Gwell Echdynnu Paramedr Nodwedd O Arwyddion Lleferydd Gan Ddefnyddio Algorithm Dysgu Peiriant(1)
May 30, 2023
Haniaethol: Mae adnabod lleferydd yn cyfeirio at allu meddalwedd neu galedwedd i dderbyn signal lleferydd, nodi nodweddion y siaradwr yn y signal lleferydd, a chydnabod y siaradwr wedi hynny. Yn gyffredinol, mae'r broses adnabod lleferydd yn cynnwys tri phrif gam: prosesu acwstig, echdynnu nodweddion, a dosbarthu / adnabod. Pwrpas echdynnu nodwedd yw darlunio signal lleferydd gan ddefnyddio nifer a bennwyd ymlaen llaw o gydrannau signal. Mae hyn oherwydd bod yr holl wybodaeth yn y signal acwstig yn rhy feichus i'w thrin, ac mae rhywfaint o wybodaeth yn amherthnasol yn y dasg adnabod. Mae'r astudiaeth hon yn cynnig dull dysgu peiriant sy'n perfformio echdynnu paramedr nodwedd o signalau lleferydd i wella perfformiad cymwysiadau adnabod lleferydd mewn amgylcheddau dinasoedd craff amser real. Ar ben hynny, mae'r egwyddor o fapio bloc o brif gof i'r storfa yn cael ei ddefnyddio'n effeithlon i leihau amser cyfrifiadura. Mae maint bloc cof storfa yn baramedr sy'n effeithio'n gryf ar berfformiad y storfa. Yn benodol, mae gweithredu prosesau o'r fath mewn systemau amser real yn gofyn am gyflymder cyfrifiant uchel. Mae cyflymder prosesu yn chwarae rhan bwysig mewn adnabod lleferydd mewn systemau amser real. Mae'n gofyn am ddefnyddio technolegau modern ac algorithmau cyflym sy'n cynyddu'r cyflymiad wrth dynnu'r paramedrau nodwedd o signalau lleferydd. Nid yw problemau gyda gor-glocio yn ystod prosesu digidol signalau llais wedi'u datrys yn llwyr eto. Mae'r canlyniadau arbrofol yn dangos bod y dull arfaethedig yn echdynnu'r nodweddion signal yn llwyddiannus ac yn cyflawni perfformiad dosbarthu di-dor o'i gymharu ag algorithmau adnabod lleferydd confensiynol eraill.
Cistanche deserticola
Geiriau allweddol: adnabod lleferydd; cyfrifiadura cyfochrog; cyfrifiadura dosranedig; prosesydd aml-graidd; echdynnu nodwedd; dadansoddiad sbectrol
1. Rhagymadrodd
Mae sefydlu dulliau cyfathrebu rhwng bodau dynol a thechnoleg gyfrifiadurol yn dasg hollbwysig mewn deallusrwydd artiffisial modern. Un o'r dulliau hawsaf i ddefnyddwyr fewnbynnu gwybodaeth yw trwy signalau lleferydd. Felly, mae technoleg prosesu signal lleferydd a'i offer wedi dod yn rhan angenrheidiol o'r gymdeithas wybodaeth. Mae adnabod lleferydd yn agwedd ymchwil hanfodol ar brosesu signalau lleferydd ac yn dechneg rhyngweithio dynol-cyfrifiadur hanfodol. Mae signalau lleferydd yn cynnwys gwybodaeth semantig, bersonol ac amgylcheddol [1]. Y dull cyffredinol o brosesu signal lleferydd yw defnyddio dadansoddiad tymor byr, lle mae'r signal wedi'i rannu'n ffenestri amser o faint sefydlog, gan dybio nad yw paramedrau'r signal yn newid. Rhoddir gorgyffwrdd rhwng ffenestri i gael cynrychiolaeth signal mwy cywir. Mae algorithmau echdynnu nodweddion megis dadansoddiad sbectrol a rhagfynegiad llinol yn cael eu cymhwyso i bob ffenestr. Fodd bynnag, dylai'r prosesau hyn hefyd ystyried cyflymder ac amser.
ginseng anialwch
Mae amseru yn bryder sylweddol mewn sawl maes o brosesu signal amser real. Gellir cynyddu'r gymhareb cyflymder prosesu trwy ddefnyddio adnoddau prosesydd yn effeithlon a datblygu algorithmau newydd a chyflym i leihau'r amser prosesu digidol. Fodd bynnag, nid yw problemau cyfrifiadura perfformiad uchel wedi'u datrys yn llwyr eto [2]. At hynny, mae cynnydd sylweddol wedi'i wneud mewn adnabod lleferydd awtomatig gyda datblygiad caledwedd a meddalwedd prosesu signal digidol. Fodd bynnag, er gwaethaf y datblygiadau hyn, ni all peiriannau gydweddu â pherfformiad eu cymheiriaid dynol o ran cywirdeb a chydnabod cyflymder, yn enwedig mewn adnabod lleferydd siaradwr-annibynnol. Felly, mae llawer iawn o ymchwil a gynhaliwyd ar adnabod lleferydd wedi canolbwyntio ar broblemau adnabod lleferydd sy'n annibynnol ar y siaradwr, oherwydd yr ystod eang o gymwysiadau a chyfyngiadau'r technegau adnabod lleferydd sydd ar gael [3].
I grynhoi, mae prif gyfraniadau’r astudiaeth fel a ganlyn:
Te cistanche
Cliciwch yma i weld cynnyrch te Cistanche deserticola
【Gofyn am fwy】 E-bost:cindy.xue@wecistanche.com / Whats App: 0086 18599088692 / Wechat: 18599088692
Mae'r broses o adnabod person trwy signalau lleferydd yn cynnwys sawl cam. Yn eu plith, mae angen mwy o amser cyfrifo ar gyfer rhai camau. Mae hwn yn ddadansoddiad sbectrol. Un o'r paramedrau sy'n arbennig o bwysig mewn algorithmau dysgu peiriant yw'r amser hyfforddi. Yn y gwaith hwn, canfuom fod y broses o echdynnu nodweddion yn bwysig ar gyfer adnabod signalau lleferydd. Yn ogystal, mae'n cymryd llawer o amser mewn dysgu peiriannau. Sefydlir bod y broses o ddadansoddi sbectrol yn cynnwys gweithrediadau annibynnol, ac mae paraleleiddio yn bosibl.
Mae arbrofion wedi dangos bod trawsnewidiadau sbectrol FFT a DCT yn rhoi canlyniadau da mewn dadansoddiad sbectrol. Mae'r broses dadansoddi sbectrol yn ddilys ar gyfer pob rhan o'r signal lleferydd. Mae hyn yn ein galluogi i wahaniaethu'n glir rhwng y nodweddion hyn a'r signal lleferydd. Gyda chymorth offer OpenMP a TBB, datblygwyd algorithm cyfrifiadurol cyfochrog a oedd yn ei gwneud hi'n bosibl cyflymu'r cyfrifiadau.
Mae maint y segment yn bwysig wrth rannu signal lleferydd yn segmentau. Yn ystod yr arbrofion, canfuwyd bod maint segment y signal lleferydd yn dibynnu ar gof storfa'r prosesydd canolog. Yn benodol, canfuwyd bod paru segment â maint storfa mewn proseswyr aml-graidd yn cael effaith gadarnhaol ar gyflymder cyfrifiannol mewn dysgu peiriannau.
Cynigir dull gweithredu cyfochrog newydd ar gyfer trawsnewid signalau sbectrol ar gyfer echdynnu paramedr nodwedd o signalau lleferydd gan ddefnyddio algorithm dysgu peiriant ar broseswyr aml-graidd gan ddefnyddio TBB ac OpenMP.
Canfuwyd hefyd y gall y defnydd effeithiol o'r egwyddor o fapio'r prif floc cof i'r storfa a maint y bloc cof storfa gynyddu'r cyflymder prosesu.
Atodiad Cistanche ger fi-Gwella Cof
Trefnir gweddill y papur hwn fel a ganlyn. Mae Adran 2 yn adolygu astudiaethau presennol ar gyfer echdynnu priodweddau signal lleferydd penodol. Mae Adran 3 yn disgrifio'r camau echdynnu nodwedd gydag arbrofion. Mae Adran 4 yn cyflwyno'r algorithm cyfrifiadurol perfformiad uchel arfaethedig ar gyfer echdynnu'r paramedrau nodwedd o signalau lleferydd yn fanwl. Mae canlyniadau'r arbrofion sy'n seiliedig ar ein gweithrediad yn cael eu trafod yn Adran 5. Mae Adran 6 yn amlygu cyfyngiadau'r dull arfaethedig. Yn olaf, mae Adran 7 yn cloi'r astudiaeth trwy grynhoi'r canfyddiadau a nodi cyfeiriadau ymchwil y dyfodol.
2. Gweithiau Cysylltiedig
Mae dulliau newydd, algorithmau, a chymwysiadau mwy modern yn cael eu datblygu a'u gwella ar hyn o bryd ar gyfer segmentu signalau lleferydd a chyfrifo dangosyddion parametrig o ddarnau dethol, a thrwy hynny greu sbectrogram o signalau lleferydd gan ddefnyddio dadansoddiad sbectrol [4-7]. Mae adnabod y siaradwr â chlipiau llais amrywiol ledled y byd yn dasg hanfodol a heriol, yn enwedig wrth echdynnu nodweddion egnïol a gwahaniaethol [8]. Cynigodd Korkmaz et al system echdynnu nodwedd Mel Amlder Cyfernodau Ceptral (MFCC) newydd sy'n gyflymach ac yn fwy ynni-effeithlon na'r gwireddiad MFCC traddodiadol. [9]. Yn lle defnyddio hidlydd rhag-bwysleisio pas uchel, fe wnaethant ddefnyddio hidlydd pas-isel. Fe wnaethant weithredu hidlydd bandpass gyda hidlydd pas uchel oherwydd bod angen pwysleisio ymlaen llaw i hybu egni'r signal mewn amleddau uchel. Yn ein gwaith blaenorol [10], fe wnaethom gyflwyno dull newydd yn seiliedig ar MFCC ar gyfer adnabod siaradwyr. Yn hytrach na defnyddio MFCCs confensiynol, rydym yn defnyddio picsel o sbectrogram Mel fel ein set nodwedd. Trawsnewidiwyd y sbectrogram yn arae 2-D i greu set ddata newydd. Er mwyn adnabod y siaradwr, rhoddwyd nifer o algorithmau dysgu ar waith gyda thechneg traws-ddilysu 10-plyg. Gyda chymorth perceptron aml-haen (MLP) gyda swyddogaeth actifadu tanh, cyflawnwyd y cywirdeb gorau o 90.2 y cant.
Cyflawnir echdynnu nodweddion trwy newid y donffurf lleferydd i fath o gynrychiolaeth barametrig ar gyfradd ddata gymharol lai ar gyfer prosesu a dadansoddi dilynol [11-14]. Mae dulliau echdynnu nodwedd fel arfer yn cynhyrchu fector nodwedd aml-ddimensiwn ar gyfer pob signal lleferydd. Echdynnu nodwedd yw'r gyfran fwyaf perthnasol o gydnabyddiaeth siaradwr. Mae nodweddion lleferydd yn hollbwysig wrth wahanu siaradwr oddi wrth eraill. Mae echdynnu nodwedd yn lleihau maint y signal lleferydd, heb achosi unrhyw niwed i bŵer y signal lleferydd [15–17]. Yn [18], cyflwynodd yr awduron ddull newydd sy'n manteisio ar fireinio maint a pharamedrau sifft y ffenestr dadansoddi sbectrol a ddefnyddir i gyfrifo'r trawsnewidiad cychwynnol amser byr Fourier i wella perfformiad adnabod lleferydd awtomatig sy'n ddibynnol ar siaradwr. (ASR) system. Yn absenoldeb meddygon, gall lleygwyr ddefnyddio systemau cymorth penderfynu a grëwyd gan ddefnyddio dulliau deallusrwydd artiffisial. Gellir canfod statws calon cynnar ac anfewnwthiol gan ddefnyddio signalau phonocardiogram (PCG) [19-21].
Dangoswyd bod rhwydweithiau niwral convolutional (CNNs) yn efelychu lleoliad strwythurol yn llwyddiannus yn y gofod nodwedd yn ogystal â defnyddio cronni o fewn rhanbarth amlder rhagfarnllyd i leihau amrywiad trosiadol ac addasu ar gyfer aflonyddwch a newidiadau bach yn y gofod nodwedd [22]. Mae Mukhamadiyev et al. cynigiodd fodel adnabod lleferydd Markov, rhwydwaith niwral dwfn o un pen i'r llall, wedi'i guddio, a rhwydwaith cysylltiadol hybrid dosbarthu sylw (CTC) ar gyfer yr iaith Wsbeceg a'i thafodieithoedd. Mae'r dull gweithredu arfaethedig yn lleihau amser hyfforddi ac yn gwella cywirdeb adnabod lleferydd trwy ddefnyddio swyddogaeth amcan CTC yn effeithiol mewn hyfforddiant model sylw [23]. Cynigiwyd echdynnu a dosbarthu nodweddion gan ddefnyddio model rhwydwaith niwral convolutional un-dimensiwn (CNN), sy'n rhannu signalau sain y galon yn normal ac annormal yn uniongyrchol annibynnol ar electrocardiogram (ECG), yn [24]. Maen nhw'n honni bod y cywirdeb dosbarthu yn uwch yn y CNN 1D nag yn y 2D CNN ar gyfer signalau sain y galon a ddefnyddir yn yr astudiaeth hon pan fo'r cnewyllyn convolution yn llai na 52 oherwydd gall cnewyllyn convolution mawr arwain at gymhlethdod cyfrifiannol a'i fod yn cymryd mwy a mwy o amser. . Yn [25], hyfforddwyd rhwydwaith niwral dwfn i wneud y mwyaf o gywirdeb ôl y dilyniannau cyflwr o fodelau acwstig yn ymwneud â dilyniannau nodwedd lleferydd gan ddefnyddio cronfa ddata TIMIT ( TIMIT Acoustic-Phonetic Continuous Speech Corpus ).
3. Cyn-Prosesu: Trosolwg Deunydd
Atodiad Cistanche ger fi-Gwella Cof
At y diben hwn, mae datblygu algorithmau cyflym ar gyfer echdynnu paramedrau nodwedd o signalau lleferydd a chynrychioliadau parametrig, echdynnu samplau defnyddiol ac addysgiadol i'w prosesu, a datblygu rhaglenni ar gyfer gweithredu sbectrogramau o segmentau acwstig dethol yn anhepgor.
Mae systemau adnabod lleferydd yn cynnwys dwy brif is-system:
Prosesu sylfaenol signalau lleferydd (ffonogram);
Dosbarthiad symbolau acwstig gan ddefnyddio algorithm deallus (sbectrogram).
Mae'r is-system gyntaf yn cynhyrchu symbolau acwstig fel set o briodweddau acwstig addysgiadol y signalau a nodweddion y signal. Mae'r ail is-system yn trosi'r signal lleferydd yn ffurf barametrig yn seiliedig ar y nodweddion acwstig a gafwyd. Mae prosesu signal lleferydd yn cynnwys y camau canlynol:
Gwahanu ffiniau'r signal lleferydd;
Hidlo digidol;
Segmentu;
Cymhwyso ffenestr lyfnu;
Trawsnewid sbectrol, a normaleiddio amleddau sbectrol.
Defnyddir y camau hyn yn helaeth i dynnu paramedrau nodwedd o signalau lleferydd, ac ystyrir eu prif nodweddion yn y canlynol.
3.1. Gwahanu Ffiniau
Mae echdynnu rhannau lleferydd yn unig o'r signal sy'n dod i mewn neu benderfynu ar eiliadau cychwyn a diwedd brawddeg mewn amgylchedd swnllyd yn dasg hanfodol wrth brosesu lleferydd. Defnyddir priodweddau canlynol y signal lleferydd i ddatrys y broblem hon: egni tymor byr y signal lleferydd, nifer y pwyntiau sy'n croestorri ar sero, dwysedd dosbarthiad gwerthoedd y maes tawelwch o fewn y signal, a'r entropi sbectrol. Mae systemau adnabod lleferydd traddodiadol yn defnyddio technegau sy'n seiliedig ar egni dros dro a sbectrol signal (ee, canfod gweithgaredd llais) i bennu ffiniau lleferydd signalau lleferydd sy'n dod i mewn [26-28].
Prif baramedrau'r signal lleferydd yw egni tymor byr y signal lleferydd a nifer y pwyntiau sy'n mynd trwy sero. Fel rheol, mae paramedrau signal lleferydd yn newid yn gyflym dros amser; felly, mae'n arferol prosesu signal lleferydd yn ddarnau o 10 i 30 ms o hyd nad ydynt yn gorgyffwrdd. Mae'r signal lleferydd yn llonydd o fewn yr ystod hon, a chaiff ardaloedd o dawelwch yn y signal lleferydd eu tynnu trwy gyfrifo'r egni dros dro. Mae'r algorithm ar gyfer datrys y broblem hon wedi'i rannu'n ddilyniannau N o 256 o werthoedd egni tymor byr y signal lleferydd nesaf.
Mae cyfrifo egni pob darn trwy rannu'r signal lleferydd yn briodol ar gyfer cyfrifiadura paralel a gwasgaredig. Mae pob darn yn cael ei brosesu'n annibynnol. Os cymhwysir prosesu mewn amlbrosesydd n-craidd, bydd yn bosibl cyfrifo egni darnau n ar yr un pryd. Felly, mae'n bosibl cynyddu'r effeithlonrwydd prosesu cyfochrog yn ystod y cam hwn [29-32].
3.2. Nifer y Croesfannau Sero
Mae croesfan sero yn bwynt lle mae arwydd ffwythiant mathemategol yn newid (ee, o bositif i negyddol), sy'n cael ei gynrychioli gan ryngdoriad yr echelin (gwerth sero) yn graff y ffwythiant [33]. Efallai mai amledd croesfan sero mewn signal yw'r dangosydd mwyaf syml o'i briodweddau sbectrol. Er enghraifft, gellir pennu nifer y pwyntiau sy'n mynd trwy sero mewn signal lleferydd gan ddefnyddio'r hafaliad canlynol:
Ffigur 1. Dull gwahanu lleferydd yn seiliedig ar ddadansoddiad entropi sbectrol.
3.3. Hidlo Digidol
Yn ogystal â signal defnyddiol, nodweddiadol, mae gwahanol fathau o sŵn yn bresennol. Gan fod sŵn yn effeithio'n negyddol ar ansawdd systemau adnabod lleferydd, mae delio â sŵn yn fater dybryd. Defnyddir dau fath o hidlwyr digidol i leihau'r lefelau sŵn yn y system: hidlydd llinell a hidlydd cychwynnol. Gellir ystyried hidlydd llinol yn gyfuniad o hidlwyr amledd isel ac uchel gan ei fod yn dal pob amledd isel ac uchel. Defnyddir hidlo cychwynnol i leihau effaith aflonyddwch lleol ar y marciau nodweddiadol a ddefnyddir ar gyfer adnabod dilynol. Rhaid pasio signal lleferydd trwy hidlydd pas-isel ar gyfer aliniad sbectrol [35].
3.4. Segmentu
Segmentu yw'r broses o rannu signal lleferydd yn ddarnau arwahanol nad ydynt yn gorgyffwrdd. Rhennir y signal fel arfer yn unedau lleferydd megis brawddegau, geiriau, sillafau, ffonemau, neu hyd yn oed unedau ffonetig llai. Gall segmentu recordiadau sy'n cynnwys ymadroddion nifer o siaradwyr gynnwys priodoli darnau o ymadroddion i siaradwyr penodol. Defnyddir y term "gorsafoedd segment" weithiau i gyfeirio at raniad y signal lleferydd yn fframiau cyn ei baramedroli [36,37].
3.5. Trawsnewid Sbectrol
Mae angen gwahaniaethu rhwng prif nodweddion signalau lleferydd a ddefnyddir yng nghamau diweddarach y broses adnabod lleferydd. Mae'r nodweddion cychwynnol yn cael eu pennu trwy ddadansoddi priodweddau sbectrol y signalau lleferydd. Mae'r algorithm trawsnewid Fourier cyflym yn cael ei ddefnyddio'n gyffredin i gael amledd sbectrol signal lleferydd [38,39].
3.6. Normaleiddio Amleddau Sbectrol
Mae'r broses gyfrifiannol gyfan mewn algorithmau deallus yn seiliedig ar symud rhifau degol. Felly, mae paramedrau'r gwrthrychau sy'n cael eu dosbarthu gan ddefnyddio rhwydweithiau niwral wedi'u cyfyngu i'r ystod [{{0}}.0, 1.0]. Mae'r sbectrwm canlyniadol yn cael ei normaleiddio rhwng 0 ac 1 i gymhwyso prosesu sbectrol gan ddefnyddio'r rhwydwaith niwral. I gyflawni hyn, rhennir pob cydran fector yn ei gydrannau uchaf.
Mae dulliau prosesu sbectrol yn galluogi defnyddio'r holl samplau data a geir o'r signal lleferydd. Mae gan lawer o signalau lleferydd strwythur amledd penodol a phriodweddau sbectrol. Mae dulliau sbectrol yn darparu prosesu manwl uchel o signalau lleferydd. Mae anfanteision prosesu sbectrol yn cynnwys hyblygrwydd isel yn nodweddion lleol y signalau, diffyg dimensiynau sbectrol, a chostau cyfrifiannol cymharol uchel.
Defnyddir trawsnewidiad fourier, dadansoddiad tonfedd, a llawer o algorithmau eraill yn helaeth wrth brosesu sbectrol signalau lleferydd. Defnyddir trawsnewidiad Fourier mewn sawl maes gwyddoniaeth, gan gynnwys prosesu lleferydd. Mewn prosesu signal lleferydd, mae trawsnewidiad Fourier yn trosi'r signal o'r maes amser i'r maes sbectrol fel cydran amledd [40].
Mewn astudiaethau blaenorol, defnyddiwyd trawsnewidiad Fourier arwahanol (DFT), trawsnewid cosin arwahanol (DCT), trawsnewid Fourier tymor byr, a thrawsnewid tonfedd ar gyfer dadansoddiad sbectrol. Defnyddiwyd y dulliau hyn i drawsnewid darnau o signal lleferydd i'r parth amledd a chyfrifo'r sbectrwm. Defnyddiwyd y pecynnau TBB ac OpenMP i greu algorithmau cyfochrog ar gyfer trawsnewidiadau sbectrol. Yn y dulliau hyn, mae'r gorchymyn yn rhannu'r signal yn fframiau; er enghraifft, N=16, 32, …, neu 4096 ar gyfer pob ffrâm [4]. Mae maint pob ffrâm a grëwyd yn hafal i faint bloc y cof storfa oherwydd bod cof storfa yn ffactor sy'n effeithio ar effeithlonrwydd prosesu cyfochrog. Mae'r canlyniadau cyflymu wedi'u darlunio yn Ffigur 2.
Ffigur 2. Canlyniadau cyflymiad ar gyfer (a) proseswyr pedwar a (b) wyth craidd.
Ar gyfer gweithredu meddalwedd yr algorithmau prosesu cyfochrog, perfformiwyd prosesu cyfresol a chyfochrog ar broseswyr pedwar ac wyth craidd, a gymhwyswyd gan ddefnyddio cyfrifiaduron personol a gweinyddwyr, fel y rhestrir yn Nhabl 1.
Tabl 1. Nodweddion proseswyr Intel.
Prif nodwedd yr algorithm DCT yw cyfnodoldeb. Mantais DCT yw ei fod yn tueddu i ganolbwyntio'r rhan fwyaf o egni'r signal ar nifer fach o ffactorau. Mae'r hafaliadau canlynol yn darparu elfennau'r matrics cyfernod:
lle L(k) yw gwerth y DCT, mae k yn fynegai o gyfernodau, mae x(n) yn cynrychioli eitemau data, ac N yw maint y ffrâm.
Paramedrau dadansoddi pedwarydd yw sail y dulliau a ddefnyddir i gynhyrchu fectorau nodwedd yn y rhan fwyaf o systemau adnabod lleferydd wrth brosesu signalau lleferydd yn ddigidol o fewn y parth sbectrol. Defnyddir cyfernodau ceptral Mel-amledd (MFCCs) [41] a thechnegau codio rhagfynegol llinol (LPC) [42,43] mewn dadansoddiad Fourier i gynhyrchu delweddau sbectrogram o signalau lleferydd. Mae'r sbectra a geir gan ddefnyddio dadansoddiad Fourier yn darparu gwybodaeth gryno a manwl gywir am signal lleferydd, fel y dangosir yn Ffigur 3.
Ffigur 3. DFT: (a) newid yn yr ystod amledd o fewn y parth amser a (b) sbectrogram.
Defnyddiwyd signalau dau ddimensiwn (2D) ar gyfer dadansoddi sbectrol yn yr arbrofion. Mae'r nodweddion dadansoddi sbectrol 2D a ddefnyddir mewn algorithmau prosesu delweddau cyfochrog yn addas ar gyfer prosesu cyfochrog mewn proseswyr amlgraidd [38]. Yn benodol, mae gan fectorau a matricsau trawsnewid ymlaen a gwrthdro ddimensiynau deuaidd, a gall cydnawsedd y bensaernïaeth prosesydd aml-graidd hon gynyddu'r cyflymder cyfrifiannol yn effeithiol. Felly, gwnaethom gymhwyso prosesu dilyniannol a chyfochrog ar gyfrifiadur â nodweddion prosesydd gwahanol ar gyfer gweithredu caledwedd yr algorithmau a ddefnyddiwyd ar gyfer prosesu signalau 2D (Tabl 2)
Tabl 2. Nodweddion cymhwyso proseswyr Intel.
Rhannwyd y signal 2D cyfan yn ddarnau union yr un fath o wahanol feintiau ar bob cam [44]. Roedd gwerthoedd y darnau a ddewiswyd rhwng cydraniad picsel o 16 × 16 a 1024 × 1024. Cyflwynir cyflymder yr algorithm DCT cyfochrog gan ddefnyddio'r pecyn OpenMP o'i gymharu â chyflymder yr algorithm dilyniannol yn Ffigur 4 Defnyddio dadansoddiad sbectrol 2D cyfochrog Mae algorithm ar broseswyr aml-graidd yn rhoi canlyniad gor-glocio sy'n agos at nifer y creiddiau.
Ffigur 4. Canlyniadau cyflymiad ar gyfer dadansoddiad sbectrol cyfochrog 2D.
