語(yǔ)種識(shí)別是計(jì)算機(jī)通過(guò)分析處理一個(gè)語(yǔ)音片段，判別其所屬語(yǔ)言種類(lèi)的過(guò)程[1]。語(yǔ)種識(shí)別的任務(wù)在于快速準(zhǔn)確地識(shí)別出語(yǔ)言的種類(lèi)，自上世紀(jì)90年代以來(lái)，已經(jīng)成為通信和信息領(lǐng)域一個(gè)新的學(xué)科增長(zhǎng)點(diǎn)，在多語(yǔ)種信息服務(wù)、機(jī)器翻譯及軍事安全等領(lǐng)域都有著廣泛的應(yīng)用前景[2]。語(yǔ)種識(shí)別走向?qū)嵱没粌H要有令人滿(mǎn)意的識(shí)別性能，其實(shí)時(shí)處理的效率也是必須要考慮的因素。因此，設(shè)計(jì)能夠?qū)崿F(xiàn)多路實(shí)時(shí)處理的語(yǔ)種識(shí)別系統(tǒng)是語(yǔ)種識(shí)別邁出實(shí)用化的關(guān)鍵一步。

    本文針對(duì)語(yǔ)種識(shí)別系統(tǒng)算法的特點(diǎn)，設(shè)計(jì)了一種基于TI多核處理器TMS320C6678的語(yǔ)種識(shí)別并行實(shí)現(xiàn)方法，實(shí)現(xiàn)了任務(wù)級(jí)的并行流水處理和核間的高效通信。
1 平臺(tái)介紹
    TMS320C6678是基于TI公司最新DSP系列器件 TMS320C66x、采用8個(gè)1.25 GHz DSP內(nèi)核構(gòu)建而成的業(yè)界首款10 GHz DSP，可在10 W功耗下實(shí)現(xiàn)160 GFLOP(Giga-Floating Point Operations per Second)浮點(diǎn)計(jì)算性能[3]。不僅能整合多個(gè) DSP 以縮小板級(jí)空間并降低成本，同時(shí)還能減少整體的功耗要求，充分滿(mǎn)足現(xiàn)代數(shù)字信號(hào)處理日益增長(zhǎng)的需求。
    本文語(yǔ)種識(shí)別系統(tǒng)的開(kāi)發(fā)在TI公司的最新DSP集成開(kāi)發(fā)環(huán)境CCSv5(Code Composer Studio)中基于浮點(diǎn)運(yùn)算設(shè)計(jì)完成。
2 基于TMS320C6678的語(yǔ)種識(shí)別算法優(yōu)化
2.1 語(yǔ)種識(shí)別算法分解
    本文的語(yǔ)種識(shí)別系統(tǒng)是基于區(qū)分性Model Pushing算法[4]進(jìn)行構(gòu)建的，并且對(duì)特征參數(shù)進(jìn)行了fDWNAP[5-6]處理，因此系統(tǒng)的測(cè)試階段由特征提取模塊、fDWNAP模塊及對(duì)數(shù)似然得分模塊3個(gè)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(wù)包括語(yǔ)音信號(hào)預(yù)處理、MFCC提取、RASTA濾波、SDC擴(kuò)展、VAD檢測(cè)、CMS處理、高斯化等過(guò)程，該模塊結(jié)束即輸出56維的特征參數(shù)，其需要存儲(chǔ)的參數(shù)包括漢明窗和梅爾濾波器組總共不到2 KB。
    (2)fDWNAP模塊
    該模塊的工作是對(duì)所提取的56維特征參數(shù)進(jìn)行處理，以去除與語(yǔ)種無(wú)關(guān)的各種干擾信息，達(dá)到凈化語(yǔ)種特征參數(shù)的目的。如參考文獻(xiàn)[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(xùn)練得到的投影矩陣計(jì)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(jìn)行去除。該模塊中事先訓(xùn)練得到的投影矩陣P=I-wwT，wwT是對(duì)稱(chēng)矩陣，因此存儲(chǔ)wwT需要7 MB的存儲(chǔ)空間。另外，K-L變換矩陣D是對(duì)角矩陣，需要112 KB的存儲(chǔ)空間。
    (3)對(duì)數(shù)似然得分模塊
    如參考文獻(xiàn)[4]所述，本模塊主要任務(wù)是利用訓(xùn)練得到的各語(yǔ)種GMM模型對(duì)語(yǔ)音特征參數(shù)計(jì)算對(duì)數(shù)似然得分進(jìn)行輸出的判決。
    本模塊需要存儲(chǔ)訓(xùn)練階段得到的各目標(biāo)語(yǔ)種的GMM模型及非目標(biāo)語(yǔ)種的GMM模型，即針對(duì)每個(gè)語(yǔ)種需要存儲(chǔ)2個(gè)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(fǎng)個(gè)語(yǔ)種為例，需要存儲(chǔ)2L個(gè)均值矢量，即需要224L KB的存儲(chǔ)空間，共享的高斯混元權(quán)重需要2 KB的存儲(chǔ)空間，協(xié)方差矩陣由于是對(duì)角化的只需要112 KB的存儲(chǔ)空間。
2.2 算法實(shí)時(shí)性分析
    首先對(duì)各模塊的運(yùn)算實(shí)時(shí)性進(jìn)行分析。以30 s的語(yǔ)音(8 000 Hz采樣，幀長(zhǎng)25 ms，幀移10 ms)為例，后端模型使用單個(gè)語(yǔ)種模型，利用CCSv5的環(huán)境進(jìn)行軟件仿真得到各模塊處理所花的時(shí)鐘周期數(shù)，然后按照TMS320C6678芯片的單個(gè)內(nèi)核的工作主頻(1.25 GHz)計(jì)算得到處理時(shí)間，結(jié)果如表1所示。

        由表1可知，整個(gè)語(yǔ)種識(shí)別系統(tǒng)測(cè)試階段，在算法代碼未經(jīng)任何優(yōu)化的情況下，一段30 s的語(yǔ)音在單個(gè)TMS320C66x CPU內(nèi)核上的處理時(shí)間約為22.3 s，結(jié)果非常不理想，并且特征提取模塊和對(duì)數(shù)似然得分模塊耗時(shí)較多。
    為此，本文從兩個(gè)方面對(duì)代碼進(jìn)行了優(yōu)化：一是算法本身的約減，二是算法基于TMS320C6678平臺(tái)的優(yōu)化。
2.3 算法優(yōu)化
    (1)算法約減
    計(jì)算過(guò)程的優(yōu)化主要對(duì)語(yǔ)種識(shí)別系統(tǒng)中對(duì)數(shù)似然得分模塊的算法做約減。對(duì)數(shù)似然得分過(guò)程就是利用已經(jīng)訓(xùn)練好的各語(yǔ)種GMM模型對(duì)輸入的語(yǔ)音特征進(jìn)行似然得分的計(jì)算，語(yǔ)種數(shù)越多，則該模塊的耗時(shí)越多。利用Top n的方法，對(duì)每個(gè)模型選取得分最高的10個(gè)高斯用來(lái)計(jì)算對(duì)數(shù)似然得分。由于區(qū)分性Model Pushing模型是由SVM訓(xùn)練得到的支持向量重構(gòu)而來(lái)，而支持向量由GMM-UBM模型自適應(yīng)得到，因此，區(qū)分性Model Pushing模型與GMM-UBM模型的各高斯分量之間有著很強(qiáng)的對(duì)應(yīng)關(guān)系。
    上述介紹說(shuō)明，區(qū)分性Model Pushing模型與GMM-UBM模型有著很強(qiáng)的對(duì)應(yīng)關(guān)系，可近似認(rèn)為對(duì)同一個(gè)特征向量它們得分最大的高斯混元一致[7]。針對(duì)擁有512個(gè)高斯混元的GMM，似然得分的計(jì)算結(jié)果必定僅僅集中于很少的幾個(gè)高斯混元，大部分的高斯混元得分都會(huì)非常小以致可以忽略。因此，考慮將得分小的高斯混元結(jié)果忽略不計(jì)，只計(jì)算得分大的高斯混元。鑒于fDWNAP模塊包含特征向量對(duì)GMM-UBM計(jì)算后驗(yàn)概率的部分，可利用該部分的結(jié)果選取Top 10的高斯混元用于后端對(duì)數(shù)似然得分的計(jì)算。
    (2)基于TMS320C6678平臺(tái)的算法優(yōu)化
    基于平臺(tái)的優(yōu)化主要是通過(guò)選擇CCSv5提供的編譯優(yōu)化參數(shù)來(lái)實(shí)現(xiàn)。通過(guò)不斷的參數(shù)選擇、搭配，獲得最理想的參數(shù)優(yōu)化方式，提高代碼中循環(huán)運(yùn)算的性能，使用軟件流水調(diào)度技術(shù)提高代碼的并行執(zhí)行效率。
    除此之外，特征提取階段的FFT和fDWNAP的矩陣運(yùn)算等算法采用DSPlib中優(yōu)化的庫(kù)函數(shù)進(jìn)行替代，利用優(yōu)化的庫(kù)函數(shù)可以極大地提升代碼的運(yùn)行速度。
    (3)算法優(yōu)化前后識(shí)別性能對(duì)比
    首先檢驗(yàn)Top 10算法對(duì)系統(tǒng)識(shí)別性能的影響。在測(cè)試集中模型使用Top 10 的區(qū)分性Model Pushing，前端特征參數(shù)保持不變，在VC++2010的環(huán)境下測(cè)試系統(tǒng)性能。實(shí)驗(yàn)所用語(yǔ)料庫(kù)為實(shí)驗(yàn)室采集的電話(huà)信道通話(huà)語(yǔ)音，含漢語(yǔ)普通話(huà)、日語(yǔ)和英語(yǔ)3個(gè)語(yǔ)種，測(cè)試集包含漢語(yǔ)1 000段、日語(yǔ)450段及英語(yǔ)750段，共2 200段30 s的語(yǔ)音和3 000段10 s的語(yǔ)音(各語(yǔ)種1 000段)。系統(tǒng)性能用等錯(cuò)誤率EER(Equal Error Rate)[2]衡量，實(shí)驗(yàn)結(jié)果如表2所示。

          由表2可以看出，相對(duì)于全高斯得分模型，Top 10得分模型系統(tǒng)性能有所下降，主要因?yàn)樯釛壛似渌梅值偷母咚钩煞郑渲斜囟ò糠终Z(yǔ)種區(qū)分信息，但舍棄掉的這一部分所含的語(yǔ)種信息有限，所以性能下降在可接受范圍之內(nèi)(相對(duì)下降小于5%)。該優(yōu)化方法下模塊的運(yùn)算量下降是顯而易見(jiàn)的，同樣耗時(shí)也會(huì)大幅下降。
    (4)算法優(yōu)化前后系統(tǒng)實(shí)時(shí)性對(duì)比
    對(duì)經(jīng)算法優(yōu)化的系統(tǒng)耗時(shí)做如下測(cè)試，同樣以30 s的語(yǔ)音(8 000 Hz采樣，幀長(zhǎng)25 ms，幀移10 ms)為例，用CCSv5的環(huán)境進(jìn)行軟件仿真得到各模塊處理所花的時(shí)鐘周期數(shù)，然后按照TMS320C6678芯片的單個(gè)內(nèi)核的工作主頻(1.25 GHz)計(jì)算得到處理時(shí)間，結(jié)果如表3所示。

        由以上分析可以看到，算法優(yōu)化后的系統(tǒng)耗時(shí)由22.3 s減少至1.36 s，下降非常明顯，其中下降最多的是fDWNAP模塊和對(duì)數(shù)似然得分模塊。在整個(gè)系統(tǒng)中，經(jīng)過(guò)算法優(yōu)化， fDWNAP模塊耗時(shí)所占比例依舊最大，因此在多核任務(wù)并行設(shè)計(jì)時(shí)，需要將該模塊的任務(wù)進(jìn)行分解。
3 基于TMS320C6678的語(yǔ)種識(shí)別算法并行設(shè)計(jì)
3.1 模塊間通信分析
    根據(jù)語(yǔ)種識(shí)別的系統(tǒng)結(jié)構(gòu)，測(cè)試過(guò)程分為3個(gè)模塊，各模塊的算法都已經(jīng)進(jìn)行了相應(yīng)的優(yōu)化。這些模塊相互配合，通過(guò)控制信號(hào)完成數(shù)據(jù)流的交互。任務(wù)的控制流程主要是模塊的執(zhí)行次序，任務(wù)分配在不同核上的模塊之間以傳遞消息的方式實(shí)現(xiàn)同步。模塊間數(shù)據(jù)的傳遞會(huì)造成相應(yīng)的時(shí)間延遲，因此，控制流程的設(shè)計(jì)準(zhǔn)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)間的相互關(guān)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(shè)計(jì)準(zhǔn)則。
    語(yǔ)種識(shí)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(hào)的傳輸由虛線(xiàn)箭頭表示，數(shù)據(jù)的傳輸由實(shí)線(xiàn)箭頭表示。

3.2 模塊任務(wù)的核映射
    為了充分利用所有內(nèi)核CPU的計(jì)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(shí)時(shí)性測(cè)試結(jié)果及各模塊運(yùn)算量分析，將fDWNAP模塊的矩陣乘法任務(wù)分配到多個(gè)核并行執(zhí)行。
    因本文的語(yǔ)種識(shí)別系統(tǒng)適合于數(shù)據(jù)流模式的任務(wù)并行方式，將整個(gè)系統(tǒng)的運(yùn)算任務(wù)適當(dāng)?shù)胤峙浣o各個(gè)內(nèi)核，實(shí)現(xiàn)任務(wù)級(jí)的并行流水。由于fDWNAP模塊計(jì)算復(fù)雜度大，制約了整個(gè)系統(tǒng)任務(wù)級(jí)流水的處理速度。為了充分發(fā)揮TMS320C6678的性能優(yōu)勢(shì)，將該模塊任務(wù)映射到多個(gè)核進(jìn)行處理。該模塊首先需要計(jì)算特征矢量對(duì)應(yīng)的自適應(yīng)GSV；然后通過(guò)投影矩陣計(jì)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(gè)模塊的絕大部分運(yùn)算量；最后還需要將干擾空間返回映射到特征域，并在特征域去除干擾。整個(gè)模塊80%以上的運(yùn)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(gè)核上并行運(yùn)算，將其他任務(wù)集中在一個(gè)核上進(jìn)行處理。在該模塊內(nèi)還是一個(gè)任務(wù)級(jí)的流水處理方式，矩陣相乘部分是核級(jí)相同的并行流水處理方式。
4 基于TMS320C6678的語(yǔ)種識(shí)別算法實(shí)現(xiàn)
4.1 語(yǔ)種識(shí)別算法在TMS320C6678中的實(shí)現(xiàn)
    根據(jù)設(shè)計(jì)思路，將本文提出的語(yǔ)種識(shí)別算法在CCSv5上進(jìn)行軟件仿真。其中，利用SYS/BIOS[8]提供核間任務(wù)調(diào)度，利用IPC[9]實(shí)現(xiàn)核間同步和通信。
    啟動(dòng)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(jìn)入同步等待狀態(tài)，然后各核上的程序才能開(kāi)始執(zhí)行。從共享存儲(chǔ)器劃出MSM_IN和MSM_OUT 2塊存儲(chǔ)區(qū)，MSM_IN存儲(chǔ)K-L變換矩陣和各語(yǔ)種GMM模型，MSM_OUT存儲(chǔ)判決輸出結(jié)果。投影矩陣數(shù)據(jù)存儲(chǔ)在外接DDR3存儲(chǔ)器中的位置信息事先存在Core1中。Core1將投影矩陣數(shù)據(jù)分成5份，通過(guò)Notify_sendEvent函數(shù)將5份數(shù)據(jù)的地址發(fā)送到Core2、Core3、Core4、Core5和Core6。Core2、Core3、Core4、Core5和Core6上的子矩陣乘法任務(wù)一直處于懸掛狀態(tài)，直到Core1發(fā)送過(guò)來(lái)數(shù)據(jù)地址，矩陣乘法任務(wù)才開(kāi)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Core1傳遞的數(shù)據(jù)計(jì)算干擾因子向量，計(jì)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(xiě)入到Core1建立的消息隊(duì)列上。Core1利用MessageQ_get函數(shù)從消息隊(duì)列讀取Message，從Message中獲取干擾因子向量數(shù)據(jù)；然后計(jì)算補(bǔ)償后的特征向量；接著Core1利用MessageQ_put函數(shù)將補(bǔ)償?shù)奶卣飨蛄繑?shù)據(jù)的Message寫(xiě)入到Core7建立的消息隊(duì)列上，Core7上的判決任務(wù)開(kāi)始執(zhí)行，最后將執(zhí)行結(jié)果的數(shù)據(jù)寫(xiě)入MSM_OUT。
4.2 實(shí)驗(yàn)及結(jié)果分析
    根據(jù)本文語(yǔ)種識(shí)別算法的TMS320C6678任務(wù)并行設(shè)計(jì)方案，本節(jié)將給出CCSv5平臺(tái)下浮點(diǎn)算法的軟件仿真結(jié)果，并進(jìn)行分析驗(yàn)證。
    按照3.2節(jié)的描述，將fDWNAP模塊設(shè)計(jì)為并行處理，同樣以30 s的語(yǔ)音為例，采用3個(gè)語(yǔ)種的模型測(cè)試整個(gè)系統(tǒng)在TMS320C6678上的實(shí)時(shí)性能。3個(gè)部分的運(yùn)算處理時(shí)間結(jié)果如表4所示。

        由表4可以看出，三個(gè)模塊中fDWNAP模塊耗時(shí)(0.227 s)最多，因此估算該系統(tǒng)的實(shí)時(shí)倍率至少為132（30/0.227）。
    為了驗(yàn)證基于TMS320C6678平臺(tái)的語(yǔ)種識(shí)別系統(tǒng)性能，將采用Top 10優(yōu)化后的算法與在VC++2010平臺(tái)中的識(shí)別性能進(jìn)行對(duì)比。實(shí)驗(yàn)語(yǔ)料保持不變，表5給出了基于兩種不同平臺(tái)的系統(tǒng)EER。
    實(shí)驗(yàn)結(jié)果表明，基于TMS320C6678平臺(tái)的浮點(diǎn)軟件仿真結(jié)果和VC++2010平臺(tái)下的浮點(diǎn)計(jì)算結(jié)果完全一致，從而驗(yàn)證了TMS320C6678平臺(tái)實(shí)現(xiàn)語(yǔ)種識(shí)別系統(tǒng)的正確性。
    本文針對(duì)語(yǔ)種識(shí)別系統(tǒng)的實(shí)時(shí)性需求，在分析語(yǔ)種識(shí)別算法原理和多核DSP任務(wù)并行的基礎(chǔ)上，分析了系統(tǒng)各模塊的運(yùn)算量，根據(jù)各模塊的運(yùn)算量對(duì)算法進(jìn)行了優(yōu)化。針對(duì)優(yōu)化后算法的特點(diǎn)，設(shè)計(jì)了基于TMS320C6678平臺(tái)的語(yǔ)種識(shí)別系統(tǒng)。最后從實(shí)時(shí)性和識(shí)別性能兩個(gè)方面對(duì)系統(tǒng)性能進(jìn)行了測(cè)試，結(jié)果驗(yàn)證了算法在TMS320C6678中實(shí)現(xiàn)的正確性及優(yōu)化的有效性。
參考文獻(xiàn)
[1] WONG K Y E.Automatic spoken language identification utilizing acoustic and phonetic speech information[D].Queensland：Queensland University of Technology，2004.
[2] 徐婷婷.語(yǔ)種識(shí)別中的若干問(wèn)題研究[D].北京：北京郵電大學(xué)，2011.
[3] Texas Instrument.TMS320C6678 multicore fixed and floatingpoint digital signal processor[R].SPRS691C，2012.
[4] 劉偉偉，吉立新，李邵梅.基于區(qū)分性Model Pushing的語(yǔ)種識(shí)別方法[J].電子技術(shù)應(yīng)用，2012，38(4)：113-116.
[5] 劉偉偉，吉立新，李邵梅.基于區(qū)分加權(quán)干擾屬性投影的語(yǔ)種識(shí)別方法[J].中文信息學(xué)報(bào)，[已錄用未發(fā)表].
[6] Liu Weiwei，Ji Lixin，Li Shaomei.Robust cepstral feature compensation for language recognition[C].Guangzhou：Proc.of BEMI，2012：119-122.
[7] 徐穎.語(yǔ)種識(shí)別聲學(xué)建模方法研究[D].合肥：中國(guó)科學(xué)技術(shù)大學(xué)，2011.
[8] Texas Instrument.SYS/BIOS inter-processor communication(IPC) and I/O user’s guide[R].SPRUGO6C，2010.
[9] Texas Instrument.TI SYS/BIOS v6.33 real-time operating system user’s guide[R].SPRUEX3K，2011.