語音激活檢測(cè)VAD（Voice Activity Detection）是一種通過特定的判決準(zhǔn)則判斷語音中出現(xiàn)的停頓和靜默間隔，檢測(cè)出有效語音部分的技術(shù)。運(yùn)用這種技術(shù)可以在確保語音質(zhì)量的前提下，對(duì)不同類別的語音段采用不同的比特?cái)?shù)進(jìn)行編碼，從而降低語音的編碼速率。由于在雙工移動(dòng)通信系統(tǒng)中，一方只有35％的時(shí)間處于激活狀態(tài)^[1]，如何降低靜音期的編碼速率對(duì)于減少傳輸帶寬、功率以及容量具有積極的作用，因此VAD技術(shù)在語音通信領(lǐng)域具有重要的使用價(jià)值。隨著適合于變比特率語音編碼的CDMA和PRMA等多址技術(shù)的出現(xiàn)，應(yīng)用于蜂窩的語音激活檢測(cè)的重要性也隨之提高^[2]。
　　由于語音通信的特殊性，要求檢測(cè)過程能達(dá)到實(shí)時(shí)性的要求。而目前主流DSP芯片的并行度并不高，因此在實(shí)時(shí)處理的要求下，保證語音質(zhì)量和降低語音的編碼速率兩者難以兼顧。而現(xiàn)場(chǎng)可編程門陣列（FPGA）由于其硬件具有可編程的靈活性，可以實(shí)現(xiàn)較高的并行度，從而可以在滿足實(shí)時(shí)性要求的前提下，很好地保證語音質(zhì)量并降低語音的編碼速率。
1算法及檢測(cè)流程
1．1 算法簡(jiǎn)述
　　語音激活檢測(cè)算法可以基于時(shí)域或頻域。本文采用的算法是時(shí)域分析的方法。算法對(duì)于輸入信號(hào)的檢測(cè)過程可分為短時(shí)能量檢測(cè)和短時(shí)過零率檢測(cè)兩個(gè)部分。算法以短時(shí)能量檢測(cè)為主，短時(shí)過零率檢測(cè)為輔。根據(jù)語音的統(tǒng)計(jì)特性，可以把語音段分為清音、濁音以及靜音（包括背景噪聲）三種。在本算法中，短時(shí)能量檢測(cè)可以較好地區(qū)分出濁音和靜音。對(duì)于清音，由于其能量較小，在短時(shí)能量檢測(cè)中會(huì)因?yàn)榈陀谀芰块T限而被誤判為靜音；短時(shí)過零率則可以從語音中區(qū)分出靜音和清音。將兩種檢測(cè)結(jié)合起來，就可以檢測(cè)出語音段（清音和濁音）及靜音段。
1.2 檢測(cè)流程
　　檢測(cè)流程：對(duì)輸入信號(hào)先進(jìn)行高通" title="高通">高通濾波，減弱以噪聲為主的信號(hào)能量。接著進(jìn)行窗長(zhǎng)為80個(gè)數(shù)據(jù)的加窗處理，然后計(jì)算該幀的平均能量,再利用短時(shí)能量進(jìn)行VAD初判。若平均能量大于門限則判為語音幀，若平均能量小于門限則判為靜音幀。對(duì)于初判為靜音幀的幀再進(jìn)行VAD平滑，即參考前三幀的情況：如果前三幀中至少包含一幀非平滑過的語音幀，則將該幀平滑為語音幀，同時(shí)記錄下該幀為平滑所得的語音幀；反之，則判斷為靜音幀。如果平滑結(jié)果仍為靜音幀，且當(dāng)前幀的過零率介于30～70之間時(shí)，則改判為語音幀；反之則仍判為靜音幀^[3]。VAD算法的檢測(cè)流程圖如圖1所示。

　　此外，由于人耳的聽覺具有掩蔽效應(yīng)，因此有必要對(duì)短時(shí)能量門限進(jìn)行更新^[3]。本算法所采用的門限更新方式是：如果連續(xù)檢測(cè)到三幀語音，為了更好地檢測(cè)到靜音，將短時(shí)能量門限提高3dB，但如果提高后的門限超過當(dāng)前幀的平均能量減12dB，則不提高門限；如果連續(xù)檢測(cè)到三幀靜音，為了更好地檢測(cè)到語音，將短時(shí)能量門限降低3dB，但如果降低后的門限小于當(dāng)前幀的平均能量加12dB，則不降低門限。此外，為了防止門限變得太高或降得太低， 還應(yīng)把門限限制在GATE_MIN、GATE_MAX范圍內(nèi)。
2 系統(tǒng)實(shí)現(xiàn)及優(yōu)化
　　本設(shè)計(jì)采用QuartusII以及ModelSim進(jìn)行開發(fā)（ModelSim是Mentor Graphics公司的仿真軟件）。QuartusII是Altera公司的一套開發(fā)FPGA/CPLD的EDA軟件，可以完成從設(shè)計(jì)輸入、功能仿真、綜合優(yōu)化、后仿真、引腳配置、布局布線到配置芯片的一系列FPGA/CPLD的開發(fā)流程，并提供調(diào)用其他EDA工具，如ModelSim、Synplify/Synplify Pro、FPGA Complier的接口。
　　本設(shè)計(jì)的輸入為16位PCM編碼的數(shù)字語音信號(hào)，輸出是每80個(gè)數(shù)據(jù)為一幀的語音信號(hào)的檢測(cè)結(jié)果，其中高電平表示語音，低電平表示靜音。根據(jù)所用算法的特點(diǎn)，將本設(shè)計(jì)劃分成五個(gè)模塊：FIFO模塊、高通濾波模塊、平均能量模塊、判決模塊以及控制模塊。系統(tǒng)結(jié)構(gòu)框圖如圖2所示。

２．１ ＦＩＦＯ模塊
　　輸入的語音信號(hào)的采樣率為8kHz，如果將8kHz作為系統(tǒng)的時(shí)鐘頻率，極大地削弱了FPGA芯片的速度優(yōu)勢(shì)。因此系統(tǒng)需要兩個(gè)時(shí)鐘，一個(gè)是頻率為8kHz的采樣時(shí)鐘，另一個(gè)為系統(tǒng)主時(shí)鐘。
　　在FPGA設(shè)計(jì)中，多時(shí)鐘設(shè)計(jì)會(huì)帶來不穩(wěn)定的隱患。為了提高系統(tǒng)的穩(wěn)定性，本設(shè)計(jì)采用一個(gè)雙口的FIFO作時(shí)鐘隔離。FIFO模塊具有16位的數(shù)據(jù)輸入口及16位的數(shù)據(jù)輸出口、8kHz時(shí)鐘輸入口以及系統(tǒng)主時(shí)鐘輸入口。此外，由于FIFO的讀速度大于寫速度，因此當(dāng)FIFO為空時(shí)，需要輸出一個(gè)empty信號(hào)。
　　在高通濾波、平均能量計(jì)算、判決、控制這四個(gè)模塊中均可采用單時(shí)鐘設(shè)計(jì)，而且所使用的時(shí)鐘均為系統(tǒng)主時(shí)鐘。
2．2 濾波器模塊
　　濾波器對(duì)輸入信號(hào)進(jìn)行高通濾波的預(yù)處理。高通濾波器的傳輸函數(shù)采用CS-ACELP算法所使用的傳輸函數(shù)^[4]：
　　
　　FPGA中IIR濾波器的設(shè)計(jì)一般采用如圖3所示的流水線結(jié)構(gòu)（圖中以2階IIR濾波器為例）。這種結(jié)構(gòu)的濾波器可在一個(gè)時(shí)鐘周期" title="時(shí)鐘周期">時(shí)鐘周期內(nèi)完成一次濾波計(jì)算^[5～6]， 并行度較高，但硬件上需要5個(gè)乘法器" title="乘法器">乘法器、4個(gè)加法器和若干個(gè)寄存器，占用了較多的資源。采用非流水線結(jié)構(gòu)的濾波器（仍以2階IIR濾波器為例）的結(jié)構(gòu)如圖4所示。其中：fifo_out為FIFO模塊輸出的數(shù)據(jù)，empty為FIFO是否為空的標(biāo)志信號(hào)，ready_out信號(hào)為完成一次濾波計(jì)算的標(biāo)志信號(hào)。此結(jié)構(gòu)的濾波器每5個(gè)時(shí)鐘周期完成一次濾波計(jì)算，并行度較低，但在硬件上只需要1個(gè)乘法器、1個(gè)累加器、1個(gè)計(jì)數(shù)器以及若干個(gè)寄存器。

?

?

　　由于本文的算法其信號(hào)的采樣率只有8kHz，非流水線結(jié)構(gòu)濾波器的處理速度已可以滿足要求。因此，為了合理利用資源，本設(shè)計(jì)采用了基于非流水線結(jié)構(gòu)的濾波器。同時(shí)考慮到系統(tǒng)的同步性和穩(wěn)定性，所設(shè)計(jì)的濾波器每8個(gè)時(shí)鐘周期完成一次濾波運(yùn)算并將結(jié)果鎖存。表1為兩種不同結(jié)構(gòu)的濾波器（系數(shù)采用18位量化，即2位整數(shù)加16位小數(shù)）在同一器件上實(shí)現(xiàn)的結(jié)果比較，所用器件為Altera公司CycloneII系列的EP2C5T144C7，綜合工具為QuartusII 5.0，優(yōu)化選項(xiàng)均為balanced。由表1的比較結(jié)果可以看出，雖然非流水線結(jié)構(gòu)的濾波器速度比流水線的慢，但所使用的資源卻大大減少，并且能在101.61ns內(nèi)完成一次濾波計(jì)算，可滿足實(shí)時(shí)性的要求。此模塊的處理延遲為8個(gè)時(shí)鐘周期。
2.3 加窗、平均能量計(jì)算模塊
　?。?）相關(guān)公式
　　將通過高通濾波器的信號(hào)進(jìn)行加Hamming窗處理，窗長(zhǎng)為80個(gè)數(shù)據(jù)。處理所使用的計(jì)算公式如下：
　　
　　其中，x(i)為通過高通濾波器后的信號(hào)，y(i)為經(jīng)過加窗處理后的信號(hào)。
　　對(duì)經(jīng)過加窗處理過的信號(hào)，計(jì)算其平均能量的計(jì)算公式如下：
　　
　　其中，y(0)、y(1)、……、y(79)為經(jīng)過加窗處理的信號(hào)，E_average為該幀的平均能量。

　　在加窗的計(jì)算中涉及到余弦的運(yùn)算，為了節(jié)省資源及提高處理速度，采用查表法來得到0.54－0.46×cos（e×i/79）部分的數(shù)值。
　?。?）平方器的實(shí)現(xiàn)
　　由于平方運(yùn)算與普通的乘法器相比具有一定的特殊性，因此在平方器的硬件實(shí)現(xiàn)上采用如下的算法來減少硬件資源并提高運(yùn)算速度：
　　設(shè)X的二進(jìn)制表示為 I_n I_n-1……I₁I₀，I_ij為第i位和第j位的乘積。由于在平方運(yùn)算中I_ij＝I_ji，故 I_ij＋I(xiàn)_ji＝2I_ij。因此以4bit數(shù)的平方運(yùn)算為例，參考圖5，可以通過合并相同項(xiàng)后，左移一位（相當(dāng)于乘2運(yùn)算）來減少部分積的位數(shù)^[7]。對(duì)所得到的部分積使用Wallace壓縮樹將部分積壓縮至兩組，然后再使用超前進(jìn)位加法器來得到最后結(jié)果。

　　由于本模塊計(jì)算得到的平均能量?jī)H用于同語音判決模塊中的門限比較，出于節(jié)省硬件資源的考慮，該平均能量和語音判決模塊中的門限均不化成dB單位。通過Matlab仿真驗(yàn)證，這種做法并不會(huì)影響到最后的判決結(jié)果。加窗、平均能量計(jì)算模塊的處理延遲為5個(gè)時(shí)鐘周期，圖6為本模塊的結(jié)構(gòu)框圖。圖中的ready_out信號(hào)為高通濾波模塊完成一次濾波計(jì)算后輸出的數(shù)據(jù)可讀信號(hào)，acc_clken信號(hào)為累加器的時(shí)鐘使能信號(hào)。

2.4 語音判決模塊
　　根據(jù)計(jì)算出的當(dāng)前幀的平均能量以及之前幀的情況，判斷該幀是否為語音幀。通過使用四個(gè)標(biāo)志位：frame_attribute[2:0]和smooth來決定是否需要進(jìn)行平滑，其中,frame_attribute[2:0]記錄前三幀的屬性，smooth記錄前三幀中是否存在非平滑過的語音。此模塊的處理延遲為1個(gè)時(shí)鐘周期。
2．5 控制模塊
　　控制模塊控制高通濾波、加窗、平均能量計(jì)算以及語音判決模塊的運(yùn)行，并且根據(jù)實(shí)際情況對(duì)門限進(jìn)行更新。
2．6 系統(tǒng)綜合結(jié)果
　　表2為本設(shè)計(jì)在兩款FPGA芯片上的綜合結(jié)果。

　　綜合結(jié)果顯示，本設(shè)計(jì)在硬件上占用的資源較少，并可在低成本的FPGA（考慮到成本，選用CycloneII系列的EP2C5T144C7）上實(shí)現(xiàn)。因此本設(shè)計(jì)也可以與其他數(shù)字語音處理模塊一起構(gòu)成完整的語音處理芯片。
2．7 仿真結(jié)果及分析
　　圖7為ModelSim仿真結(jié)果。圖中最后一行信號(hào)為檢測(cè)結(jié)果，高電平表示語音，低電平表示靜音。由仿真結(jié)果可以看到，所設(shè)計(jì)的FPGA可以滿足準(zhǔn)確性及實(shí)時(shí)性的要求。