استاد راهنما : دکتر محمد اسماعیل کلانتری
 
 
شهریور 1381
 

(در فایل دانلودی نام نویسنده موجود است)

تکه هایی از متن پایان نامه به عنوان نمونه :

(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)

Abstract

G.728 speech codec is a low delay ITU standard codec which could provide toll quality speech in 16kb/s. It is specially designed for delay sensitive applications like satellite telephony, Internet, and mobile networks.

In this thesis real time implementation of full duplex G.728 encoder and decoder on TMS320C5402 is presented. Using a combinatorial technique for TMS programming, the programming time and complexity have been decreased to 30% comparing with traditional assembly programming. First a fixed point simulation of the codec algorithm has been programmed in C and it is compiled to assembly using CCS (Code Composer Studio) and manually optimized. Then some of the critical functions regarding MIPS, have been programmed in assembly for achieving real time implementation. Finally, implementation results have been presented.

Keywords: Speech Coding & Compression, Real Time Implementation, DSP,

TMS320C5402, DSK Board

چکیده   

کدک صحبت استاندارد G.728 ، یک کدک کم تاخیر است که صحبت با کیفیت عالی را در نرخ بیت 16 kbps ارائه می دهد و برای شبکه های تلفن ماهواره ای و اینترنت و موبایل که به تاخیر زیاد حساس هستند ، مناسب است. در این رساله به پیاده سازی بلادرنگ اینکدر و دیکدر  G.728 بصورت دوطرفه کامل ( Full Duplex ) بر روی پردازنده TMS320C5402 می پردازیم .

روشی ترکیبی برای برنامه نویسی TMS ارائه می شود که در آن  زمان وپیچیدگی برنامه نویسی نسبت به برنامه نویسی دستی به 30%  کاهش می یابد . در این روش پس از برنامه نویسی           و  شبیه سازی ممیزثابت الگوریتم کدک به زبان C ، با بهره گرفتن از نرم افزار                                ( Code Composer Studio ) CCS ، برنامه به زبان اسمبلی ترجمه شده و بهینه سازی دستی در کل کد اسمبلی صورت می گیرد . سپس بعضی از توابع مهم برنامه از نظر MIPS ، بصورت دستی به زبان اسمبلی بازنویسی می شوند تا برنامه بصورت بلادرنگ قابل اجرا گردد . در پایان                  نتایج این پیاده سازی ارائه می شود .

کلمات کلیدی

کدینگ و فشرده سازی صحبت ، پیاده سازی بلادرنگ ، DSP ، TMS320C5402 ، برد DSK

فهرست

– مقدمه                                             4

فصل 1 : بررسی و مدل سازی سیگنال صحبت                        

1-1- معرفی سیگنال صحبت                               6

1-2- مدل سازی پیشگویی خطی                            10

1-2-1- پنجره کردن سیگنال صحبت                   11

1-2-2- پیش تاکید سیگنال صحبت                    13

1-2-3- تخمین پارامترهای LPC                                              14

فصل 2 : روش ها و استانداردهای کدینگ صحبت

2-1- مقدمه                                      15

2-2- روش های کدینگ                                   19

2-2-1- کدرهای شکل موج                       21

2-2-2- کدرهای صوتی                              22       2-2-3- کدرهای مختلط                           24

الف- کدرهای مختلط حوزه فرکانس                   27

ب- کدرهای مختلط حوزه زمان                       29

فصل 3 : کدر کم تاخیر LD-CELP                       

3-1- مقدمه                                      34

3-2- بررسی کدرکم تاخیر LD-CELP                      36

3-2-1- LPC معکوس مرتبه بالا                  39

3-2-2- فیلتر وزنی شنیداری                       42

3-2-3- ساختار کتاب کد                       42

3-2-3-1- جستجوی کتاب کد                         43

3-2-4- شبه دیکدر                            45

3-2-5- پست فیلتر                            46

فصل 4 : شبیه سازی ممیزثابت الگوریتم به زبان C                   

4-1- مقدمه                                       49

4-2- ویژگی های برنامه نویسی ممیزثابت                         50

4-3- ساده سازی محاسبات الگوریتم                          53

4-3-1- تطبیق دهنده بهره                         54

4-3-2- محاسبه لگاریتم معکوس                          58

4-4- روندنمای برنامه                                 59

4-4-1- اینکدر                               63

4-4-2- دیکدر                                69

فصل 5 : پیاده سازی الگوریتم برروی DSP          

5-1- مقدمه                                      74

5-2- مروری بر پیاده سازی بلادرنگ                          75

5-3- چیپ های DSP                                76

5-3-1- DSP های ممیزثابت                         77

5-3-2- مروری بر DSP های خانواده TMS320          78

5-3-2-1- معرفی سری TMS320C54x               79

5-4- توسعه برنامه بلادرنگ                             81

5-5- اجرای برنامه روی برد توسعه گر C5402 DSK                 82

5-5-1- بکارگیری ابزارهای توسعه نرم افزار                 84

5-5-2- استفاده از نرم افزارCCS                      86

5-5-3- نتایج پیاده سازی                         94

5-6- نتیجه گیری و پیشنهاد                          97

– ضمائم

   – ضمیمه (الف) : دیسکت برنامه های شبیه سازی ممیز ثابت به زبان C و

پیاده سازی کدک به زبان اسمبلی                                                                                         – ضمیمه (ب) : مقایسه برنامه نویسی C و اسمبلی                         98

– مراجع                                         103

– مقدمه

امروزه در عصر ارتباطات و گسترش روزافزون استفاده از شبكه های تلفن ،موبایل و اینترنت در جهان ومحدودیت پهنای باند در شبكه های مخابراتی ، كدینگ و فشرده سازی صحبت امری اجتناب ناپذیر است . در چند دهه اخیر روش های كدینگ مختلفی پدیدآمده اند ولی بهترین و پركاربردترین آنها كدك های آنالیزباسنتز هستند كه توسط Atal & Remedeدر سال 1982 معرفی شدند [2] . اخیرا مناسبترین الگوریتم برای كدینگ صحبت با كیفیت خوب در نرخ بیت های پائین و زیر 16 kbps ، روش پیشگویی خطی باتحریك كد (CELP) می باشد كه در سال 1985 توسط Schroeder & Atal معرفی شد [8] و تا كنون چندین استاندارد مهم كدینگ صحبت بر اساس CELP تعریف شده اند .

در سال 1988 CCITT برنامه ای برای استانداردسازی یك كدك 16 kbps با تاخیراندك و      كیفیت بالا در برابر خطاهای كانال آغاز نمود و برای آن كاربردهای زیادی همچون شبكه PSTN ،ISDN ،تلفن تصویری و غیره در نظر گرفت . این كدك در سال 1992 توسط Chen et al.    تحت عنوان LD-CELP معرفی شد[6] و بصورت استاندارد G.728 در آمد[9] و در سال 1994 مشخصات ممیز ثابت این كدك توسط ITU ارائه شد[10] . با توجه به كیفیت بالای این كدك كه در آن صحبت سنتزشده از صحبت اولیه تقریبا غیرقابل تشخیص است  و كاربردهای آن در شبكه های تلفن و اینترنت و ماهواره ای در این گزارش به پیاده سازی این كدك می پردازیم .

در فصل اول به معرفی وآنالیز سیگنال صحبت پرداخته می شود و در فصل دوم روش ها و استانداردهای كدینگ بیان می شوند . در فصل سوم كدك LD-CELP را بیشتر بررسی می كنیم و در فصل چهارم شبیه سازی ممیز ثابت الگوریتم به زبان C را بیان می نمائیم. ودر پایان در فصل 5 به نحوه پیاده سازی بلادرنگ كدكG.728 بر روی پردازنده TMS320C5402 می پردازیم.

معرفی سیگنال صحبت

صحبت در اثر دمیدن هوا از ریه ها به سمت حنجره و فضای دهان تولید می‏شود. در طول این مسیر در انتهای حنجره، تارهای صوتی[1] قرار دارند. فضای دهان را از بعد از تارهای صوتی ، لوله صوتی[2]  می‏نا مند كه در یك مرد متوسط حدود cm 17 طول دارد . در تولید برخی اصوات تارهای صوتی كاملاً باز هستند و مانعی بر سر راه عبور هوا ایجاد نمی‏كنند كه این اصوات را اصطلاحاً اصوات بی واك [3]  می‏نامند. در دسته دیگر اصوات ، تارهای صوتی مانع خروج طبیعی هوا از حنجره می‏گردند كه این باعث به ارتعاش درآمدن تارها شده و هوا به طور غیر یكنواخت و تقریباً پالس شكل وارد فضای دهان می‏شود. این دسته از اصوات را اصطلاحاً باواك[4]  می‏گویند.

فركانس ارتعاش تارهای صوتی در اصوات باواك را فركانس Pitch و دوره تناوب ارتعاش تارهای صوتی را پریود Pitch می‏نامند. هنگام انتشار امواج هوا در لوله صوتی، طیف فركانس این امواج توسط لوله صوتی شكل می‏گیرد و بسته به شكل لوله ، پدیده تشدید در فركانس های خاصی رخ می‏دهد كه به این فركانس های تشدید فرمنت[5]  می‏گویند.

از آنجا كه شكل لوله صوتی برای تولید اصوات مختلف، متفاوت است پس فرمنت ها برای اصوات گوناگون با هم فرق می‏كنند. با توجه به اینكه صحبت یك فرآیند متغییر با زمان است پس پارامترهای تعریف شده فوق اعم از فرمنت ها و پریود Pitch در طول زمان تغییر می‏كنند به علاوه مد صحبت به طور نامنظمی از باواك به بی واك و بالعكس تغییر می‏كند. لوله صوتی ، همبستگی های زمان-كوتاه  ، در حدود 1 ms ، درون سیگنال صحبت را در بر می‏گیرد. و بخش مهمی از كار كدكننده های صوتی مدل كردن لوله صوتی به صورت یك فیلتر زمان-كوتاه می‏باشد. همان طور كه شكل لوله صوتی نسبتاً آهسته تغییر می‏كند، تابع انتقال این فیلتر مدل كننده هم نیاز به تجدید[6] ، معمولاً در هر 20ms یکبارخواهد داشت.

در شكل (1-1 الف) یك قطعه صحبت باواك كه با فركانس 8KHz نمونه برداری شده است  دیده می‏شود. اصوات باواك دارای تناوب زمان بلند به خاطر پریود Pitch هستند كه نوعاً   بین 2ms تا 20ms می‏باشد. در اینجا پریود Pitch در حدود 8ms یا 64 نمونه است. چگالی طیف توان این قطعه از صحبت در شكل (1-1 ب) دیده می‏شود[3].

اصوات بی واك نتیجه تحریك نویز مانند لوله صوتی هستند و تناوب زمان- بلند اندكی را در بر دارند ، همانگونه كه در شكل های (1-1 ج) و (1-1 د) دیده می‏شود ولی همبستگی زمان كوتاه به خاطر لوله صوتی در آنها هنوز وجود دارد.

بطوركلی سیگنال صحبت  دارای افزونگی[7] زیادی است  كه ناشی از عوامل ذیل هستند:

ـ وابستگی های زمان-كوتاه  : این وابستگی ها عمدتاً به كندی تغییرات صحبت با زمان و ساختار
( الف)                                                                         (ب)

(ج)                                                                          (د)

شكل (1-1) :  مقایسه اصوات باواك و بی واك. (الف)و(ب) : باواك ، (ج)و(د) : بی واك

نسبتاً منظم فرمنت ها مربوط می‏شوند.

ـ وابستگی های زمان- بلند : كه عمدتاً از طبیعت نیمه متناوب اصوات با واك و تغییرات آرام پریود Pitch ناشی می‏شوند.

ـ‌تابع چگالی احتمال صحبت : علیرغم پیچیدگی آماری صحبت می‏توان آن را با توابع چگالی احتمال شناخته شده تقریب زد. شكل لوله صوتی و مد تحریك آن به صورت نسبتاً آرام تغییر می‏كند و بنابراین صحبت را می‏توان به صورت شبه ایستان در دوره های كوتاه زمانی            (حدود 20ms) در نظر گرفت و با یك  فرآیند تصادفی ارگادیك در یك قطعه زمانی كوچك   مدل نمود و طیف مشخصی برای آن در این قطعه زمانی بدست آورد.