[发明专利]一种基于边缘计算加速自动语音识别任务的卸载方法

说明书

本发明公开了一种基于边缘计算加速自动语音识别任务的卸载方法，主要步骤为：1)建立边缘通信系统，包括云服务器、若干基站和若干用户端。每个基站均设有边缘服务器。2)用户端向基站发送自动语音识别任务。3)基站接收到自动语音识别任务后，将自动语音识别任务发送至云服务器。4)建立自动语音识别任务卸载模型。5)利用交替迭代的方法对自动语音识别任务卸载模型进行解算，得到最后任务卸载策略。本发明缓解了云服务器的压力，提高了用户使用智能应用时的体验，满足高精度、低时延的任务需求。

技术领域

本发明涉及边缘计算和深度学习，具体是一种基于边缘计算加速自动语音识别任务的卸载方法。

背景技术

随着当前移动网络中智能应用的快速增长，用户在使用移动设备时更喜欢音频输入，而不是文本输入。因此，生成了大量音频转化文字的自动语音识别任务，这些任务的主要目的是满足移动用户的音频服务要求，但是移动设备受电池电量和计算能力的限制，在处理海量任务时通常不能保证用户的服务质量。为了应对上述挑战，有必要在为下一代移动网络(即5G)开发的新网络架构上引入先进的自动语音识别技术和网络技术。

目前，有关自动语音识别最成功的应用是智能个人助理，如AppleSiri、GoogleNow和MicrosoftCortana。然而，它们所用神经网络模型的计算量也呈爆炸式增长，导致个人的移动设备很难进行处理。因此，这是由于云平台具有充足的资源，此类自动语音识别任务的计算通常是在云平台上进行的。但由于云服务器部署在远离移动用户的地方，基于云平台的自动语音识别任务处理延迟一般较大。

边缘计算是近年来出现的一种能够减轻云服务器工作量的技术，通过将部分任务卸载到更接近用户的边缘服务器上，使网络传输时延大大降低从而达到用户体验显著提高的效果。因此，边缘计算技术在处理任务方面具有更广阔的应用前景，但是现有的边缘计算技术仍然存在着一些漏洞：第一，一旦边缘计算系统中出现大量移动终端时，由于计算能力的限制，边缘服务器将无法很好地进行处理导致计算时延增长，用户体验下降；第二，边缘计算的研究者仅考虑了一般任务而没有考虑自动语音识别任务，并且这方面的卸载问题也没有得到很好的解决。

发明内容

本发明的目的是解决现有自动语音识别技术应用中存在的问题。

为实现本发明目的而采用的技术方案为一种基于边缘计算加速自动语音识别任务的卸载方法，主要包括以下步骤：

1)建立边缘通信系统，包括云服务器、若干基站和若干用户端。每个基站均设有边缘服务器。

2)用户端向基站发送携带音频文件的自动语音识别任务。

3)基站接收到自动语音识别任务后，采集音频数据，再将自动语音识别任务发送至云服务器，发送方式包括以下两种：

I)基站对自动语音识别任务进行数据压缩，再发送至云服务器，主要步骤如下：

a)基站在接收到自动语音识别任务后，将所述自动语音识别任务输入到存储在边缘服务器内的梅尔滤波器中，对自动语音识别任务进行滤波，将自动语音识别任务的音频数据转换为梅尔频率倒谱系数。梅尔滤波器对自动语音识别任务进行压缩的压缩率为

b)将处理后的自动语音识别任务输入到存储在边缘服务器内的深度神经网络中。所述深度神经网络包括P层卷积层和Q层池化层。

深度神经网络对滤波后的自动语音识别任务进行压缩的压缩率C_s如下所示：

式中，和为初始自动语音识别任务的长和宽。和为压缩完成后自动语音识别任务的长与宽。H₀为自动语音识别任务的深度。

II)基站直接将自动语音识别任务发送至云服务器。

4)建立自动语音识别任务卸载模型。