一種應用于MEC遠程聲紋識別的可重構處理器架構制造技術

本發明專利技術涉及一種應用于MEC遠程聲紋識別的可重構處理器架構，包括MEC系統層和MEC主層，所述MEC系統層為MEC系統管理器，用于進行聲紋識別任務的劃分，并將劃分后的任務分配至所述MEC主層；所述MEC主層包括MEC應用層、MEC平臺層和MEC可重構硬件層；所述MEC應用層基于網絡功能虛擬化的虛擬機應用架構將MEC功能組件封裝的基礎功能組合成虛擬應用，并通過標準的API和第三方應用APP實現對接；所述MEC平臺層承載業務的對外接口適配功能，通過API完成和基站及MEC應用層之間的接口協議封裝，提供流量旁路、無線網絡信息、虛擬機通信和應用與服務注冊；所述MEC可重構硬件層用于根據MEC系統層劃分的任務進行聲紋識別。本發明專利技術能夠提升遠程聲紋識別的效率與準確性。程聲紋識別的效率與準確性。程聲紋識別的效率與準確性。

【技術實現步驟摘要】
一種應用于MEC遠程聲紋識別的可重構處理器架構


[0001]本專利技術涉及芯片架構
，特別是涉及一種應用于MEC遠程聲紋識別的可重構處理器架構。

技術介紹

[0002]聲紋識別是通過對一種或多種語音信號的特征分析來達到對未知聲音辨別的目的，簡單的說就是辨別某一句話是否是某一個人說的技術。該項技術最早是在40年代末由貝爾實驗室開發，主要用于軍事情報領域。隨著該項技術的逐步發展，60年代末后期在美國的法醫鑒定、法庭證據等領域都使用了該項技術。聲紋識別的本質，就是要找到描述特定對象的聲紋特征(feature)，聲紋特征類似于虹膜、指紋等，是一種獨特的生物特征。至于特征提取方法，按照發展歷程有模板匹配、高斯混合模型(GMM)、聯合因子分析法(JFA)、深度神經網絡方法等。在深度神經網絡之前出現的方法基本可以認為是傳統方法。傳統方法通常用精確的數學模型對聲音信號進行特征提取，而深度神經網絡通過模型訓練獲得聲紋特征。研究表明，相較于傳統方法，利用深度學習的方法在識別準確率上獲得了顯著的提高。
[0003]而隨著無線互聯網以及智能手機的迅速發展，它為人們日常生活帶來極大便利的同時也帶來了不容忽視的安全隱患。如何準確、迅速、安全地實現遠程身份認證成為擺在人們面前急需解決的問題。人們在實踐中發現，生物特征具有唯一且在一定時間內較穩定不變的特性，這種獨特的優勢使得生物特征識別技術被認為是終極的身份認證技術。遠程聲紋身份驗證是指通過網絡，利用以聲紋識別為主的技術來驗證說話人身份的方法。遠程聲紋身份驗證實現了在無監督的非現場情況下，對說話人身份的驗證，聲紋識別技術的應用使得遠程身份驗證更加準確、安全、可靠且便捷。
[0004]由于深度學習在計算機視覺(CV)和自然語言處理(NLP)領域的巨大優勢，基于人工智能和深度學習的智能服務和應用已經改變了人們生活的許多方面。但是，由于效率，延遲，成本以及可靠性的問題，目前的云計算服務架構還不足以為任何地方的每個人和每個組織提供人工智能。而MEC的分布式邊緣計算節點可以處理許多計算任務，而無需與云交換底層數據，這允許優化網絡的流量負載。并且由于部署在MEC的應用可以顯著降低數據傳輸的延遲提高響應速度，MEC具有敏捷服務響應。因此，我們希望通過MEC來代替云服務器來解決這些問題。在MEC生成的數據依賴于人工智能來充分釋放其全部潛力。MEC能夠隨著更豐富的數據和應用場景而蓬勃發展，使用靠近數據源的MEC資源釋放深度學習服務已成為一種理想的解決方案。因此，MEC旨在促進使用邊緣計算部署深度學習服務。
[0005]當前MEC領域，由于摩爾定律與丹納德縮放定律即將走向終結，硬件的性能與功耗問題愈專利技術顯，微處理器的發展趨勢逐漸由單核向多核發展，但是由于功耗墻的存在，多核架構受到限制，因此在提升性能的同時降低功耗是解決問題的關鍵，ASIC等一系列定制化芯片的浪潮由此展開。在定制化芯片蔚然成風的同時，由于算法更迭速度加快，而定制化芯片的算法是固定的，且研發時間較長，靈活性不夠高，在行業發展初期面對日新月異的人工智能算法其適應性相對較低。這樣一來，不僅需要巨大的成本和投入時間，并且不一定能夠
達到預期的效果，所以對于硬件的靈活性產生了更大的需求。并且由于大規模MIMO技術和人工智能技術的興起，數據規模也在急劇增長，尤其是由數據驅動的各種場景，極大的增加了對于計算和處理的需求。而FPGA，即現場可編程門陣列，有著可重構和高度并行的能力。它是作為專用集成電路領域中的一種半定制電路而出現的。與ASIC相比，FPGA具有較高的靈活性，既解決了定制電路的不足，又克服了原有可編程器件門電路數有限的缺點。而與GPU相比，FPGA的功耗和性能普遍優于GPU。但和專用芯片相比，它的面積和功耗都要大很多。因此催生了CGRA(粗粒度可重構陣列)來彌補FPGA的局限性。
[0006]CGRA是粗粒度的可重構架構。它通過內部建立模塊，減少互連來提高效率。通過配置不同的功能區域，實現數據流的驅動。而等到下一個時刻，可以將這個單元快速配置不同的功能，再次進行數據流的驅動，這是一種數據驅動動態重構的計算模式，數據高速并行，布線和編譯速度快，可以提高系統的性能。鑒于CGRA優秀的性能，我們希望基于遠程聲紋識別技術針對邊緣智能領域設計出一種基于邊緣智能并應用于遠程聲紋識別的多重混合尺度可重構處理器架構。

技術實現思路

[0007]本專利技術所要解決的技術問題是提供一種應用于MEC遠程聲紋識別的可重構處理器架構，能夠提升遠程聲紋識別的效率與準確性。
[0008]本專利技術解決其技術問題所采用的技術方案是：提供一種應用于MEC遠程聲紋識別的可重構處理器架構，包括MEC系統層和MEC主層，所述MEC系統層為MEC系統管理器，用于進行聲紋識別任務的劃分，并將劃分后的任務分配至所述MEC主層；所述MEC主層包括MEC應用層、MEC平臺層和MEC可重構硬件層；所述MEC應用層基于網絡功能虛擬化的虛擬機應用架構將MEC功能組件封裝的基礎功能組合成虛擬應用，并通過標準的API和第三方應用APP實現對接；所述MEC平臺層承載業務的對外接口適配功能，通過API完成和基站及MEC應用層之間的接口協議封裝，提供流量旁路、無線網絡信息、虛擬機通信和應用與服務注冊；所述MEC可重構硬件層用于根據MEC系統層劃分的任務進行聲紋識別。
[0009]所述MEC可重構硬件層包括控制器、總線、第一存儲器、第二存儲器和MEC智能引擎；所述控制器通過總線分別與所述第一存儲器和所述第二存儲器相連，用于配置所述MEC智能引擎中數據流流動時的連線架構以及處理方式；所述第一存儲器與所述MEC智能引擎的輸入端相連，所述第二存儲器與所述MEC智能引擎的輸出端相連；所述控制器配置好的數據從所述總線經由第一存儲器發送至所述MEC智能引擎，所述MEC智能引擎用于對配置好的數據進行運算，并將運算結果經由所述第二存儲器發送至總線。
[0010]所述MEC智能引擎包括n
×
n的按陣列排布的可編程運算單元，相鄰的兩個可編程運算單元進行互連形成網格結構；所述可編程運算單元根據所述控制器配置的處理方式對數據進行處理。
[0011]所述第一存儲器和第二存儲器均為靜態隨機存取存儲器。
[0012]有益效果
[0013]由于采用了上述的技術方案，本專利技術與現有技術相比，具有以下的優點和積極效果：本專利技術將搭載了FPGA的MEC基礎設施層替換為搭載了CGRA的MEC可重構硬件層，免除了FPGA虛擬化的過程，實現了MEC平臺層與MEC可重構硬件層的直連，減少數據交互的時間，加
速數據處理速度。同時本專利技術中的CGRA采用N
×
N可編程運算單元陣列組成，相對簡單的可編程運算單元可以降低每個單元的數據量，避免數據的溢出和阻塞。
附圖說明
[0014]圖1是本專利技術實施方式應用于MEC遠程聲紋識別的可重構處理器架構的示意圖；
[0015]圖2是本專利技術實施方式中MEC可重構硬件層的示意圖；
[0016]圖3是采用本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種應用于MEC遠程聲紋識別的可重構處理器架構，其特征在于，包括MEC系統層和MEC主層，所述MEC系統層為MEC系統管理器，用于進行聲紋識別任務的劃分，并將劃分后的任務分配至所述MEC主層；所述MEC主層包括MEC應用層、MEC平臺層和MEC可重構硬件層；所述MEC應用層基于網絡功能虛擬化的虛擬機應用架構將MEC功能組件封裝的基礎功能組合成虛擬應用，并通過標準的API和第三方應用APP實現對接；所述MEC平臺層承載業務的對外接口適配功能，通過API完成和基站及MEC應用層之間的接口協議封裝，提供流量旁路、無線網絡信息、虛擬機通信和應用與服務注冊；所述MEC可重構硬件層用于根據MEC系統層劃分的任務進行聲紋識別。2.根據權利要求1所述的應用于MEC遠程聲紋識別的可重構處理器架構，其特征在于，所述MEC可重構硬件層包括控制器、總線、第一存儲器、第二存儲器和MEC智能引擎；所述控制...

【專利技術屬性】
技術研發人員：卜智勇，陸芳，楊大全，趙峰，
申請(專利權)人：白盒子上海微電子科技有限公司，
類型：發明
國別省市：