均方误差是迭代次数的确函数。采用最陡下降算法时，权矢量随迭代次数变化由下式确定：（）盯；（）式中，盯；是期望

21、信号（）方差，假设其均值为，则有氏。一崂，再由式（）平（，）可得某一时刻的均方误差（）的表达式：（）（）（）（）（）（）式中，为旋转参数矢量。将式（）展丌成元素乘积和，便得到（）。丑一“”（），（）式中，（。），；（）是滤波系数第个分量的起始值。凶此，最陡下降算法使自适应滤波器中均方误差（）的差值（）一随时问迅速下降。对于自适应滤波系数来说，由式（）和（）可得：（）（一）（）（）（）“，（），（）（）可以看出，滤波器系数对晟佳滤波值的偏差值也是瞬变和接近指数律衰减的，用时间常数来估计上述瞬变特性，可求得：。±。÷：。（，）万：（引）这里时间常数表明第个。（）幅度衰减到起始值

22、（）的倍所需的时间。其中为自然对数的底数，时间常数可以描述自适应滤波器滤波系数自调整过程的瞬态性质。当自适应步长满足规定的收敛条件，它的值越大，自适应收敛时间越短，白适应过程就越快。（三）算法及其收敛性分析最陡下降算法每次迭代都需要知道性能曲面上某点的梯度值。而实际二梯度值只能根据观察数据进行估计。算法就是一种很有用且很简单的估计梯度的方法，这种算法自年代初提出后很快得到广泛的应用。它的突出优点是计算量小，易于实现，且不要求脱线计算。只要自适应滤波器每次迭代运算时都知道输入信号和参考响应，那么，选用算法是很合适的。算法最核心的思想是用平方误差代替均方误差，即梯度矢量用下式来近似：移（）（盯）】

23、（）（）式中的（）为：（）（）（）（）（）（）于是，算法最终为：（）（）（行）三”一号（”）（）“（”）（）（）该式说明，算法实际上是在每次迭代中使用很粗略的梯度估计值（）来代替精确值）。不难预计，权系数的调整路径不可能准确地沿着理想的最陡下降的路径，困而权系数的调整过程是有噪声的。或者说（）不再是确定性函数而变成了随机变量。算法调整权系数对不需要进行平方和统计平均运算。因而实现起来很简单。下一时刻权矢量（）等于当前权矢量（）加上一个修正量，该修正量等于误差信号（）的加权值，加权系数为（）。它正比于当前的输入信号。对权矢量的所有分量来说，误差信号（）是相同的。把式（）与式（）代入式（）中，则得

24、到（）（）硝（”）【（”）一。（）（”）（）（）】（）（）（）（）由（）式得到白适应算法信号流图。这是一个具有反馈形式的模型，如图所示。图自适应算法信号流图算法计算步骤如下：】（）根据所处理信号的特征，选取滤波器的阶数及收敛因子。（）令（）一，（）表示一维数为，各分量为的向量。（）（；）（班，（女一）】（）瞰）（女）缸女）一（）（）（）￥（）算法自适应收敛分析将（）式代入（）式得到：（）【（）（）（）（）（）（）（）（）（）（）（）（）将移至等式左边，上式可写成：（）（）（）】（）【（）（）（）（）对上式两边取数学期望，得到：【（）卜（【（）（）（）【（）（）（）（）（）（）（）【（）（）卜（

25、）（）（）（）上式右边第二项应等于零。由此可简化写成：（）（）（）（）可以看出，算法与最陡下降算法有相同的精确数学表达形式。因此，算法收敛条件是乜÷以。，）这里。是相关矩阵的最大特征值。实际上，一般用输入功率，。来确定收敛条件，可得：（。）。）（四）自适应噪声抵消系统的组成原理图给出了采用横向滤波器的基于算法的自适应滤波器的原理图。图中自适应算法框中，进行运算（）（）（）（）其中：（）（）（）一（）（）一（）（）（），（），帆（）（）（），（）式（）的纯量形式为：（）（）矿（”）（）（）（）图采用横向滤波器结构的算法自适应滤波器对于自适应滤波器，（）如何获得是一个重要问题，为获得（）

26、，采用了如图所示的方法。嘲图自适应噪声抵消系统算法中采用了两个通道：主通道和参考通道。主通道要接收从信号源发来的信号，但受到干扰源的干扰，这使得主通道不但收到信号，也收到干扰。参考的作用在于检测干扰，并通过自适应滤波调整其输出，使在最小均方误差意义下最接近主通道干扰。这样，通过相减器，将主通道的噪声分量抵消。设参考通道收到干扰。，由于传送路径不同，和。是不同的，但因二者都来自同样的干扰源，所以它们是相关的。假设参考通道收到的有用信号为零，且与干扰无关，在图中，主通道的输入。成为自适应滤波器的需要信号，系统输出则取自误差信号，即：。一（）均方误差均方值：）（。一）（。一）（。一）因为和。，无关，

27、所以和。，无关，则（。一）（）（）这样，式（）就成为：）（）（。一）（）自适应滤波器需调整其加权矢量，使最小，因不在自适应滤波器通道内，所以这种最小化可表示为：（）（。一）（）从而自适应滤波器调整的结果，将使在均方误差最小的情况下，最接近主通道噪声分量¨，因而使系统输出中的噪声大为降低。再有，由式（）有：所以：（。一）（）上式说叫，在最小均方误差意义下，最接近。，等效于最接近。所以在噪声抵消系统的输出端大大地提高了信号噪声比，而且并未造成大的信号失真。（五）信噪比（）的计算信噪比定义为语言信号的功率与噪声功率之比。按总能量来计算信噪比，由图可见系统的输入信噪比为主通道输入信号：中的有

28、用信号的总能量与干扰噪声总能量之比，即：加：釜翌输出信噪比驴赫（）。侧删：；塑；信噪比提高量定义为删京蒜（）四基于和的算法验证和非实时仿真（一）算法仿真过程本实验采用把数字化的混噪声音文件和噪声参考文件转化为的数据文件格式存入磁盘。以数组的方式分别读入保存好的待处理的声音和参考噪声文件，用前面所述的算法自适应处理混噪声音，把处理好的结果再由读入，借助强大的图形功能，观看混噪语音处理前后的时域波形、参考噪声信号的时域波形。分别计算处理前后的信噪比。并把处理后的声音文件转为流行的声音文件格式，以便于在计算机上采用普通声音文件播放器播放，实际试听处理前后的效果。实现的框图如图。主要程序模块说明：部分

29、：（）（）读入并自适应处理（，）程序部分：自适应滤波主要原代码：（；十）；（；）；】；（；）】（二）仿真实验结果采用两段纯净语音和一段噪声，使用音频处理软件把二者混合，纯净语录音机经录制而成的文件，噪声是由音频处理软件产生的近似白噪声。音频格式采用位单声道，实验结果如图。按上面介绍信噪比的计算方法（“电脑”），（“电脑”）；（“看书”），（“看书”）。信噪比有显著提高。爨纯净语簧“电脑”的时城波形。“鬻巯净语音“蠹书”鳍域波影，“”图参考噪声时域波形爨“电结”漶旮参考礤声摩鳞时域坡影踟“日霉合礤语音电脑”窦避瘕处理詹辑时域泣彩“髓“看书”混奢参考嗥声詹的时域波形。”。图含噪语音“看书”自适应处

30、理后的波形”五算法基于的实现（一）概述也称数字信号处理器，是一种具有特殊结构的微处理器。的内部采用程序总线和数据总线分开的哈佛结构，具有专门的硬件乘法器，广泛采用流水线操作，提供特殊的数字信号处理指令，可以用来快速地实现各种数字信号处理算法。的基本结构包括：（）哈佛结构。哈佛结构的主要特点是将程序和数据存储在不同的存储空间中，即程序存储器和数据存储器是两个相互独立的存储器，每个存储器独立编址，独立访问。与两个存储器相对应的是系统中设置了程序总线和数据总线，从而使数据的吞吐率提高了一倍。由于程序和数掘存储在两个分开的空间中，因此取指和执行能完全重叠。（）流水线操作。流水线与哈佛结构有关。广泛采用

31、流水线，以减少指令执行的时间，从而增强了处理器的处理能力。处理器可以并行处理条指令，每条指令处于流水线的不同阶段。（）多总线结构。许多内部都采用了多总线结构，这样保证在一个机器周期内，可以同时访问数据和程序存储空间。因此可以解决传统芯片的总线冲突问题，使系统的速度和效率大大提高。（）专用的硬件乘法器。乘法速度越快，的性能越高。由于具有专用的应用乘法器，乘法可在一个周期内完成。（）特殊的指令。为了更好地满足数字信号处理应用的需要，在指令系统中，设计了一些特殊的指令，以完成一些专门的运算。例如的指令，专用于滤波运算。（）快速的指令周期。哈佛结构、流水线操作、专用的硬件乘法器、特殊的指令，再加上集成

32、电路的优化设计，可使的指令周期在以下。（二）主要芯片介绍芯片简介￥是公司生产的第七代定点数字信号处理器，它的微处理器采用修正的增强型啥佛结构。其片内有、条总线、及片内外设等硬件配置，吼及高度专业化的指令系统。其内部结构如图。的内部硬件结构包括如下功能单元：（）中央处理单元（）。可以进行高速并行算术和逻辑处理。（）内部总线结构。有八条位总线，包括四条程序数据总线和四条地址总线，因此，可以在每个指令周期内产生两个数据存储地址，大大提高了并行数据处理速度。（）特殊功能寄存器。共有个特殊功能寄存器，用于对片内各功能模块进行控制、访问和其他管理。这些寄存器位于一个具有特殊功能的影射存储区内。（）数据存储

33、器。具有每个指令周期内可以进行两次存取操作的。（）程序存储器。的程序存储器可以在或上，即程序空间不仅定义在上，也可以定义在片内中。尤其，当需要高速运行的程序时，可以应用自动装载的方法，将程序调入片内，提高运行效率，降低对外部的速度要求。不仅可以降低应用系统的硬件成本，而且可以提高系统的整体抗干扰性能。具有的。（）口。有两个通用端口。即和。为了访问更多的通用，可以对主机通信并行接口和同步串行接口进行配置，以用做通用。（）主机通信接（）。提供与主处理器接口的并行接。（）串行接口。有两个多通道缓冲的串行接口（）。（）定时器。有两个带位预定标器的位定时电路。可通过编程实现停止、重启动、复位和禁止。定时

34、器计数器每次减少到，则产生一个定时中断。（）中断系统。的中断可以由硬件驱动（硬件中断）或软件中断（软件中断）。当中断产生后，会挂起它的主程序，而执行中断服务程序。序地，：成逆僻数制地址城芝辄图内部结构图简介是公司生产的一种模拟接口电路（），它是一个音频频段的处理器，在一个单片的芯片上提供一个模擞以及数模输入输出接口系统。该芯片集成了一个带通开关电容抗混叠输入滤波器，一个位精度的摸数转换器，一个低通开关电容输出罩建滤波器，一个（）补偿器以及一个供数据和控制传输的串行接口。的功能如图所示。内部电路的配置以及性能参数是由读入的个数据寄存器的控制信息决定的。寄存器的数据建立起芯片给定的操作和应用模式。

35、【图内部结构图￥由一个通道和一个通道以及与之相联系的数字控制电路组成。两个通道同时工作，通道的数据接收以及通道的数据传送是在同一时问间隔内进行的。数据传输格式是的补码。的信号通道，模拟信号均进行差分处理，对不希望的信号能够产生极好的共模抑制，直到变换为数字信号。信号由输入放大器放大，有三种放大增益可由软件选择，典型增益为、和。输入放大器也可编程为压制模式。它的通道在第一通信期问由引脚接收来自主机的位串行数据字（的补码），并在第个的上升沿将数据锁存。数字串行接口由移位时钟、帧同步信号、通道数据输出以及通道数据输入构成。在第一个位帧同步信号期间传送来自引脚的通道转换的数字结果，并将来自主机的位数据

36、传送到。（三）与的串行接口与的串行接口如图所示。的时钟由引入，其最高频率为。模拟接口的采样速率以及内部滤波决定于的分频比，它使用内部的和两个寄存器的值。的和两个信号接在一起，和两个信号也接在一起，这样就保证了同步串行接口（）的接收和传送两边都使用同样的时钟信号和帧同步（）信号。【】一一图与的串口连接（四）系统实现的主要原理电路系统实现的主要电路有四部分组成，分别为电源电路、麦克风输入和功放输出电路、以及外围电路组成的转换和转换电路及以与外霄组成的白适应处理电路组成。电源电路电源电路输入为单一的电源，输出为整个系统需要的、和电源。实现电路如图所示。廊转换鞠转按瞧路，和转换电路主冀由配合必要的外倒

37、电路完成，这部分路同寸承撰等黪多通遴缓挣率嚣羧叠熬串嚣数据赞翰。魄臻见蛰。自迸应处理电路蠢适盛处邈魄跨主要出完残，掰露要麴程痔潮诧在：签冀中，为解决供电的和供电的之问数攒传输的逻辑确，接入了电平转换芯片。具体电路见图。麦克风输入和功敞输出电路麦克娥输入萋翼功鼓输出电路，提供对麦宠风箍入信号鲍蓠饕放大帮滤波整形，势把单极输入调整为差动输入，提供给进行转换。功率放大魄路主要以为核心，对转换出的模拟声音信号进行功率放大以便驱动耳机或扬声器具体臼路见图。匿电源电路图嘻：兰餐喜翟÷剁。§。；苫名回发耋麓。，上上“；：。：一却“一：主一：日？杠广驯图麦克风输八和功放输出电路图（五）上实现自适应语音增强的算法流程和程序实现由于实验中所使设计的系统只具备一个模拟接口芯片，实验中采用了先取一段噪声数据存入中，来模拟实时的参考噪声输入，含噪语音采用了实时的输入、输出。用配合外围电路来完成语音和噪声的采集，然后通过与的多