1、云计算平台下的语音信号处理探析 赵宇环 太原理工大学 太原市公安消防支队 摘 要： 传统的语音信号处理识别模型只是在单台计算机的操作中完成对数据的运算或者是处理, 而在云计算平台下, 不仅能实现对语音信号的处理研究, 还能发挥其自身的计算优势。针对云计算平台下的语音信号处理进行了详细分析和研究。关键词： 云计算; 平台; 语音信号处理; 作者简介：赵宇环, 女, 1988 年生, 太原理工大学 2015 级在职工程硕士研究生;太原市公安消防支队助理工程师。收稿日期：2017-09-13Exploration and Analysis on Speech Signal Processing Ba
2、sed on Cloud Computing PlatformZHAO Yuhuan Abstract： The traditional speech signal processing and recognition model completes the operation or processing of data only in the operation of a single computer, while in the cloud computing platform, not only can realize the study on the processing of spe
3、ech signal, but also play its own computing advantages.This paper carries on the detailed analysis and research to the speech signal processing under the cloud computing platform.Keyword： cloud computing; platform; speech signal processing; Received： 2017-09-13近年来, 在信息技术快速发展的背景下, 人工智能也得到了发展, 人们已开始对机
4、器进行训练, 很多机器已经能够逐渐听懂人的语言, 并且根据语言指令进行一系列动作操作。在这个基础上, 科研人员希望机器能够更加智能化、人性化, 通过对人语言的判断, 对人们的情感变化有所认识和了解, 以实现人机交互的亲密沟通和交流, 保证相互之间以一种自然和谐的状态共存。本文将针对云计算平台下的语音信号处理进行详细的分析和研究。1 语音识别特征分析在汉语语境当中, 我国相关学者在针对机器人语言情感识别方面的研究起步比较晚, 但进步很快, 受到广泛关注和重视。比如神经网络、K 近邻法或者是支持向量机等, 这些模式的识别分类算法在语言情感识别中不仅得到了广泛的应用, 而且通过实践可以看出, 这些方
5、法的应用效果整体上比较良好。在云计算平台模式的作用下, 利用云计算平台实现对语音信号的有效处理, 主要是通过短时能量相关特征参数、基音频率相关特征参数以及共振峰频率相关参数特征来实现。在实施过程中, 只要对这些参数相关特征进行识别就能够完成对语音信号的有效处理1。通过实践可以看出, 云计算平台可以实现对数据信号的泛化处理, 这样不仅能够促使各种情感的信号波动变化以一种简洁明了的方式呈现, 而且还能够有利于提高语音识别的准确性。2 Map Reduce 模型分析Map Reduce 模型在构建以及具体利用过程中, 主要是将数据通过多台计算机进行处理, 在整个过程中, 能够实现对数据的有效合理利用
6、。在针对节点进行计算时, 对各个计算机的记录进行合成处理, 主要操作过程包括以下几种类型:Map、Partition、Sort 以及 Reduce 等。其中 Map 的执行过程主要是将处理任务分配到多台计算机当中, Reduce 的过程主要是针对计算机的处理结果采取有针对性措施对其进行合成处理。在实际操作过程中, 特别是 Map 过程中, 系统会将一些庞大的数据信息划分为固定若干片段。可以直接将片段分解成为与实际情况相符合的键值对 (K1, V1) , 之后会利用 Hadoop 平台来分析相关任务2。在任务分析完成之后, 根据实际情况建立相对应的 Map 签署, 这样不仅能够有利于对语音信号进
7、行有效处理, 而且还能够通过键值对计算出相对应结果, 也就是 (K2, V2) 。在计算完成之后, 根据计算结果, 可以直接将数据进行有效排序处理。在 Reduce 过程中, 计算系统会将 Map 计算结果进行综合性排序处理。与此同时, 在具体操作过程中, 可以利用排序输入的方式, 从中获取到原始数据 (K1, V1) 。由此看出, 在云计算平台的影响和作用下, 对 Map Reduce 模型进行构建以及具体应用时, 要采取综合性方式对其进行分析3。这样不仅能够实现对语音信号的综合性处理, 而且还能够将其本身的应用价值最大化发挥。3 SVM 信号处理分析在云计算的环境背景下, 利用 Hadoo
8、p 平台, 不仅能够实现并行计算, 而且能够保证计算过程中的效率和准确率。在实际操作过程中, 通过对 Reduce 以及 Map操作系统的应用, 能够实现数据真实有效的处理。在这种情况下, 可以直接将任务分配到多台计算机当中进行具体操作, 这样能够从根本上提升系统的计算效率。在数据分析过程中, 通过对 Map 的操作, 可以对计算节点的数据进行向量计算。与此同时, 利用汇总的方式, 得出向量 AIISVs, 之后在这个基础上, 通过模型的构建, 可以得出测试结果 Rs, 这样能够获取到最终的判定结果。在SVM 信号处理过程中, 主要包括以下 3 个比较重要的部分4。首先, 在预处理的时候, 要
9、根据 HDFS 的需求, 对数据进行分块处理。只有保证对数据块进行科学合理的分解, 才能够将其有效地分配到计算机的实际应用中。其次, 在针对模型进行构建时, 需要对初始化相关数据进行分析, 与此同时, 要利用 RBF 合函数对其进行综合性分析, 这样才能保证数据分析的准确性和有效性。最后, 要利用模型进行一系列针对语音识别的训练, 对测试数据进行优化处理。除此之外, 还要利用 SVM 信号处理系统对具体数据进行妥善处理和计算分析5。这样不仅能实现对语音信号的并行计算, 而且能从根本上保证计算准确性的有效提升。4 具体实验论证研究在云计算平台下的语音信号处理中, 通过实验可以对其进行具体验证分析
10、。实验主机为 Name Node 型号, CPU 是 i54950 处理器, 内存是 8 GB, 硬盘为 500GB, 版本型号为 1.02。在实验过程中, 主要是利用千兆交换器对其进行连接处理, 与此同时, 对汉语语言情感相关数据库中的数据进行综合分析。在本次实验研究过程中, 在数据库中抽取出愤怒、恐惧、愉悦以及平静 4 个情绪数据, 利用语音识别方式对其进行操作。在实验过程中, 总共选取其中 600 条数据, 在云计算平台基础上, 对语音信号的处理结果如表 1 所示。从表 1 中所展示出的数据内容可以看出, 语音识别的整体准确率能够控制在 70%左右, 基本上可以满足具体的使用需求。与此同
11、时, 在本次研究过程中, 利用Hadoop 集群平台进行分析, 通过分析可以看出, 加速比能够达到 3.8 左右。也就是说, 在云计算平台模式的具体应用过程中, 在针对语音信号进行处理时, 由于其自身的影响和作用, 能够促使最终效率达到最优化状态。在保证语音信号处理准确性的基础上, 能够提高效率、保证质量6。表 1 云计算平台下的语音信号处理结果表 (人) 下载原表 5 结语情感识别已经成为现代人机交互过程中非常重要的识别过程, 也是其中必不可少的一项重要环节。本文主要是针对在云计算平台下语音信号识别具体操作情况, 通过对相关参数进行提取, 不仅能保证模型的构建效果, 而且能实现模型的泛化测试
12、, 从根本上保证语音信号处理效率的有效提升。参考文献1王鼎, 钱科军, 高一丹, 等.云计算平台技术及其在电网调度中的应用J.电网与清洁能源, 2015 (4) :72-78. 2孟祥萍, 周来, 王晖, 等.云计算技术在未来智能电网信息处理平台中的应用J.计算机测量与控制, 2015 (10) :3508-3511. 3丁岩, 杨庆平, 钱煜明.基于云计算的数据挖掘平台架构及其关键技术研究J.中兴通讯技术, 203 (1) :53-56. 4韩文静, 李海峰, 阮华斌, 等.语音情感识别研究进展综述J.软件学报, 2014 (1) :37-41. 5张海燕, 唐建芳.基于 RBF 神经网络的语音情感识别J.四川立功学院学报 (自然科学版) , 2011 (5) :552-555. 6刘豫军, 夏聪.连续语音识别技术及其应用前景分析J.网络安全技术与应用, 2014 (8) :15-16.
