隨著社會的發展以及人們對聽障患者的日益關注，助聽器的發展逐漸受到人們的重視。但由于聽力障礙患者病因各異，其聽力損失情況存在著較大差異，使得每位患者對于助聽器的補償有著不同的要求。目前，現代助聽器技術進入到全數字助聽器時代。同時，各種有效提高數字助聽器效能的數字信號處理算法也得到更多的重視。在此提出基于TMS320VC5416的數字助聽器設計，能滿足聽障患者對聽力的需求。
1 系統構成和工作原理
1．1 系統組成
基于助聽器的技術要求，選用TI公司的C54X系列產品TMS320C5416(以下簡稱C5416)和數字編碼器TLV320AIC23(以下簡稱AIC23)。
數字編碼器AIC23是TI公司推出的一款高性能的立體聲音頻Codec芯片，A／D轉換和D／A轉換部件集成在芯片內部，采用先進的∑-△過采樣技術，內置耳機輸出放大器。AIC23DSP Codec工作電壓與C5416的核心和I／O電壓兼容，可實現與C54x串行口的無縫連接，功耗很低，使得AIC23是一款非常理想的音頻模擬器件，可以很好地應用于數字助聽器的設計當中。
系統結構如圖1所示，主要包括DSP模塊、音頻處理模塊、JTAG接口、存儲模塊及電源模塊等。模擬語音信號通過MIC或IANE IN輸入AIC-23，經過模／數轉換后通過MCBSP串口輸入C5416，經過實際所需的算法進行處理和補償后，得到聽障患者所需要的語音信號，再通過AIC23數／模轉換，通過揚聲器或耳機輸出聲音信號。
1．2 C5416與AIC23的接口設計
圖2是C5416與AIC23的接口原理圖。由于AIC23采樣輸出的是串行數據，因此需要協調好與之相配的DSP的串行傳輸協議，MCBSP是最適合做語音信號傳輸的。將AIC23的第22腳MODE接高電平，接收來自DSP的SPI格式串口數據。數字控制接口(SCLK，SDIN，CS)與MCBSPl連接，控制字共16位，由高位開始傳輸。數字音頻口LRCOUT，LRCIN，DOUT，DIN，BCLK與MCBSP0相連。在工作方式上，DSP為主模式，AIC23為從模式，即BCLK的時鐘信號由DSP產生。
串口時鐘由BCLKX0，BCLKR0并聯到AIC23的BCLK時鐘，這樣在發送和接收數據時都可產生串口時鐘信號。輸入／輸出同步信號LRCIN與LRCOUT，用來啟動串口數據傳輸，接收DSP的幀同步信號。
BFSX0和BFSR0，BDR0和BDX0分別與AIC23的DIN和DOUT連接來實現DSP與AIC23之間的數字通信。
2 系統實現
2．1 語音的基本特性
聲音是一種波，能被人耳聽到聲音的振動頻率為20 Hz～20 kHz。語音是聲音的一種，他是由人的發音器官發出的，具有一定語法和意義的聲音。語音的振動頻率最高可達15 kHz。
語音按其激勵形式的不同分為：濁音、清音、爆破音。而人的聲音特性基本是由基因周期和共振峰等因素決定的。當發濁音時，氣流通過聲門使聲帶發生振動，產生準周期激勵脈沖串。這個脈沖串的周期就稱為“基因周期”，其倒數即為“基因頻率”。
人類的聲道和鼻道都可以看做是非均勻界面的聲道管，聲道管的諧振頻率稱為共振峰。改變聲道的形狀就產生不同的聲音。共振峰用依次增加的多個頻率表示．如F1，F2，F3，等，稱之為第一共振峰，第二共振峰等。為了提高語音接收質量，必須采用盡可能多的共振峰。實際中，頭三個共振峰是最重要的，具體情況因人而有差異。
2．2 語音增強
在實際的應用環境中，語音會不同程度的受到環境噪聲的干擾。語音增強就是對帶噪語音進行處理，降低噪聲的影響，改善聽覺環境。
實際語音遇到的干擾可能包括以下幾類：
(1)周期性噪聲：如電器干擾，發動機旋轉引起的干擾等，這類干擾在頻域表現為一些離散的窄峰。特別是50 Hz或60 Hz交流聲會引起周期噪聲。
(2)沖擊噪聲：如電火花，放電產生的噪聲干擾，這類干擾在時域表現為突然出現的窄脈沖。消除這種噪聲可以在時域中進行，即根據帶噪語音信號幅度的平均值確定閾值。
(3)寬帶噪聲：通常指高斯噪聲或白噪聲，其特點是頻帶寬，幾乎覆蓋整個語音頻段。它的來源很多，包括風、呼吸噪聲和一般的隨機噪聲源。
2．3 算法分析
噪聲影響使得患者語言識別率大幅下降，去噪和補償是助聽器的重要環節。人耳對于25～22 000 Hz的聲音有反應。語音的大部分可用信息只存在于200～3 500 Hz之間。根據人耳感知特性及實驗確定，對語音感知，語音識別較為重要的第二共振峰大部分位于1 kHz之上。
2．3．1 周期噪音消除
周期噪聲一般是許多離散的譜峰，來源于發動機的周期性運轉。電器干擾，特別是50～60 Hz交流聲也會引起周期噪聲。所以使用帶通濾波器可以有效地消除周期噪音以及3 500 Hz以上的高頻聲音。
IIR數字濾波器在沒計上可以借助成熟的模擬濾波器的成果，如巴特沃斯、契比雪夫和橢圓濾波器等，IIR數字濾波器線性差分方程：
Matlab環境下可視化得到濾波器對動態輸入數據的實時濾波效果如圖3所示。
2．3．2 基于短時譜估計的寬帶噪音去除
由于語音信號的短時譜具有較強相關性，而噪聲的前后相關性很弱，因此采用基于短時譜估計的方法從帶噪語音中估計原始語音。而且人耳對于語音相位感受不敏感，可將估計得對象放在短時譜的幅度上。