基于TMS320C6678的合成語音檢測系統(tǒng)的設計與實現(xiàn)

況 鵬，黃 海，毛少帥，王康利（國家數(shù)字交換系統(tǒng)工程技術研究中心 河南 鄭州450000）

基于TMS320C6678的合成語音檢測系統(tǒng)的設計與實現(xiàn)

況 鵬，黃 海，毛少帥，王康利
（國家數(shù)字交換系統(tǒng)工程技術研究中心 河南 鄭州450000）

針對合成語音檢測系統(tǒng)在大規(guī)模電信網(wǎng)應用中的實時性需求，在分析合成語音檢測原理和多核DSP任務并行的基礎上，提出了一種基于TMS320C6678的合成語音檢測算法并行實現(xiàn)方法，該方法實現(xiàn)了任務級并行流水和核間高效通信。實驗結果表明，該方法是可行、有效的，并且基于TMS320C6678的合成語音檢測系統(tǒng)的實時處理能力有很大提升。

合成語音檢測；多核DSP；TMS320C6678；實時處理

隨著漢語語音合成技術的成熟和語音合成技術的應用的普及和推廣，目前，在PC機上可以做到上百個通道平行實時合成，語音的質量有一部分可以達到“以假亂真”的程度，大部分也都能夠達到可被聽眾接受的水平，合成語音已經(jīng)開始成為信息交流的一種手段［1］，催生了電信網(wǎng)許多之前不能夠開展的新業(yè)務，極大地促進了電信網(wǎng)業(yè)務的多元化，但也導致電信網(wǎng)中的詐騙電話由傳統(tǒng)的人工錄制向人工合成轉變，更加加劇了垃圾網(wǎng)絡電話（SPIT）的危害性，使得電信網(wǎng)安全和信息通信的可信度面臨越來越嚴重的威脅。

根據(jù)對某警用系統(tǒng)采集到的SPIT分析發(fā)現(xiàn)，相對于人工錄制的SPIT，人工合成的SPIT具有更新速度快、變換形式多等特點，為SPIT非重復化地廣泛傳播提供了可能。而現(xiàn)有SPIT檢測系統(tǒng)大多采用模板匹配的方法應對SPIT，針對這類SPIT的防范效果非常有限。為對電信網(wǎng)中的人工合成的SPIT進行有效的偵測和阻斷，文獻［2］基于支持向量機通過反應語音質量的聲學特征參數(shù)雖實現(xiàn)了對這類SPIT的精確識別，但該方法防范的實效性較差，難以滿足在大規(guī)模電信網(wǎng)中的應用需求。為此，本文改進了文獻［2］提出的合成語音檢測算法，并設計了一種基于TMS320C6678的合成語音實時檢測系統(tǒng)實現(xiàn)方法，能夠在大規(guī)模電信網(wǎng)中實現(xiàn)對人工合成的SPIT的實時、準確檢測功能。

1　改進的合成語音檢測算法的具體實現(xiàn)

文中在文獻［2］提出的算法基礎上將特征參數(shù)由4維增加到20維，并縮短檢測語音長度，具體算法實現(xiàn)過程如下。

1.1合成語音聲學特征參數(shù)提取

合成語音是非自然語音，屬于語音的一個失真類，它和自然語音在反映語音質量［3-4］的聲學特征參數(shù)上存在差異。一是聲道參數(shù)［5-7］，聲道參數(shù)是衡量語音質量的一個重要特征，在自然語音中，聲道參數(shù)是緩變得，只有在音素過度時，會有較大變化，而失真語音則有可能出現(xiàn)。所以可根據(jù)聲道的平均長度，不同部位的截面積大小以及不同部位的過渡特征來判斷是否為合成語音。二是語音信號的高階統(tǒng)計參數(shù)［7］，常用的如LPC參數(shù)和倒譜的偏度和峰度，它們用來描述參數(shù)的分布特征偏離高斯分布的程度，研究表明自然語音和合成語音的這類參數(shù)有較大差異。三是機器性參數(shù)［7］，如非自然的嘟嘟聲、急劇下降參數(shù)等。相對于自然語音，合成語音具有以下特點，如濁音部分持續(xù)時間通常過短、一段語音的濁音信號可能具有多個周期性以及在語音開始和結尾沒有退化，會突然出現(xiàn)急劇下降等，這些都決定了合成語音的不自然性。參考ITU-T P.563標準［3-4］可知，描述語音不自然損傷的聲學特征參數(shù)有20種，因此，文中基于P.563標準提取了這20個特征參數(shù)，構建20維的聲學特征參數(shù)，文中稱之為自然度聲學參數(shù)作為區(qū)分自然語音和合成語音的依據(jù)。

1.2分類決策

由于合成語音檢測是典型的二元判決問題，本文選用了支持向量機［9-10］最為最佳分類器。其基本思路：首先獲取電信網(wǎng)呼叫語音的ITU-T P.563的20個自然度聲學參數(shù)，并作歸一處理，然后將所得的自然度聲學參數(shù)集合分為訓練樣本和測試樣本兩部分，將訓練樣本送入SVM模型訓練，將語音模板存入模板庫。訓練完畢后，將測試樣本輸入SVM中進行合成語音檢測?；赟VM的合成話音檢測原理如圖1所示。

圖1　基于SVM的合成話音檢測原理

1.3改進算法性能測試

為了驗證本文改進的方法在合成話音檢測上的應用效果。文中對6 000個電話語音進行了分析處理。本文所采用的所有呼叫語音均來自某警用系統(tǒng)采集的的語料，所有語料均保存為8 000 Hz、16 bit、單聲道的PCM格式，其中：3 000個正常電話語音，3 000個合成話音。從該語料庫中選取2 000個正常電話語音和2 000個合成語音作為訓練集，另從該語料庫中選取1 000個正常電話語音和1 000個合成語音作為測試集。

方法的性能采用查全率和查準率來評價，定義正確分類和錯誤分類的合成話音個數(shù)為TP和FN，正確分類和錯誤分類的正常電話話音個數(shù)為TN和FP，查全率定義為：TP/（TP+ FP），查準率定義為：TP/（TP+FN）。

實驗結果如表1所示。

表1　不同檢測語音長度的分類結果對比

從表1數(shù)據(jù)可以看出，文中改進的算法在語音檢測長度為2 s時，對合成語音檢測的查全率為93.2%，查準率為92.8%，相對于文獻［1］所提算法在檢測語音長度為10 s的情況下，檢測率為82%，檢測精度提高較大，具有一定的可行性。

2　基于TMS320C6678的合成語音檢測算法優(yōu)化

2.1合成語音檢測算法分解

文中的合成語音檢測算法主要是由特征提取和分類判決2個功能模塊組成，其中算法第一功能模塊主要是基于P. 563標準實現(xiàn)，如圖2中虛線框所示，由于P.563算法共提取43個特征參數(shù)，這里本文只保留了20個特征參數(shù)的計算模塊，屏蔽其它參數(shù)計算模塊。

圖2　特征提取功能模塊

特征提取模塊的任務包括預處理、聲道和不自然度分析、噪聲分析、連續(xù)性分析等過程，該模塊結束后即輸出20維的特征參數(shù)。

2.2算法實時性分析

首先在算法代碼未經(jīng)任何優(yōu)化的情況下對各模塊的運算實時性進行分析。以長度為2 s的5個語音文件進行測試，其中有效語音長度分別為0、0.5、1.5和2 s，實驗結果如表2所示，其中model1、2、3分別表示特征提取過程中3個獨立的功能模塊。

表2　不同有效語音長度對應的算法的計算復雜度（ms）

從表1數(shù)據(jù)可知：1）特征提取過程中model2大約占了總時間的61%；2）特征提取時間與檢測語音中的有效語音所占比例的關系無關；3）分類判決耗時很少，不到1ms；4）按照最大耗時545ms推算，單核可并行處理3路2 s語音。為此，本文將基于TMS320C6678平臺對算法進行優(yōu)化。

2.3算法優(yōu)化

一般的代碼分為3個過程：1）編譯器優(yōu)化；2）C語言優(yōu)化；3）線性匯編優(yōu)化。此外還有對Cache以及數(shù)據(jù)的搬移等方面進行優(yōu)化［12］。

本文首先以2 s有效語音為例，研究編譯器設置不同優(yōu)化級別時算法性能的改善情況，實驗結果如表3所示。

表3　不同優(yōu)化級別對應的檢測時間（m s）

可以看出，優(yōu)化級別越高，性能提高越大。由于不優(yōu)化、0級優(yōu)化和1級優(yōu)化時算法提取的特征一樣，而2級優(yōu)化對應的特征稍有變化，可能會增加誤檢率。因此，綜合考慮性能和精度，文中采用1級優(yōu)化。

基于以上分析，本文對原有程序進行以下優(yōu)化：1）特別針對model2精簡特征提取算法流程，刪除頻繁調用且與檢測無關的函數(shù)；2）FFT運算采用DSPlib中優(yōu)化的庫函數(shù)進行替代，并提前計算好相關參數(shù)；3）工程編譯時設置為1級優(yōu)化。測試結果如表4所示。

表4　優(yōu)化后算法的計算復雜度（m s）

從表3數(shù)據(jù)可知：1）特征提取過程中model2大約占了總時間的57%；2）按照最大耗時195ms推算，單核可并行處理10路2 s語音。

3　基于TMS320C6678的合成語音檢測算法并行設計

特征提取模塊的內存運行空間經(jīng)人工估算最大為508K，C66x的單核的512K的二級存儲可滿足需求，且單核經(jīng)優(yōu)化后可并行處理10路2 s語音，易于在單核上執(zhí)行。為充分利用多核DSP平臺的并行處理能力，文中采用主從式的并行控制模式設計基于TMS320C6678的合成語音檢測系統(tǒng)［13］。TMS320C6678集成8個C66x核，核的編號為0-7。其中0核為主核（Master），其余的核都為從核（Slave）。合成語音檢測系統(tǒng)主要工程過程如下：Master核用于任務分配、同步控制和數(shù)據(jù)傳輸?shù)裙δ堋τ诖龣z測語音，Master核完成初始化后，Master核將任務分配到可用的Slave核上執(zhí)行，并傳遞任務執(zhí)行所必需的數(shù)據(jù)到Slave核；Slave核負責特征提取及分類判決。合成語音檢測并行實現(xiàn)方案如圖3所示。

圖3　合成語音檢測并行實現(xiàn)方案

4　基于TMS320C6678的合成語音檢測算法實現(xiàn)

4.1合成語音檢測算法在TMS320C6678中的實現(xiàn)

基于上述分析，將本文算法在TMS320C6678上實現(xiàn)，并利用CCSV5.2集成開發(fā)環(huán)境進行軟件仿真，其中利用SYS/BIOS［14］實現(xiàn)核間任務調度，利用IPC［15-16］實現(xiàn)核間同步和通信。

合成語音檢測系統(tǒng)的軟件實現(xiàn)方案如圖4所示。本文將軟件分為二級引導程序IBL，主核軟件和從核軟件3個部分，其中主核軟件和從核軟件啟動后，需要首先確定自己的身份（即核ID），根據(jù)自己的身份執(zhí)行相應的任務。

圖4　合成語音檢測并行實現(xiàn)方案

首先啟動合成語音檢測系統(tǒng)，初始化所有核，調用Ipc_start函數(shù)進入同步等待狀態(tài)，然后每個核上的程序才會繼續(xù)執(zhí)行。將4 096 KB的多核共享存儲器劃出MSM_IN和MSM_OUT2塊存儲區(qū)，其中MSM_IN存儲待檢測語音數(shù)據(jù)在外接DDR中地址信息，MSM_OUT2存儲判決結果。Core0從DDR中提取多路語音數(shù)據(jù)的地址信息，并通過Notify_sendEvent函數(shù)將上述地址信息發(fā)送到處于空閑狀態(tài)的從核，直到Master核發(fā)送數(shù)據(jù)地址，合成語音檢測任務開始并行執(zhí)行，分別根據(jù)數(shù)據(jù)地址從DDR中讀取語音數(shù)據(jù)，合成語音檢測完畢后將判決結果寫入MSM_OUT。

4.2實驗結果與分析

為了驗證基于TMS320C6678平臺的合成語音檢測系統(tǒng)的性能，將采用優(yōu)化后的算法與在VC++6.0平臺中的檢測性能進行對比。實驗語料保持不變，表5給出了基于兩種不同平臺的系統(tǒng)查全率和查準率。

表5　不同平臺的分類結果對比

實驗結果表明，基于TMS320C6678平臺的浮點軟件仿真結果和VC++6.0平臺下的浮點計算結果完全一致。從而驗證了TMS320c6678平臺實現(xiàn)合成語音檢測系統(tǒng)的正確性。

5　結束語

針對合成語音檢測系統(tǒng)在大規(guī)模電信網(wǎng)應用中的實時性需求，在分析合成語音檢測原理和多核DSP任務并行的基礎上，提出了一種基于TMS320C6678的合成語音檢測算法并行實現(xiàn)方法，并經(jīng)過多核DSP平臺優(yōu)化，測試結果表明本系統(tǒng)無論是從檢測效果提升還是處理時間上，都可以滿足實際部署需求。在某SPIT防護系統(tǒng)中，驗證了該方法的有效性和實用性，并已應用于大規(guī)模電信網(wǎng)絡中。

［1］劉豫軍，夏聰.語音合成技術在網(wǎng)絡服務中的應用［J］.網(wǎng)絡安全技術與應用，2015，47（4）.65-66.

［2］李邵梅，郭云飛，陳福才.垃圾網(wǎng)絡電話檢測技術研究［J］.計算機工程與應用，2011，47（6）:11-14.

［3］ITU P.563，Single-ended method for objective speech quality assessment in narrow-band telephony applications［P］.Geneva: ITU，2004.

［4］Abareghi M，Homayounpour M M，Dehghan M，et al.A Improved ITU-P.563 non-intrusive speech quality assessment method for covering VOIP conditions［C］//10th International Conference on Advanced Communication Technology，2008：354-357.

［5］王欣.考慮傳輸損傷的話音質量客觀評測［D］.北京:北京郵電大學，2011.

［6］楊波.基于P.563的話音質量客觀評價［D］.北京:北京郵電大學，2014.

［7］李祎斐.無參考的客觀語音質量評價方法的研究和實現(xiàn)［D］.北京:北京郵電大學，2015.

［8］彭海玲.參數(shù)化統(tǒng)計語音合成的自然度研究—面向遠程醫(yī)療服務的應用［D］.南京:東南大學，2014.

［9］汪云路，程義民，田源，等.基于支持向量機的語音隱藏信息盲檢測方法［J］.電路與系統(tǒng)學報，2009，14（4）：92-96.

［10］張磊.基于支持向量機的反垃圾電話技術研究［D］.哈爾濱:哈爾濱工程大學，2010.

［11］吉立新，劉偉偉，李邵梅.基于TMS320C6678的語種識別并行算法設計與實現(xiàn)［J］.電子技術應用，2015，38（10）:37-40.

［12］彭益智，霍家道，許偉.一種基于TMS320C6678的JPEG編碼算法并行實現(xiàn)方法［J］.指揮控制與仿真，2012，34（1）:119-122.

［13］肖鵬，肖衛(wèi)華，吳宏超.TMS320C6678的LPI雷達信號檢測模型設計［J］.單片機與嵌入式系統(tǒng)應用，2015，15（3）:62-65.

［14］吳灝，肖吉陽，范紅旗.TMS320C6678多核DSP的核間通信方法［J］.嵌入式技術，20112，38（9）:11-13.

［15］楊方.基于TMS320C6678的多核DSP并行處理應用技術研究［D］.北京:北京理工大學，2015.

［16］石敏.基于TMS320C6678的恒虛警和目標凝聚算法的實現(xiàn)［D］.南京:南京理工大學，2015.

Design and implementation of synthetic speech detection system based on TMS320C6678

KUANG Peng，HUANG Hai，MAO Shao-shuai，WANG Kang-li
（National Digital Switching System Engineering&Technological R&D Center，Zhengzhou 450000，China）

Aiming at the real-time requirement of synthetic speech detection in large-scale telecommunication network application，based on the analysis of synthetic speech detection and parallel task in multicore DSP，this paper designs a method of synthetic speech detection algorithm parallel implementation based on TMS320C6678，themethod implements tasklevel parallel pipeline and efficient inter-core capability.Experimental results show that themethod is feasible and effective，and the real-time processing capability ofsynthetic speech detection system based on TMS320C6678 has improved somuch.

synthetic speech detection；multicore DSP；TMS320C6678；real-time processing

TP302

A

1674-6236（2016）19-0098-04

2016-03-12稿件編號：201603147

國家自然科學基金資助項目（61521003）

況 鵬（1990—），男，江西高安人，碩士。研究方向：電信網(wǎng)安全、智能信息處理。