摘要：研究了利用盲源分离理论解决语音识别之前的语音净化问题。基于MSICA算法良好的性能、低复杂度和实时性，设计了以TI公司的TMS320C6416数字信号处理器为内核的语音净化系统。该系统可以使语音识别系统获得纯净语音，从而有效提高语音识别系统的识别率和鲁棒性。
关键词：盲源分离 DSP 语音识别 语音净化
目前针对语音识别提出了很多算法，但是这些研究基本上都是基于较为纯净的语音环境，一旦待识别的环境中有噪声和干扰，语音识别就会受到严重影响。因为大多数语音识别的语音模板基本上是在无噪声和无混响的“纯净”环境中采集、转换而成。而实现环境中不可避免地存在干扰和噪声，包括其他人的声音和回声等，这些噪声有时很强，使语音识别系统的性能大大降低甚至瘫痪。已有的信号去噪、参数去噪和抗噪识别等方法都有一定的局限。如果能实现噪声和语音的自动分离，即在识别前就获得较为纯净的语音，可以彻底解决噪声环境下的识别问题。近年来取得很大进展的盲源分离为噪声和语音的分离提供了可能。盲源分离（Blind Source Separation）的算法众多且运算复杂，经比较，其中T.Nishikawa等人提出的分阶段ICA方法（MSICA）适合有混响的噪声环境中的语音分离问题。经过计算机仿真，MSICA算法分离一段7s的语音要用时10ms以上，计算机和低速的DSPs很难满足实时要求。针对这一算法，设计了一套以TI的TMS320C6416 DSP（简称6416）芯片为内核的语音净化系统。6416的时钟速度高达720MHz，经过使用MSICA算法的测试，该系统可以实时地对语音识别的信号进行净化处理，有效地提高语音识别系统的抗噪性和鲁棒性。
1 算法描述
1.1 语音识别信号的混合模型
1．1．1 卷积混合一般模型
语音信号的混合模型已从瞬时模型发展到卷积模型，相比瞬时模型而言卷积模型更接近真实环境。麦克风所测是卷积混迭信号，即源信号及其滤波与延迟的混迭信号的线性组合再加上其它噪声，如（1）式所示。

式（1）中，sj(t),j=1,…，N为信号源，且各源信号相互独立；xi(t)，i=1,…,N为N个观测数据向量，其元素是各个麦克凤得到的输入。所以观测信号xi(t)是每个源信号sj(t)经过延时tij，并乘以因子aij(t)（冲击响应）后叠加，最后加上噪声ni(t)。
1．1．2 针对语音识别的简化混合模型
一般的语音识别只有一个麦克风，根据盲源分离理论，麦克凤数应不少于信源数，所以采用主副两个麦克风输入待识别语音，为简化处理假定只有主讲话者声音s1和背景噪声s2(此背景噪声包括经过延迟的回声)两个声源。可得如图1的混合模型。
信号源s1到达两个麦克风的时间间隔为t21，且幅度值不同；s2到达两个麦克风的时间间隔为t12，幅度值也不同。又因为主信号源s1非常靠近两个麦克风，所以认为T21比T12小很多，且趋于零。于是得到相应的模型表达式的简化形式：
x1(t)=s1(t)+a12s2(t-t12)+n1(t) (2)
x2(t)=a21s1(t-t21)+s2(t)+n2(t)
1．2 MSICA算法及其实现步骤
传统采用频域ICA（FDICA）或者时域ICA（TDICA）方法，单一的方法在真实环境中缺点很明显，分离效果在混响环境中受到很大影响。然而一种时频域结合多级分离的混合型ICA算法——MSICA算法可以有效解决这一问题。

该算法主要由三个步骤组成：首先，利用FDICA的高稳态性的优点在一定程度上分离源信号；为了简化后续计算，白化FDICA分离出来的信号；接着，把白化后的FDICA输出信号当作TDICA的输入信号，并用TDICA分离线留的交叉干扰分量；最后，TDICA的输出信号即为分离信号。算法框图如图2所示。
2 DSP硬件系统设计
2．1 硬件结构
为实现上述算法设计了DSP语音分离系统，该系统主要参数如下：
·TMS320C6416 DSP；
·16M words FLASH ROM;
·两个EMIF：64-Bit EMIFA和16-Bit EMIFB;
·133MHz的16MB SDRAM；
·两个16-bit立体声CODEC：TLV320AD50。

TMS320C6416有很高的信号处理能力以及丰富的片内存储咕嘟和片内外设，且有两级内部存储结构。第一级L1缓存包含各为16KB的程序和数据存储器，第二级L2包含1024KB的存储空间。第一级只能作为缓存而第二级可以被设置为部分静态RAM和部分缓存。在语音净化系统中，设置L2为4通道256KB缓存和768KB静态RAM。这种配置使用了最大允许的缓存，是因为MSICA算法将处理大量的数据，访问外部存储器会有瓶颈，而大缓存可以将诸如中断服务程序、常用函数的代码、软件堆栈等关键数据段和反复使用的系数存储于片内存储器中，从而大大提高内部存储空间的使用效率。6416的两个多通道缓冲串口（McBSP）用作数据的输入输出端口。模拟接口芯片TLV320AD50可以提供16bit的数/模、模/数转换，最大转换率是22.5kHz。采样率为8kHz，两个TLV320AD50分别通过McBSP与TMS320C6416相连。两路混合语音信号通过模拟接口电路转化为数字信号，两路数字信号通过TMS