基于云計(jì)算平臺(tái)下語音信號(hào)處理技術(shù)的應(yīng)用研究

吳劍英+杜勇+趙忠華

【摘要】 本文主要探究云計(jì)算平臺(tái)下的語音信號(hào)處理技術(shù)應(yīng)用，在傳統(tǒng)的處理方式中，主要是通過單臺(tái)計(jì)算機(jī)來完成，而云計(jì)算模式下，通過MapReduce模型及SVM信號(hào)處理，可以將數(shù)據(jù)信息通過多臺(tái)計(jì)算機(jī)來完成，提升了準(zhǔn)確率和效率。

【關(guān)鍵詞】 云計(jì)算平臺(tái) SVM MapReduce模型

前言：

隨著科技的不斷發(fā)展，研究人員致力于通過機(jī)器來讀取人們的情感，加強(qiáng)人機(jī)交互能力[1]。而在人機(jī)交互中，語音信號(hào)處理技術(shù)是重要的手段。因此，探究云計(jì)算平臺(tái)下語音信號(hào)處理技術(shù)的應(yīng)用具有重要的價(jià)值。

一、漢語語音識(shí)別特征

在現(xiàn)代語音識(shí)別系統(tǒng)中，神經(jīng)網(wǎng)絡(luò)、K近鄰法以及貝葉斯分類器均對(duì)情感的識(shí)別具有一定的效果[2]。而云計(jì)算模式下，對(duì)語音信號(hào)進(jìn)行處理，是通過對(duì)短時(shí)能量相關(guān)特征參數(shù)、基音頻率相關(guān)特征參數(shù)以及共振峰頻率相關(guān)特征參數(shù)等參數(shù)的識(shí)別來完成，其可以對(duì)數(shù)據(jù)信號(hào)進(jìn)行泛化處理，明確各種情感的信號(hào)波動(dòng)變化，具有較高的準(zhǔn)確率和處理效率。

二、MapReduce模型分析

MapReduce模型是將數(shù)據(jù)通過多臺(tái)計(jì)算機(jī)進(jìn)行處理的過程，在節(jié)點(diǎn)的計(jì)算中，對(duì)各個(gè)計(jì)算機(jī)的記過進(jìn)行合成，其主要過程包括以下幾種：Map、Partition、Sort以及Reduce等[3]。Map的執(zhí)行過程是將處理任務(wù)分配到多臺(tái)計(jì)算機(jī)中，Reduce的過程是對(duì)計(jì)算機(jī)的處理結(jié)果進(jìn)行合成。在Map過程中，系統(tǒng)會(huì)將龐大的數(shù)據(jù)信息劃分為固定若干片段，將片段分解為鍵值對(duì)（K1，V1），之后會(huì)通過Hadoop平臺(tái)來分析相關(guān)任務(wù)，建立Map函數(shù)，通過鍵值對(duì)計(jì)算出相應(yīng)的結(jié)果（K2，V2），根據(jù)計(jì)算結(jié)果，可以將數(shù)據(jù)進(jìn)行排序。在Reduce過程中，計(jì)算系統(tǒng)會(huì)將Map計(jì)算結(jié)果進(jìn)行綜合排序，通過輸入排序，可以獲取原始數(shù)據(jù)（K1，V1）?？梢?，在云計(jì)算平臺(tái)下，對(duì)MapReduce模型進(jìn)行綜合應(yīng)用分析，可以實(shí)現(xiàn)對(duì)語音信號(hào)的綜合處理，具有重要的應(yīng)用價(jià)值。

三、SVM信號(hào)處理

在云計(jì)算的環(huán)境下，采用Hadoop平臺(tái)，可以實(shí)現(xiàn)并行計(jì)算，具有較高的效率及準(zhǔn)確率。通過Reduce以及Map操作系統(tǒng)進(jìn)行數(shù)據(jù)處理，可以將分析任務(wù)分配到多臺(tái)計(jì)算機(jī)中進(jìn)行，提升了系統(tǒng)的計(jì)算效率。在數(shù)據(jù)分析過程中，通過Map操作，可以對(duì)計(jì)算節(jié)點(diǎn)的數(shù)據(jù)進(jìn)行向量計(jì)算，通過匯總，得出向量AIISVs，再通過模型的建立，可以求出測(cè)試結(jié)果 Rs，經(jīng)過Reduce處理獲取最終判定結(jié)果。在SVM信號(hào)處理中，其主要包括模型如下：第一，預(yù)處理過程，根據(jù)HDFS的需求，對(duì)數(shù)據(jù)進(jìn)行分塊，分解數(shù)據(jù)塊，以此來分配到計(jì)算機(jī)中。第二，在建立模型時(shí)，需要初始化相關(guān)數(shù)據(jù)，通過RBF核函數(shù)進(jìn)行綜合分析。第三，通過模型進(jìn)行語音識(shí)別訓(xùn)練，對(duì)測(cè)試數(shù)據(jù)進(jìn)行優(yōu)化。通過SVM信號(hào)處理系統(tǒng)，可以實(shí)現(xiàn)對(duì)語音信號(hào)的并行計(jì)算，提升了計(jì)算的準(zhǔn)確率。

四、實(shí)驗(yàn)論證

在云計(jì)算平臺(tái)下的語音信號(hào)處理中，通過實(shí)驗(yàn)可以進(jìn)行驗(yàn)證。實(shí)驗(yàn)主機(jī)為Name Node 型號(hào)，CPU是i5 4950處理器。內(nèi)存是8GB，硬盤位500GB，Hadoop的版本型號(hào)為1.02。在實(shí)驗(yàn)中，采用千兆交換機(jī)進(jìn)行連接，對(duì)漢語語言情感數(shù)據(jù)庫數(shù)據(jù)進(jìn)行綜合分析，在本次研究中，在數(shù)據(jù)庫中抽取憤怒、恐懼、愉悅以及平靜四個(gè)情緒數(shù)據(jù)，采用語音進(jìn)行識(shí)別，共選取600條數(shù)據(jù)，基于云就是那平臺(tái)下的語音信號(hào)處理結(jié)果如表1所示。

從表1的數(shù)據(jù)中可以看出，語音識(shí)別的準(zhǔn)確率在70%左右，基本可以滿足使用需求，另外，本次研究采用Hadoop集群平臺(tái)，在處理的過程中，加速比達(dá)到3.8.說明在云計(jì)算模式下，對(duì)語音信號(hào)進(jìn)行處理，具有更高的效率。

五、結(jié)語

情感識(shí)別已經(jīng)成為現(xiàn)代人機(jī)交互的重要識(shí)別過程，本文主要對(duì)云計(jì)算平臺(tái)下的語音信號(hào)識(shí)別進(jìn)行分析，通過提取相關(guān)參數(shù)，對(duì)模型進(jìn)行泛化測(cè)試。另外，通過MapReduce模型及SVM信號(hào)處理，可以提升語音信號(hào)處理效率。經(jīng)過試驗(yàn)論證，云計(jì)算模式下的語音信號(hào)識(shí)別準(zhǔn)確率達(dá)到70%以上，具有較強(qiáng)的優(yōu)勢(shì)。

參 考 文 獻(xiàn)

[1]王鼎，錢科軍，高一丹，等.云計(jì)算平臺(tái)技術(shù)及其在電網(wǎng)調(diào)度中的應(yīng)用[J].電網(wǎng)與清潔能源，2015，04：72-78.

[2]孟祥萍，周來，王暉，等.云計(jì)算技術(shù)在未來智能電網(wǎng)信息處理平臺(tái)中的應(yīng)用[J].計(jì)算機(jī)測(cè)量與控制，2015，10：3508-3511.

[3]丁巖，楊慶平，錢煜明.基于云計(jì)算的數(shù)據(jù)挖掘平臺(tái)架構(gòu)及其關(guān)鍵技術(shù)研究[J].中興通訊技術(shù)，2013，01：53-56.