[发明专利]一种大数据并行化声纹辨认系统和方法

权利要求书

1.一种大数据并行化声纹辨认系统，其特征在于，所述系统包括应用模块、多个负载均衡服务器、多个声纹预处理服务器、多个声纹辨认处理服务器和消息中心服务器；每一个所述负载均衡服务器均与所述应用模块通信连接，每一个所述声纹预处理服务器均与多个所述负载均衡服务器和所述消息中心服务器通信连接，每一个所述声纹辨认处理服务器均与所述消息中心服务器通信连接；其中，

所述应用模块用于供用户采集待辨认声纹语音数据并发起声纹辨认指令；

所述负载均衡服务器用于甄选出最优的所述声纹预处理服务器，并将所述待辨认声纹语音数据和声纹辨认指令转发到所述最优的所述声纹预处理服务器；

最优的所述声纹预处理服务器用于提取出所述待辨认声纹语音数据的声纹特征，将所述声纹特征通过所述消息中心服务器广播到所有的所述声纹辨认处理服务器；

所述声纹辨认处理服务器用于对接收到的所述声纹特征进行辨认，并将辨认结果通过所述消息中心服务器反馈至最优的所述声纹预处理服务器；

最优的所述声纹预处理服务器还用于根据多个所述声纹辨认处理服务器反馈的所述辨认结果得出最终辨认结果，并将所述最终辨认结果通过所述负载均衡服务器反馈至所述应用模块；

每一个所述声纹辨认处理服务器均包括存储有多个声纹模型的分片声纹库，不同的所述声纹辨认处理服务器的分片声纹库所存储的声纹模型均不相同；

采用多个声纹辨认处理服务器形成声纹辨认集群，多个声纹辨认处理服务器的分片声纹库构成一个总声纹库。

2.根据权利要求1所述的大数据并行化声纹辨认系统，其特征在于，所述辨认结果是：所述声纹辨认处理服务器将所述声纹特征与自有的所述分片声纹库中的所有的声纹模型进行相似度匹配计算后得出的相似度分值最高的一组有序序列结果子集。

3.根据权利要求2所述的大数据并行化声纹辨认系统，其特征在于，所述最终辨认结果是：所述最优的所述声纹预处理服务器将各个所述声纹辨认处理服务器的有序序列结果子集按照高分优先序列进行重组，计算每一个相似度分值，再度进行全局排序，得出的最终有序结果子集。

4.一种大数据并行化声纹辨认方法，其特征在于，所述方法通过如权利要求2-3中任一项所述的大数据并行化声纹辨认系统实施，所述方法包括如下步骤：

步骤S1，应用模块采集待辨认声纹语音数据并发起声纹辨认指令；

步骤S2，负载均衡服务器甄选出最优的所述声纹预处理服务器，并将所述待辨认声纹语音数据和声纹辨认指令转发到所述最优的所述声纹预处理服务器；

步骤S3，最优的所述声纹预处理服务器提取出所述待辨认声纹语音数据的声纹特征，将所述声纹特征通过所述消息中心服务器广播到所有的所述声纹辨认处理服务器；

步骤S4，声纹辨认处理服务器对接收到的所述声纹特征进行辨认，并将辨认结果通过所述消息中心服务器反馈至最优的所述声纹预处理服务器；

步骤S5，最优的所述声纹预处理服务器根据多个所述声纹辨认处理服务器反馈的所述辨认结果得出最终辨认结果，并将所述最终辨认结果通过所述负载均衡服务器反馈至所述应用模块。

5.根据权利要求4所述的大数据并行化声纹辨认方法，其特征在于，每一个所述声纹辨认处理服务器均包括存储有多个声纹模型的分片声纹库，不同的所述声纹辨认处理服务器的分片声纹库所存储的声纹模型均不相同。

6.根据权利要求5所述的大数据并行化声纹辨认方法，其特征在于，在所述步骤S4中，所述的“声纹辨认处理服务器对接收到的所述声纹特征进行辨认”的过程是：所述声纹辨认处理服务器将所述声纹特征与自有的所述分片声纹库中的所有的声纹模型进行相似度匹配计算后得出相似度分值最高的一组有序序列结果子集；所述有序序列结果子集即为所述辨认结果。

7.根据权利要求6所述的大数据并行化声纹辨认方法，其特征在于，在所述步骤S5中，所述的“最优的所述声纹预处理服务器根据多个所述声纹辨认处理服务器反馈的所述辨认结果得出最终辨认结果”的过程是：所述最优的所述声纹预处理服务器将各个所述声纹辨认处理服务器的有序序列结果子集按照高分优先序列进行重组，计算每一个相似度分值，再度进行全局排序，得出最终有序结果子集；所述最终有序结果子集即为所述最终辨认结果。