一種適用于直升機強旋翼噪聲環(huán)境的話音處理系統(tǒng)研究與實現(xiàn)

李聲飛

摘 ?要： 為了解決直升機平臺強旋翼噪聲對飛行員通話干擾問題，設計一種基于Xilinx ZYNQ??7000平臺的話音處理系統(tǒng)。該系統(tǒng)由模擬音頻處理單元和數(shù)字音頻處理單元組成，模擬音頻單元完成飛行員模擬話音信號的匹配、濾波、預處理和A/D變換，數(shù)字音頻處理單元利用ZYNQ平臺強大的綜合處理能力，完成數(shù)字話音信號的協(xié)議解析和混音控制，并針對直升機艙內噪音的特點，設計一套適用于直升機強噪聲平臺的話音處理算法。最后通過外場飛行試驗表明，該系統(tǒng)能夠有效抑制直升機駕駛艙內通話噪聲，增強語音信號，提高飛行員通話的可聽可懂度和舒適度。

關鍵詞： 直升機; 強旋翼噪聲; 話音處理系統(tǒng); 數(shù)字話音信號; ZYNQ平臺; 噪聲抑制

中圖分類號： TN914?34 ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼： A ? ? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2019）10?0124?04

Research and implementation of a voice processing system suitable for

strong rotor noise environment of helicopter

LI Shengfei

（The Tenth Research Institute of China Electronic Technology Group Corporation， Chengdu 610000， China）

Abstract： A voice processing system based on the Xilinx ZYNQ??7000 platform is designed to solve the interference problem of the helicopter platform′s strong rotor noises to pilots′ voices. The system is composed of the analog audio processing unit and digital audio processing unit. The analog audio processing unit is used to complete the matching， filtering， preprocessing and AD transformation of analog voice signals of the pilot. The digital audio processing unit is used to complete the protocol analysis and mixed voice control of the digital voice signals in virtue of the strong and comprehensive processing ability of the ZYNQ platform. In allusion to the characteristics of the cabin noises in helicopter， an audio processing algorithm suitable for the strong noise platform of the helicopter is designed. The results of the outfield flight test show that the system can effectively suppress the voice noises in the cockpit of helicopter， enhance voice signals， and improve the intelligibility and comfortability of pilots′ voices.

Keywords： helicopter; strong rotor noise; voice processing system; digital voice signal; ZYNQ platform; noise suppression

0 ?引 ?言

直升機具有獨特的飛行能力，在現(xiàn)代軍事、反恐演習和國民經濟等場合起到了不可替代的作用。由于直升機特殊的構造，在飛行時旋翼尾槳高速旋轉，槳平面對周圍空氣形成周期性的壓力而產生巨大的機械噪聲[1]。如果不進行降噪處理，這些環(huán)境噪聲將通過駕駛艙內的飛行員話筒進入機載音頻設備，對飛行員的正常通話產生巨大干擾，嚴重時噪聲會完全淹沒正常的話音信號，從而威脅到飛行安全和指揮控制[2]，因此研究降噪技術對直升機的飛行安全有至關重要的作用。針對直升機平臺的特殊應用場景，提出一種抗強干擾的數(shù)字話音處理系統(tǒng)。該系統(tǒng)運用數(shù)字音頻處理技術，對飛行員帶噪話音信號進行濾波、放大和預處理，將模擬話音信號轉換為數(shù)字信號;后端通過數(shù)字音頻處理算法對帶噪數(shù)字信號進行噪聲抑制、語音增強等處理，有效地抑制環(huán)境噪聲，提高了飛行員通話的可聽可懂度[3]，減小了話音延遲。

1 ?原理描述

為了更有效地抑制直升機艙內噪聲，首先應對駕駛艙內噪聲源進行分析。噪聲來源如圖1所示。

圖1 ?直升機艙內噪聲來源

從圖1可看出，直升機艙內噪聲主要來源于旋翼噪聲、尾槳噪聲、齒輪箱機械噪聲和發(fā)動機壓縮噪聲等[4]。進一步對直升機噪聲進行量化分析，在外場直升機飛行噪聲試驗過程中實錄了一段直升機艙內環(huán)境噪聲，對其進行功率譜分析如圖2所示。

圖2 ?直升機噪聲功率譜

從圖2可知，直升機噪聲能量主要集中在0～500 Hz頻段內的旋翼尾槳噪聲，在0～500 Hz內的噪聲能量分布不均勻，可看出在低頻段（0～150 Hz）內噪聲能量較大，高頻段（150～500 Hz）噪聲能量相對較小，且由于直升機旋翼周期旋轉使得噪聲在某些頻點上特別突出，實測的噪聲分析結果與理論分析一致。

針對直升機噪聲頻段低、信噪比小等特點，傳統(tǒng)的話音檢測算法不能準確地分辨出話音信號，提出一種基于短時能量和過零率相結合的方法，能夠有效提高話音判定的準確率。檢測算法原理是，噪聲與語音歸一化自相關函數(shù)中極大值（即能量）的概率分布不同，利用這種能量分布不同的特點，可對濁音及非濁音（包括清音和噪聲）進行判定[5]。話音信號具有短時平穩(wěn)性，通常認為10～30 ms的時間范圍內話音信號是準穩(wěn)態(tài)過程，利用短時能量對話音信號進行激活檢測，假定第w幀話音信號[Sw（n）]的短時能量為[Ew]。短時能量的計算式公式為：

[Ew=n=1NS2w（n）] ? ? ? （1）

設定閾值Y，當計算的短時能量[EwY]時，判斷為話音。這種方法在信噪比高的環(huán)境下對話音識別準確性高，但在直升機強噪聲環(huán)境下，短時能量方法檢測結果誤差較高，需要結合其他方法綜合判定。本文采用基于過零率和短時能量相結合的話音端點檢測算法，語音信號短時過零率[6][（ZCR）]定義為：

[ZCR=12i=0N-1sgnx（i）-sgnx（i-1）] ? （2）

式中，sgn[·] 表示符號函數(shù)，即

[sgn[x]=1，x≥0-1，x<0] （3）

通過統(tǒng)計分析，噪聲的過零率比信號的過零率大，當[ZCR]小于設定閾值Z時，認為是話音信號，大于閾值時判定為噪聲。

利用直升機環(huán)境噪聲具有短時平穩(wěn)性的特點，采用譜減法作為直升機平臺自適應噪聲抑制方法。譜減法原理[7]是，話音信號的短時幅度比短時相位更容易對人的聽覺系統(tǒng)產生影響，用無話音時的噪聲頻譜代替有話音時的噪聲頻譜，再與含噪聲的話音頻譜相減，可得到話音信號的頻譜估計值，從而達到消除噪聲的目的。假設帶噪話音信號模型為：

[y（t）=s（t）+n（t）] （4）

式中：[y（t）]是帶噪話音;[s（t）]是純凈話音;[n（t）]是噪聲信號。對式（4）進行傅里葉變換，得：

[Y（k）=S（k）+N（k）] （5）

忽略純凈話音和噪聲之間的相位差異，即話音和噪聲是獨立不相關的，可以近似推算出：

[Y（k）2=S（k）2+N（k）2] （6）

利用人耳對話音相位不敏感特征，在式（6）中從帶噪話音幅度譜中減去噪聲的幅度譜，就得到了原始話音的幅度譜：

[S（k）=Y（k）2-EN（k）212] （7）

式中：[EN（k）2]為無語音時噪聲譜的統(tǒng)計平均值;[Y（k）]為帶噪話音譜;[N（k）]為噪聲譜。

2 ?系統(tǒng)架構

數(shù)字話音處理系統(tǒng)原理框圖如圖3所示。

該系統(tǒng)包括模擬音頻處理、數(shù)字音頻處理兩部分。其中模擬音頻部分完成輸入模擬音頻信號的采集和放大，模擬音頻信號經A/D轉換，把轉換后的數(shù)字信號送入數(shù)字音頻處理部分。為了消除回聲干擾抑制嘯叫，首先將數(shù)字音頻信號與自適應回聲抵消模塊輸出的信號進行混音，混音后的信號送話音端點檢測模塊，進行有無話音判決。當發(fā)現(xiàn)有話音時，分別將話音信號送入自適應噪聲抑制模塊、自動增益控制模塊進行噪聲抑制和話音增強等處理。當發(fā)現(xiàn)無噪聲時，送入舒適背景噪聲產生模塊生成白噪聲，輸出端對白噪聲和處理后的話音信號進行混音、加權等處理。處理后的數(shù)字話音信號經過輸出音頻接口模塊進行D/A轉換、放大等處理，驅動耳機、擴聲器等音頻設備。

3 ?硬件電路設計

數(shù)字話音處理系統(tǒng)硬件框圖如圖4所示。其中模擬音頻接口包括輸入音頻匹配單元、A/D?D/A轉換單元和輸出音頻接口單元，完成輸入模擬信號的阻抗匹配、A/D轉換、濾波，將模擬音頻信號轉換為數(shù)字信號;同時將處理完后的數(shù)字信號進行D/A轉換、輸出放大和匹配，驅動耳機等音頻設備。

圖4 ?數(shù)字話音處理系統(tǒng)硬件框圖

數(shù)字音頻處理部分采用ZYNQ?7000架構，實現(xiàn)數(shù)字信號算法處理、A/D接口轉換、數(shù)據(jù)儲存等數(shù)字電路功能。其中，供電單元完成模塊所需電壓的生成;時鐘單元為模塊提供時鐘驅動;ZYNQ單元的ARM處理器完成數(shù)字音頻處理算法的嵌入式實現(xiàn);DDR存儲器部分作為ARM的數(shù)據(jù)緩存區(qū);FLASH部分用于儲存ARM程序、告警音頻數(shù)據(jù)及其余控制信息;ZYNQ單元的FPGA部分為模塊提供可擴展性，主要完成話音通道控制、A/D控制、協(xié)議轉換、數(shù)據(jù)緩存、外圍控制信號生成、模塊時鐘分發(fā)等功能;FPGA外部擴展一塊BPI FLASH，用作固化代碼的存儲和加載。

4 ?軟件處理流程

數(shù)字話音處理系統(tǒng)流程包括模擬話音處理流程和數(shù)字話音處理流程。模擬話音處理流程如圖5a）所示。對模擬話音信號進行信號匹配、A/D采樣，將模擬話音轉換為數(shù)字話音，送入數(shù)字話音處理系統(tǒng)進行數(shù)字化處理。對經過數(shù)字系統(tǒng)處理后的話音信號進行增益控制、D/A變換、混音輸出和匹配切換，將模擬音頻信號調節(jié)到合適的強度后驅動話筒耳機等音響設備。

數(shù)字話音處理流程如圖5b）所示。首先在DSP運行上電初始化程序，對A/D芯片、FLASH存儲器和DDR控制器等硬件資源進行配置，同時啟動中斷函數(shù)監(jiān)聽是否收到FPGA緩存中斷;當檢測到有緩存中斷時調用中斷服務函數(shù)，中斷函數(shù)每次讀取FIFO內8 ms時長的話音數(shù)據(jù);同時為了滿足話音信號準平穩(wěn)特征，需要將本次8 ms時長數(shù)據(jù)和前2次（共計16 ms）數(shù)據(jù)組幀，構造出24 ms的短時平穩(wěn)話音數(shù)據(jù)，選擇漢明窗對該數(shù)據(jù)進行加窗操作，可將連續(xù)的話音信號變換成分段話音信號便于后端處理。加窗后的信號送到話音有無檢測模塊進行判決，當檢測到無話音時送入舒適噪聲產生模塊，重構背景噪聲后輸出;當檢測到有噪聲時依次送入自適應噪聲抑制和自動增益控制模塊，進行降噪和增強處理，從而壓縮信號的動態(tài)范圍和平滑背景噪聲。把經上述流程處理后的音頻信號送入音頻輸出模塊。

圖5 ?話音處理軟件流程圖

5 ?試驗驗證

搭建圖6所示的話音處理系統(tǒng)驗證環(huán)境[8]，驗證數(shù)字話音系統(tǒng)的性能。

圖6 ?系統(tǒng)環(huán)境試驗圖

在外場直升機飛行噪聲試驗中實錄一段信噪比為5 dB的話音信號作為測試激勵[9]信號，該信號是直升機旋翼噪聲和機載無線電設備疊加的帶噪話音段，代表著一種典型 [10]的直升機座艙話音信號。將該激勵信號輸入到話音處理系統(tǒng)進行處理，并對處理前后波形對比分析，如圖7所示。

圖7 ?數(shù)字話音處理降噪效果對比圖

圖7a）為輸入信噪比為5 dB的帶噪話音段，圖7b）為處理后音頻信號。通過對比可看出，輸入的話音信號帶有強噪聲，經過數(shù)字話音系統(tǒng)處理后，該話音信號的有音/無音段被準確地分辨出來，無音段信號的噪聲被有效抑制，有音段的話音信號被合理增強;同時該系統(tǒng)能精確地控制增益衰減，達到了壓縮信號的動態(tài)范圍和平滑背景噪聲的目的。

6 ?結 ?論

本文設計一種基于Xilinx公司ZYNQ??7000架構的數(shù)字話音處理系統(tǒng)。系統(tǒng)核心軟件駐留在ZYNQ?7000處理器中，在PL邏輯處理單元完成A/D控制、協(xié)議解析和數(shù)據(jù)緩沖，在PS內嵌雙核ARM? CortexTM?A9處理器，完成音頻處理算法的嵌入式實現(xiàn)。通過搭建仿真平臺驗證系統(tǒng)功能，該系統(tǒng)能夠有效抑制直升機飛行時旋翼、尾槳等環(huán)境噪聲，提高了飛行員通話的可聽可懂度和舒適度，且具有小型化、通用化等優(yōu)點，可推廣應用于航空、船舶[11]等領域。

參考文獻

[1] 徐國華，史勇杰，招啟軍，等.直升機旋翼氣動噪聲的研究新進展[J].航空學報，2017，38（7）：23?38.

XU Guohua， SHI Yongjie， ZHAO Qijun， et al. New developments in researches on helicopter rotor aerodynamic noise [J]. Acta aeronautica et astronautica sinica， 2017， 38（7）： 23?38.

[2] 王春輝，王華明，歐飛.螺旋槳飛機艙內噪聲特性分析[J].大眾科技，2014，16（11）：90?92.

WANG Chunhui， WANG Huaming， OU Fei. Analysis on the cabin noise of propeller plane [J]. Popular science & technology， 2014， 16（11）： 90?92.

[3] 陳亞繁，許勇，楊軍.單通道語音增強對低信噪比漢語可懂度的影響[J].電聲技術，2016，40（10）：49?52.

CHEN Yafan， XU Yong， YANG Jun. Comparative study about effect of single?channel speech enhancement algorithms on Chinese intelligibility at low signal?to?noise ratios [J]. Audio engineering， 2016， 40（10）： 49?52.

[4] 劉國強，董明明，秦浩.直升機振動和噪聲聯(lián)合環(huán)境對人體的影響[J].航空科學技術，2016，27（11）：30?33.

LIU Guoqiang， DONG Mingming， QIN Hao. The effects of helicopter noise and vibration joint environment on the human body [J]. Aeronautical science and technology， 2016， 27（11）： 30?33.

[5] 董胡.倒譜距離和短時能量的語音端點檢測方法研究[J].計算機技術與發(fā)展，2014，24（7）：77?79.

DONG Hu. Study on speech endpoint detection based on cepstrum distance and short?time energy[J]. Computer technology and development， 2014， 24（7）： 77?79.

[6] 紀振發(fā)，楊暉，李然，等.基于短時自相關及過零率的語音端點檢測算法[J].電子科技，2016，29（9）：52?55.

JI Zhenfa， YANG Hui， LI Ran， et al. Speech endpoint detection algorithm based on short time autocorrelation and short?time zero crossing rate [J]. Electronic science and technology， 2016， 29（9）： 52?55.

[7] UPADHYAY N， KARMAKAR A. An improved multi?band spectral subtraction algorithm for enhancing speech in various noise environments [J]. Procedia engineering， 2013， 64： 312?321.

[8] 章圣焰，崔明明.一種機載語音信號捕獲方法設計與實現(xiàn)[J].航空電子技術，2017，48（1）：52?56.

ZHANG Shengyan， CUI Mingming. A design and implementation method for airborne audio signal capture [J]. Avionics technology， 2017， 48（1）： 52?56.

[9] RIBEIRO F， FLOR?NCIO D， ZHANG C， et al. CROWDMOS： an approach for crowdsourcing mean opinion score studies [C]// Proceedings of IEEE International Conference on Acoustics， Speech and Signal Processing. Prague： IEEE， 2011： 2416?2419.

[10] SLAVATA O， HOLUB J. Evaluation of objective speech transmission quality measurements in packet?based networks [J]. Computer standards & interfaces， 2014， 36（3）： 626?630.

[11] YANG G， SHIPYARD Q Q. Prediction of cabin noise based on grey system theory and reduction technology research [J]. Ship engineering， 2014（S1）： 249?251.