[發明專利]一種基于邊緣計算加速自動語音識別任務的卸載方法

有效

• 申請號: 201911408237.2
• 申請日: 2019-12-31
• 公開（公告）號: CN111199740B
• 公開（公告）日: 2022-09-09
• 發明（設計）人: 李秀華;徐崢輝;袁傳奇;程詩桐;毛玉星;李劍;范琪琳;王悅陽;唐永川
• 申請（專利權）人: 重慶大學
• 主分類號: G10L15/30
• 分類號: G10L15/30;G10L15/34;G10L19/16;G10L25/18;G10L25/24;G10L25/30
• 代理公司: 重慶縉云專利代理事務所(特殊普通合伙) 50237
• 代理人: 王翔

1.一種基于邊緣計算加速自動語音識別任務的卸載方法，其特征在于，主要包括以下步驟：

1)建立邊緣通信系統，包括云服務器、若干基站和若干用戶端；每個基站均設有邊緣服務器；

2)用戶端向基站發送攜帶音頻文件的自動語音識別任務；

3)基站接收到自動語音識別任務后，采集音頻數據，再將自動語音識別任務發送至云服務器，發送方式包括以下兩種：

I)基站對自動語音識別任務進行數據壓縮，再發送至云服務器；

II)基站直接將自動語音識別任務發送至云服務器；

4)建立自動語音識別任務卸載模型；

建立自動語音識別任務卸載模型的主要步驟如下：

4.1)計算第s個用戶端的自動語音識別任務傳輸到第t個基站的傳輸時延即：

式中，X_ts表示第s個任務和第t個邊緣服務器之間的傳輸速率；v_ts表示第t個邊緣服務器分配給第s個任務的計算資源；w_ts∈{0,1}表示第s個任務是否被卸載和處理；w_ts＝1表示第t個邊緣服務器使用編碼器對第s個任務進行數據壓縮，w_ts＝0表示第t個邊緣服務器不進行數據壓縮；i₀為常數；g_ts表示基站和自動語音識別任務的關聯性；g_ts＝1表示第s個任務與第t個基站之間有關聯；g_ts＝0表示第s個任務與第t個基站之間沒有關聯；k_s表示第s個任務需要的計算周期；o_s表示第s個任務的數據大小；T為基站總數，S為任務總數；

第s個任務和第t個邊緣服務器之間的傳輸速率X_ts如下所示：

式中，B_s、P_s、r_ts和分別表示第s個用戶端到第t個基站的傳輸帶寬、傳輸功率、信道增益和噪聲功率；

4.2)計算第s個基站的第t個語音識別任務傳輸到云端的時延即：

式中，C_s為壓縮率；X_t表示第t個基站發送數據壓縮后的第s個任務到云服務器處理第s個任務為止的平均鏈路傳輸速率；X₀表示云服務器處理任務的平均計算速度；

4.3)計算第s個用戶端將第s個任務通過第t個基站傳送到云服務器，并由云服務器處理第s個任務的時延即：

4.4)建立自動語音識別任務卸載模型的目標函數D_tot，即：

5)利用交替迭代的方法對自動語音識別任務卸載模型進行解算，得到最后任務卸載策略。

2.根據權利要求1所述的一種基于邊緣計算加速自動語音識別任務的卸載方法，其特征在于，基站對自動語音識別任務進行數據壓縮的主要步驟如下：

1)基站在接收到自動語音識別任務后，將所述自動語音識別任務輸入到存儲在邊緣服務器內的梅爾濾波器中，對自動語音識別任務進行濾波，將自動語音識別任務的音頻數據轉換為梅爾頻率倒譜系數；梅爾濾波器對自動語音識別任務進行壓縮的壓縮率為

2)將處理后的自動語音識別任務輸入到存儲在邊緣服務器內的深度神經網絡中；所述深度神經網絡包括P層卷積層和Q層池化層；

深度神經網絡對濾波后的自動語音識別任務進行壓縮的壓縮率C_s如下所示：

式中，和為初始自動語音識別任務的長和寬；和為壓縮完成后自動語音識別任務的長與寬；H₀為自動語音識別任務的深度。

3.根據權利要求1所述的一種基于邊緣計算加速自動語音識別任務的卸載方法，其特征在于，利用交替迭代的方法對自動語音識別任務卸載模型進行解算的方法為：利用交替迭代方法對自動語音識別任務卸載模型的目標函數D_tot進行迭代解算，計算出時延最大的任務對應的表征第s個任務是否被卸載和處理的參數w_ts和計算資源v_ts的值，從而得到最短傳輸延遲的卸載策略。