基于tms320c6678的語種識別并行算法設計與實現(xiàn)

1、基于基于TMS320C6678的語種識別并行算法設計與實現(xiàn)的語種識別并行算法設計與實現(xiàn)吉立新，劉偉偉，李邵梅時間:2012年12月03日來源：電子技術應用2012年第10期摘要：要：針對語種識別在實際應用中的實時性需求，在分析語種識別算法原理和多核DSP任務并行的基礎上，設計了一種基于TMS320C6678的語種識別算法并行實現(xiàn)方法。該方法實現(xiàn)了任務級并行流水和核間高效通信。實驗結(jié)果表明，該方法可靠、有效，并且使該系統(tǒng)至少能夠完成132

2、路的實時識別任務。關鍵詞：關鍵詞：語種識別；多核DSP；TMS320C6678；并行處理語種識別是計算機通過分析處理一個語音片段，判別其所屬語言種類的過程[1]。語種識別的任務在于快速準確地識別出語言的種類，自上世紀90年代以來，已經(jīng)成為通信和信息領域一個新的學科增長點，在多語種信息服務、機器翻譯及軍事安全等領域都有著廣泛的應用前景[2]。語種識別走向?qū)嵱没?，不僅要有令人滿意的識別性能，其實時處理的效率也是必須要考慮的因素。因此，設計能

3、夠?qū)崿F(xiàn)多路實時處理的語種識別系統(tǒng)是語種識別邁出實用化的關鍵一步。本文針對語種識別系統(tǒng)算法的特點，設計了一種基于TI多核處理器TMS320C6678的語種識別并行實現(xiàn)方法，實現(xiàn)了任務級的并行流水處理和核間的高效通信。1平臺介紹平臺介紹TMS320C6678是基于TI公司最新DSP系列器件TMS320C66x、采用8個1.25GHzDSP內(nèi)核構(gòu)建而成的業(yè)界首款10GHzDSP，可在10W功耗下實現(xiàn)160GFLOP(GigaFloatingP

4、ointOperationsperSecond)浮點計算性能[3]。不僅能整合多個DSP以縮小板級空間并降低成本，同時還能減少整體的功耗要求，充分滿足現(xiàn)代數(shù)字信號處理日益增長的需求。本文語種識別系統(tǒng)的開發(fā)在TI公司的最新DSP集成開發(fā)環(huán)境CCSv5(CodeComposerStudio)中基于浮點運算設計完成。2基于基于TMS320C6678TMS320C6678的語種識別算法優(yōu)化的語種識別算法優(yōu)化2.12.1語種識別算法分解語種識別算

5、法分解本文的語種識別系統(tǒng)是基于區(qū)分性ModelPushing算法[4]進行構(gòu)建的，并且對特征參數(shù)進行了fDWNAP[56]處理，因此系統(tǒng)的測試階段由特征提取模塊、fDWNAP模塊及對數(shù)似然得分模塊3個模塊構(gòu)成，如圖1所示。(1)特征提取模塊特征提取模塊的任務包括語音信號預處理、MFCC提取、RASTA濾波、SDC擴展、VAD檢測、CMS處理、高斯化等過程，該模塊結(jié)束即輸出56維的特征參數(shù)，其需要存儲的參數(shù)包括漢明窗和梅爾濾波器組總共不到

6、2KB。(2)fDWNAP模塊該模塊的工作是對所提取的56維特征參數(shù)進行處理，以去除與語種無關的各種干擾信息，達到凈化語種特征參數(shù)的目的。如參考文獻[6]介紹，該模塊首先將特征參數(shù)映射至SVM的高維空間，然后利用訓練得到的投影矩陣計算映射后的參數(shù)中所包含的干擾信息，再將干擾信息映射至特征空間，從而進行去除。該模塊中事先訓練得到的投影矩陣P=IwwT，wwT是對稱矩陣，因此存儲wwT需要7MB的存儲空間。另外，KL變換矩陣D是對角矩陣，需

7、要112KB的存儲空間。(3)對數(shù)似然得分模塊如參考文獻[4]所述，本模塊主要任務是利用訓練得到的各語種GMM模型對語音特征參數(shù)計算對數(shù)似然得分進行輸出的判決。本模塊需要存儲訓練階段得到的各目標語種的GMM模型及非目標語種的GMM模型，即針對每個語種需要存儲2個GMM模型。所有的GMM模型只是均值矢量不同，高斯混元權(quán)重及協(xié)方差矩陣都是共享UBM模型的。以L個語種為例，需要存儲2L個均值矢量，即需要224LKB的存儲空間，共享的高斯混元權(quán)

8、重需要2KB的存儲空間，協(xié)方差矩陣由于是對角化的只需要112KB的存儲空間。2.22.2算法實時性分析算法實時性分析由以上分析可以看到，算法優(yōu)化后的系統(tǒng)耗時由22.3s減少至1.36s，下降非常明顯，其中下降最多的是fDWNAP模塊和對數(shù)似然得分模塊。在整個系統(tǒng)中，經(jīng)過算法優(yōu)化，fDWNAP模塊耗時所占比例依舊最大，因此在多核任務并行設計時，需要將該模塊的任務進行分解。3基于基于TMS320C6678TMS320C6678的語種識別算法

9、并行設計的語種識別算法并行設計3.13.1模塊間通信分析模塊間通信分析根據(jù)語種識別的系統(tǒng)結(jié)構(gòu)，測試過程分為3個模塊，各模塊的算法都已經(jīng)進行了相應的優(yōu)化。這些模塊相互配合，通過控制信號完成數(shù)據(jù)流的交互。任務的控制流程主要是模塊的執(zhí)行次序，任務分配在不同核上的模塊之間以傳遞消息的方式實現(xiàn)同步。模塊間數(shù)據(jù)的傳遞會造成相應的時間延遲，因此，控制流程的設計準則為最大化系統(tǒng)的處理能力。模塊間的數(shù)據(jù)流程主要是數(shù)據(jù)的傳輸方向，描述模塊與外部數(shù)據(jù)間的相互

10、關系。相反，最小化模塊間的數(shù)據(jù)通信量則是數(shù)據(jù)流程的設計準則。語種識別系統(tǒng)算法各模塊間控制流程和數(shù)據(jù)流程的通信示意圖如圖2所示。該圖由數(shù)據(jù)層和控制層兩部分構(gòu)成，控制信號的傳輸由虛線箭頭表示，數(shù)據(jù)的傳輸由實線箭頭表示。3.23.2模塊任務的核映射模塊任務的核映射為了充分利用所有內(nèi)核CPU的計算資源以最大限度地提高系統(tǒng)處理速度，根據(jù)算法優(yōu)化前后的系統(tǒng)實時性測試結(jié)果及各模塊運算量分析，將fDWNAP模塊的矩陣乘法任務分配到多個核并行執(zhí)行。因本文

11、的語種識別系統(tǒng)適合于數(shù)據(jù)流模式的任務并行方式，將整個系統(tǒng)的運算任務適當?shù)胤峙浣o各個內(nèi)核，實現(xiàn)任務級的并行流水。由于fDWNAP模塊計算復雜度大，制約了整個系統(tǒng)任務級流水的處理速度。為了充分發(fā)揮TMS320C6678的性能優(yōu)勢，將該模塊任務映射到多個核進行處理。該模塊首先需要計算特征矢量對應的自適應GSV；然后通過投影矩陣計算SVM特征域的干擾空間，這一部分的大矩陣乘法占據(jù)了整個模塊的絕大部分運算量；最后還需要將干擾空間返回映射到特征域，

12、并在特征域去除干擾。整個模塊80%以上的運算量都集中在大矩陣的乘法上，故采用將大矩陣拆為小矩陣分配到多個核上并行運算，將其他任務集中在一個核上進行處理。在該模塊內(nèi)還是一個任務級的流水處理方式，矩陣相乘部分是核級相同的并行流水處理方式。4基于基于TMS320C6678TMS320C6678的語種識別算法實現(xiàn)的語種識別算法實現(xiàn)4.14.1語種識別算法在語種識別算法在TMS320C6678TMS320C6678中的實現(xiàn)中的實現(xiàn)根據(jù)設計思路，將

13、本文提出的語種識別算法在CCSv5上進行軟件仿真。其中，利用SYSBIOS[8]提供核間任務調(diào)度，利用IPC[9]實現(xiàn)核間同步和通信。啟動系統(tǒng)，完成所有核的初始化后，首先調(diào)用IPC_start函數(shù)讓各核進入同步等待狀態(tài)，然后各核上的程序才能開始執(zhí)行。從共享存儲器劃出MSM_IN和MSM_OUT2塊存儲區(qū)，MSM_IN存儲KL變換矩陣和各語種GMM模型，MSM_OUT存儲判決輸出結(jié)果。投影矩陣數(shù)據(jù)存儲在外接DDR3存儲器中的位置信息事先存

14、在Ce1中。Ce1將投影矩陣數(shù)據(jù)分成5份，通過Notify_sendEvent函數(shù)將5份數(shù)據(jù)的地址發(fā)送到Ce2、Ce3、Ce4、Ce5和Ce6。Ce2、Ce3、Ce4、Ce5和Ce6上的子矩陣乘法任務一直處于懸掛狀態(tài)，直到Ce1發(fā)送過來數(shù)據(jù)地址，矩陣乘法任務才開始并行執(zhí)行。各核分別根據(jù)數(shù)據(jù)地址從外接DDR3讀取數(shù)據(jù)與Ce1傳遞的數(shù)據(jù)計算干擾因子向量，計算完畢再利用MessageQ_put函數(shù)將干擾因子向量數(shù)據(jù)的Message寫入到Ce1