基于云計算平臺下語音信號處理技術的應用研究

吳劍英+杜勇+趙忠華

【摘要】 本文主要探究云計算平臺下的語音信號處理技術應用，在傳統的處理方式中，主要是通過單臺計算機來完成，而云計算模式下，通過MapReduce模型及SVM信號處理，可以將數據信息通過多臺計算機來完成，提升了準確率和效率。

【關鍵詞】 云計算平臺 SVM MapReduce模型

前言：

隨著科技的不斷發展，研究人員致力于通過機器來讀取人們的情感，加強人機交互能力[1]。而在人機交互中，語音信號處理技術是重要的手段。因此，探究云計算平臺下語音信號處理技術的應用具有重要的價值。

一、漢語語音識別特征

在現代語音識別系統中，神經網絡、K近鄰法以及貝葉斯分類器均對情感的識別具有一定的效果[2]。而云計算模式下，對語音信號進行處理，是通過對短時能量相關特征參數、基音頻率相關特征參數以及共振峰頻率相關特征參數等參數的識別來完成，其可以對數據信號進行泛化處理，明確各種情感的信號波動變化，具有較高的準確率和處理效率。

二、MapReduce模型分析

MapReduce模型是將數據通過多臺計算機進行處理的過程，在節點的計算中，對各個計算機的記過進行合成，其主要過程包括以下幾種：Map、Partition、Sort以及Reduce等[3]。Map的執行過程是將處理任務分配到多臺計算機中，Reduce的過程是對計算機的處理結果進行合成。在Map過程中，系統會將龐大的數據信息劃分為固定若干片段，將片段分解為鍵值對（K1，V1），之后會通過Hadoop平臺來分析相關任務，建立Map函數，通過鍵值對計算出相應的結果（K2，V2），根據計算結果，可以將數據進行排序。在Reduce過程中，計算系統會將Map計算結果進行綜合排序，通過輸入排序，可以獲取原始數據（K1，V1）?？梢?，在云計算平臺下，對MapReduce模型進行綜合應用分析，可以實現對語音信號的綜合處理，具有重要的應用價值。

三、SVM信號處理

在云計算的環境下，采用Hadoop平臺，可以實現并行計算，具有較高的效率及準確率。通過Reduce以及Map操作系統進行數據處理，可以將分析任務分配到多臺計算機中進行，提升了系統的計算效率。在數據分析過程中，通過Map操作，可以對計算節點的數據進行向量計算，通過匯總，得出向量AIISVs，再通過模型的建立，可以求出測試結果 Rs，經過Reduce處理獲取最終判定結果。在SVM信號處理中，其主要包括模型如下：第一，預處理過程，根據HDFS的需求，對數據進行分塊，分解數據塊，以此來分配到計算機中。第二，在建立模型時，需要初始化相關數據，通過RBF核函數進行綜合分析。第三，通過模型進行語音識別訓練，對測試數據進行優化。通過SVM信號處理系統，可以實現對語音信號的并行計算，提升了計算的準確率。

四、實驗論證

在云計算平臺下的語音信號處理中，通過實驗可以進行驗證。實驗主機為Name Node 型號，CPU是i5 4950處理器。內存是8GB，硬盤位500GB，Hadoop的版本型號為1.02。在實驗中，采用千兆交換機進行連接，對漢語語言情感數據庫數據進行綜合分析，在本次研究中，在數據庫中抽取憤怒、恐懼、愉悅以及平靜四個情緒數據，采用語音進行識別，共選取600條數據，基于云就是那平臺下的語音信號處理結果如表1所示。

從表1的數據中可以看出，語音識別的準確率在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，在處理的過程中，加速比達到3.8.說明在云計算模式下，對語音信號進行處理，具有更高的效率。

五、結語

情感識別已經成為現代人機交互的重要識別過程，本文主要對云計算平臺下的語音信號識別進行分析，通過提取相關參數，對模型進行泛化測試。另外，通過MapReduce模型及SVM信號處理，可以提升語音信號處理效率。經過試驗論證，云計算模式下的語音信號識別準確率達到70%以上，具有較強的優勢。

參 考 文 獻

[1]王鼎，錢科軍，高一丹，等.云計算平臺技術及其在電網調度中的應用[J].電網與清潔能源，2015，04：72-78.

[2]孟祥萍，周來，王暉，等.云計算技術在未來智能電網信息處理平臺中的應用[J].計算機測量與控制，2015，10：3508-3511.

[3]丁巖，楊慶平，錢煜明.基于云計算的數據挖掘平臺架構及其關鍵技術研究[J].中興通訊技術，2013，01：53-56.