吴剑英+杜勇+赵忠华

【摘要】 本文主要探究云计算平台下的语音信号处理技术应用，在传统的处理方式中，主要是通过单台计算机来完成，而云计算模式下，通过MapReduce模型及SVM信号处理，可以将数据信息通过多台计算机来完成，提升了准确率和效率。

【关键词】 云计算平台 SVM MapReduce模型

前言：

随着科技的不断发展，研究人员致力于通过机器来读取人们的情感，加强人机交互能力[1]。而在人机交互中，语音信号处理技术是重要的手段。因此，探究云计算平台下语音信号处理技术的应用具有重要的价值。

一、汉语语音识别特征

在现代语音识别系统中，神经网络、K近邻法以及贝叶斯分类器均对情感的识别具有一定的效果[2]。而云计算模式下，对语音信号进行处理，是通过对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特征参数等参数的识别来完成，其可以对数据信号进行泛化处理，明确各种情感的信号波动变化，具有较高的准确率和处理效率。

二、MapReduce模型分析

MapReduce模型是将数据通过多台计算机进行处理的过程，在节点的计算中，对各个计算机的记过进行合成，其主要过程包括以下几种：Map、Partition、Sort以及Reduce等[3]。Map的執行过程是将处理任务分配到多台计算机中，Reduce的过程是对计算机的处理结果进行合成。在Map过程中，系统会将庞大的数据信息划分为固定若干片段，将片段分解为键值对（K1，V1），之后会通过Hadoop平台来分析相关任务，建立Map函数，通过键值对计算出相应的结果（K2，V2），根据计算结果，可以将数据进行排序。在Reduce过程中，计算系统会将Map计算结果进行综合排序，通过输入排序，可以获取原始数据（K1，V1）。可见，在云计算平台下，对MapReduce模型进行综合应用分析，可以实现对语音信号的综合处理，具有重要的应用价值。

三、SVM信号处理

在云计算的环境下，采用Hadoop平台，可以实现并行计算，具有较高的效率及准确率。通过Reduce以及Map操作系统进行数据处理，可以将分析任务分配到多台计算机中进行，提升了系统的计算效率。在数据分析过程中，通过Map操作，可以对计算节点的数据进行向量计算，通过汇总，得出向量AIISVs，再通过模型的建立，可以求出测试结果 Rs，经过Reduce处理获取最终判定结果。在SVM信号处理中，其主要包括模型如下：第一，预处理过程，根据HDFS的需求，对数据进行分块，分解数据块，以此来分配到计算机中。第二，在建立模型时，需要初始化相关数据，通过RBF核函数进行综合分析。第三，通过模型进行语音识别训练，对测试数据进行优化。通过SVM信号处理系统，可以实现对语音信号的并行计算，提升了计算的准确率。

四、实验论证

在云计算平台下的语音信号处理中，通过实验可以进行验证。实验主机为Name Node 型号，CPU是i5 4950处理器。内存是8GB，硬盘位500GB，Hadoop的版本型号为1.02。在实验中，采用千兆交换机进行连接，对汉语语言情感数据库数据进行综合分析，在本次研究中，在数据库中抽取愤怒、恐惧、愉悦以及平静四个情绪数据，采用语音进行识别，共选取600条数据，基于云就是那平台下的语音信号处理结果如表1所示。

从表1的数据中可以看出，语音识别的准确率在70%左右，基本可以满足使用需求，另外，本次研究采用Hadoop集群平台，在处理的过程中，加速比达到3.8.说明在云计算模式下，对语音信号进行处理，具有更高的效率。

五、结语

情感识别已经成为现代人机交互的重要识别过程，本文主要对云计算平台下的语音信号识别进行分析，通过提取相关参数，对模型进行泛化测试。另外，通过MapReduce模型及SVM信号处理，可以提升语音信号处理效率。经过试验论证，云计算模式下的语音信号识别准确率达到70%以上，具有较强的优势。

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，2015，04：72-78.

[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，2013，01：53-56.