DOI:10.19551/jki.issn1672-9129.2020.24.043
基于4G 通信的语音格式转换系统的设计与实现
王㊀枫(南京高达软件有限公司㊀江苏㊀210012)
摘要：由于传统转换技术受到不同声音格式影响，导致转换结果与实际音频通信结果不一致，针对该问题，提出了基于4G 通信的语音格式转换系统的设计与实现㊂依据系统总体结构，从主控模块㊁格式转换模块㊁读写模块㊁打开输入㊁输出模块㊁数据处理模块完成硬件结构设计；依据转换原理，预处理语音信号，并提取AMR 基音频㊁频谱特征参数㊂通过GMM 的EM 算法获取训练函数，将参数对齐㊂设计语音格式转换流程，完成AMR 到PCM 的语音格式转换，该转换方式对语音分析合成及增强等方面具有促进作用㊂
关键词:4G 通信；语音格式；转换系统；训练
中图分类号:TN929.3㊀㊀㊀文献标识码:A㊀㊀㊀文章编号:1672-9129(2020)24-0044-02
㊀㊀引言：当前，我国4G 移动通信发展迅速,4G 移动通信服务逐渐向4G 移动通信平台延伸，一些传统的通信服务逐渐被4G 通信模式的快速物理网技术所取代㊂基于当前的通信技术，各种语音㊁视频应用模式层出不穷，移动电视㊁视频监控㊁用户电波定向传输的视频等以充足的带宽成为4G 通信业务的典型代表,
4G 通信不仅为用户提供高清视频，而且为网络用户提供充足的带宽㊂由于传统视频传输使用的是流媒体技术，其容易受到外界环境及噪声干扰影响，存在带宽不足㊁稳定性差㊁延迟大的缺点，导致通信效果较差㊂4G 通信具有通信效率高㊁通信灵活㊁兼容性好㊁频率利用率高㊁成本低等特点[2]㊂它给语音视频带来优势的同时，也存在一定缺点㊂原始语音较大，需要压缩处理才能上传，并且上传过程需要匹配相关关键词，为此,4G 移动音视频领域的高效率设备研发显得尤为重要㊂因此，设计并实现了一种基于4G 通信的语音格式转换系统㊂
1㊀系统硬件结构设计
系统硬件结构包括主控模块㊁工作模块㊁转换模块㊁读写模块㊁打开输入输出模块㊁数据处理模块和信息输出模块，其结构如图1所示
㊂
由图1可知，主控模块负责控制整个系统的工作程序，为系统核心模块；工作模块负责执行系统各项功能；转换模块包括格式转换模块和频率转换模块，其中格式转换模块是通过调用相关函数实现语音文件格式转换，而频率转换模块负责频率转换；读写模块负责语音文件读写；打开输入输出模块负责负责控制文件的输入与读取；数据处理模块负责数据实时处理；信息输出模块负责语音格式转换结果输出[3]㊂
1.1主控模块㊂主模块内部有独立的运行环境，基本不涉及程序的功能实现㊂其功能是建立流程运行环境，并调用工作模块以完成整个过程㊂主片是主机板或硬盘的核心部件，是连接各种设备和控制设备运行的大脑的桥梁[4]㊂其中以两片芯片最为重要，一片为南桥芯片，通过使用USB 接口，实现数据快速传输；另一个芯片主要负责连接系统内部CPU 和外部接口㊂主片的功能是装入并运行操作系统(通
常称为固件)，对各种文件进行解码，第一步是音频解码，通过主控芯片采用硬件解码技术，将压缩后的音频通过主控芯片解压缩；第二步是信号转换，使用DAC，即数字模数转换器，大多数播放器的DAC 不单独工作，而是嵌入在主片中，所以，需要把数字解压信号转换成模拟信号㊂所述程序输入的参数有:VOX 语音待转换文件的文件名，转换RA 语音文件的文件名，覆盖现有语音文件名㊂及时检查输入模块是否完全转换成功，如果转换成功，则说明没有错误信息，即可进行下一步语音文件转换㊂
1.2格式转换模块㊂格式转换模块主要包括数据库㊁上位机和下位机，其中上位机负责将接收到的语音信
号进行传输，下位机负责将传输接收到的信号进行格式转换，最后将转换后的信号存储于数据库中㊂格式转换具体流程为：首先通过调用DLL 中的函数，读出DLL 模块；然后衡量其他模块是否正常调用㊂如果衡量结果为所有模块都能正常调用，那么需将所有DLL 结构的函数指针指向适当的位置；最后通过两种格式转换和一种频率转换，实现了语音文件格式的转换㊂
1.3读写模块㊂
(1)读模块㊂正确调用DLL 函数，在格式转换模块中的函数指针指向适当位置支持下，读取函数中的相关数据，完成数据读取㊂
(2)写模块㊂通过调用客户端对象的DistributedFileSys-tem，可远程在文件系统命名空间中创建一个新的文件，并添加文件信息，完成数据写入㊂
1.4打开输入㊁输出模块㊂
(1)输入模块㊂通过文件句柄打开语音输入模块，使系统直接读取输入文件内容㊂
(2)输出模块㊂通过文件句柄打开语音输出模块，使系统直接写入输入文件内容㊂
1.5数据处理模块㊂数据处理模块主要负责完成语音文件不同频率的数据转换与处理，将内插函数引入数
据处理过程中，能够准确获取数据处理量㊁处理速度和时间的关系，解决以往传统方法人工处理过程中处理时间长的问题，由此快速实现语音格式转换㊂
2㊀系统软件部分设计
Delphi6.0是语音转换系统开发环境，操作系统平台选择Linux 平台，在该平台下开发系统软件㊂
2.1转换原理㊂AMR /PCM 类型语音间转换过程主要分为三个阶段，即学习阶段㊁训练阶段和转化阶段㊂这些阶段中，学习阶段以倒谱参数形式转换谐波幅度，用正弦谐波分析该参数是否有噪声数据，如果有，则重新转换，以避免噪声数据所带来的干扰；训练阶段以DTW 算法校正目标语音的倒谱参数，用联合概率密度函数法训练学习阶段的数据，再用EM 算法提取函数；转换阶段主要是以倒谱函数的形式转换所求的函数，根据训练阶段的结果提取所转换的谐波
㊃
44㊃
参数㊂
2.2语音信号预处理㊂在AMR/PCM类型语音间转换信号预处理过程中，需先对信号进行去噪处理，剔除
噪声信号，然后添加延迟窗，对后续的参数训练㊂由于在语音信号采集周期中，采集频率越高，所对应的成分就越小，不利于高频特征提取，因此，对语音信号预处理是具有必要性的，以便对其参数进行估计和分析㊂其原因在于提高了语音信号中高频成分的比例，提高了信号信噪比，实现了信号频谱平滑㊂为改善高频特性，一般采用6dB/倍频度强化梳状滤波来过滤多余信号，使处理结果更加可靠，然后再进行数字处理和参数估计㊂
使用码激励线性预测模型,AMR作为语音编码标准，其输入语音采样速率为15kHz，属于窄带语音编码，由于采样速率不同，编码技术存在较大差异，因此，使用16阶线性预测可得到合成信号㊂
2.3特征参数提取㊂
(1)提取AMR基音频率㊂AMR基音频率能够实时反映AMR格式内容的韵律，该韵律特征占整个语音特征的70%，而剩下的30%特征，是由LPC基频语音转换方法，将剩余的语音信号转换成语音片段形式㊂在分析和综合正弦谐波模型时，其核心内容是准确获取基频参数，采用简化的反滤波方法估计基音周期㊂
简化的反滤波方法提取原理为：先对采集的语音信号进行线性预测分析，得到所需的预测信号，再使用反滤波方法，选取若干个质量较好的波形事件，构成多道信号，以垂直分量为输入，径向分量为输出，依据最小二乘法，出波峰位置，计算语音信号的基音周期㊂
(2)提取AMR频谱㊂以往使用幅度谱提取频谱，该方法是一个频域参数，通过使用快速傅立叶变换技术测定频域分布情况，不符合人类听觉频率波动特性㊂其次，各帧基频不一致，导致各帧谐波幅值大小不同㊂而使用离散的MFCC 方法是以人的听觉感知机制为基础的，即依据提取AMR基音频率，再次使用简化的反滤波方法提取频谱㊂为了获取更好的频谱提取结果，需从正弦谐波模型中提取谐波幅值参数，将其转换为离散的MFCC参数，使提取数据更具有可靠性㊂手机文件格式转换器
2.4训练模块㊂训练模块的设置目的就是为了获取一个有效数据集，该数据集包括不同说话者之间的高效转换数据㊂在该阶段，首先提取语音特征参数，即为基音频率和谐波幅度；然后使用一种改进的MFCC特征参数将小波分析和MEL倒谱分析结果，提高AMR基音频率和AMR频谱特征参数提取的鲁棒性，使其能够更好模拟AMR语音内容；最后，通过构造基因频率的一维高斯函数，直接将特征参数转化为均值方差的线性变换参数，从而获取训练后的PCM类型语音形式㊂
2.5转换合成㊂根据训练结果，可将转换期设置为三个部分：基音频率转换㊁频谱包络转换和正弦谐波模型合成㊂将转换后的音质加入合成模块中，并将谐波幅值转换为离散的MFCC，再利用DTW对相应的参数进行对准，之后使用高斯混合模型GMM的EM算法获得转换函数㊂最终映射函数是GMM的权值㊁均值和方差集，组合该模型中的不同数据，可得到n组数据，形成文本内容特征参数对，由此完成语音转换合成㊂各个部分详细步骤为:
(1)基音频率转换㊂使用均值方差处理方式，预处理基音频率，根据该频率线性原理设计基音频率转换步骤：首先使用SIFT法求取基因频率的高斯均值和方差，在自相关曲线上寻基因峰值，有效去除峰值中的 野点 ㊂基因频率经过时间归一化处理后，得到转换后的基因频数㊂根据该频数，确定源语音激励特性，由此完成基音频率转换㊂
(2)频谱包络转换㊂预处理源语音，通过正弦谐波分析，估计谐波幅度倒谱参数，依据动态转换规则，获取转换后倒谱参数，由此完成频谱包络转换㊂
(3)正弦谐波模型合成㊂在上述两个部分支持下，结合正弦谐波特性，将转换的参数通过谐波正弦表达式，合成转换为基础语音模式㊂在整个合成过程中，对参数进行进一步处理，通过使用线性插值法代替语音文件，根据电子数字计算机特点，对用折线近似函数的差值方法进行简化处理，确定基础音段，以此提高语音合成质量㊂
2.6语音格式转换流程设计㊂根据上述转换结果，将AMR格式下的5000Hz语音文件转换为PCM格式下的7000Hz语音文件，输入文件名包含语音转换系统㊂AMR到PCM的语音格式转换思路为：先解码AMR语音格式线性预测LP系数，然后推导PCM自相关系数，该系数是网络延迟后的结果，因此在转换过程中应去掉延迟窗影响㊂接着由PCM自相关系数按照请浊音分类内插，获取PCM自相关系数，并加上延迟窗，利用递推式求解线性预测LP系数，并加重，得到PCM线性预测LP系数，完成AMR到PCM的语音格式转换㊂调用信息输出模块，输出转换成功信息和错误信息㊂图2中显示了语音格式转换流程
㊂
由图2可知，语音转换的实质是在改变原说话者的性格参数的同时，保持AMR格式下的5000Hz语音文件内容不变，从而使转换的语音具有原始语音特征㊂通过改变源语音信号的激励特性和信道频谱特性，获取PCM7000Hz语音文件㊂
3㊀结束语
基于语音合成的语音转换技术是当前语音信号处理的核心部分，其发展促进语音分析㊁合成和增强技术的快速发展㊂语言转换系统包括语言训练和语言转换两部分，采用正弦谐波模型进行参数分析㊁估计和综合，采用GMM方法提取语音激励和信道特征，通过GMM方法训练参数，获得参数变换准则，实现不同语音格式间的高效转换㊂
参考文献:
[1]王磊，何勇，张宇，等.基于便携式语音的智能家居系统的设计与实现[J].计算机工程与设计,2018,39 (05):98-103.
[2]曹春香.语音特征和情感特征的翻译系统与实现[J].现代电子技术,2018,v.41;No.516(13):123-127.
[3]刘蕾.智能播种机嵌入式英语语音识别控制系统设计与研究[J].农机化研究,2018,40(012):240-244.
[4]李豪，侯文军，陈筱琳.基于因子分析的智能手机
语音系统设计评估体系[J].包装工程,2018,039(016):42 -49.
作者简介：王枫,19810613，男，汉，江苏省南京市，硕士，中级工程师，目前4GLTE㊁5GC专网集通信核心网研发工作㊂
㊃54㊃

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。