基于VoiceXML的語音增值業(yè)務(wù)平臺(tái)及其算法的研究.pdf

1、在當(dāng)前以及下一代網(wǎng)絡(luò)中，語音業(yè)務(wù)是最重要的業(yè)務(wù)，占有非常大的比重，是運(yùn)營(yíng)商主要的盈利手段。而語音增值業(yè)務(wù)的蓬勃發(fā)展給運(yùn)營(yíng)商帶來的并不只是直接的利潤(rùn)，它還提高了現(xiàn)有設(shè)備的利用率，更給用戶帶來了新的語音體驗(yàn)，提高了用戶對(duì)運(yùn)營(yíng)商的忠誠(chéng)度，吸引更多的用戶使用該運(yùn)營(yíng)商的網(wǎng)絡(luò)，也給運(yùn)營(yíng)商的其他業(yè)務(wù)帶來了潛在的客戶和利潤(rùn)。 然而，現(xiàn)有語音增值業(yè)務(wù)平臺(tái)的封閉、不靈活、維護(hù)困難、業(yè)務(wù)開展困難等缺點(diǎn)難以根除。隨著語音增值業(yè)務(wù)的發(fā)展，用戶數(shù)量的增加，

2、現(xiàn)有的語音增值業(yè)務(wù)平臺(tái)已經(jīng)不能滿足需求，變成了阻礙語音增值業(yè)務(wù)進(jìn)一步發(fā)展的因素。所以新的語音增值業(yè)務(wù)平臺(tái)應(yīng)運(yùn)而生，而已經(jīng)成為語音瀏覽器的規(guī)范的VoiceXML(Voice eXtensible Markup Language，語音可擴(kuò)展標(biāo)志語言)具有開發(fā)靈活、業(yè)務(wù)開展方式簡(jiǎn)單等優(yōu)點(diǎn)，是新的語音增值業(yè)務(wù)平臺(tái)的最佳選擇之一。 本論文受國(guó)家杰出青年科學(xué)基金(No.60525110)、新世紀(jì)優(yōu)秀人才支持計(jì)劃(No.NCET-04-011

3、1)、高等學(xué)校博士學(xué)科點(diǎn)專項(xiàng)科研基金資助課題(No.20030013006)資助，對(duì)基于VoiceXML的語音增值業(yè)務(wù)平臺(tái)和其中涉及的一些算法進(jìn)行了研究。目前，在研究成果的基礎(chǔ)上已經(jīng)完成了一個(gè)語音增值業(yè)務(wù)系統(tǒng)的開發(fā)，并且已在多個(gè)省份部署，擁有數(shù)百萬的增值業(yè)務(wù)用戶。 論文對(duì)研究過程中取得的主要?jiǎng)?chuàng)新成果進(jìn)行了詳細(xì)闡述。這些創(chuàng)新工作簡(jiǎn)要?dú)w納如下： 1)VoiceXML語音增值業(yè)務(wù)平臺(tái)通過網(wǎng)絡(luò)來獲取VoiceXML業(yè)務(wù)腳本和業(yè)務(wù)

4、資源，所以不可避免地引入了網(wǎng)絡(luò)時(shí)延，而電話用戶對(duì)時(shí)延極其敏感。為了解決這個(gè)問題，對(duì)VoiceXML語音增值業(yè)務(wù)平臺(tái)中的預(yù)取方案進(jìn)行了研究，并認(rèn)為在VoiceXML語音增值業(yè)務(wù)平臺(tái)中預(yù)取的對(duì)象應(yīng)是’VoiceXML業(yè)務(wù)腳本中引用的業(yè)務(wù)語音資源，提出了一種自適應(yīng)多用戶共享的Markov預(yù)測(cè)算法，利用語音增值業(yè)務(wù)平臺(tái)可以感知用戶是否在線的特點(diǎn)，統(tǒng)一計(jì)算所有在線用戶下一步所需的資源及其概率，提高了預(yù)測(cè)的準(zhǔn)確率；進(jìn)一步提出應(yīng)采用搶占式優(yōu)先級(jí)調(diào)度算

5、法對(duì)預(yù)取任務(wù)進(jìn)行調(diào)度，將資源將會(huì)被訪問的概率映射為優(yōu)先級(jí)參與排隊(duì)進(jìn)行預(yù)取調(diào)度。仿真研究表明，自適應(yīng)多用戶共享的Markov預(yù)測(cè)算法比目前的單用戶Markov預(yù)測(cè)算法對(duì)資源未來的使用概率的預(yù)測(cè)更加準(zhǔn)確，采用搶占式優(yōu)先級(jí)調(diào)度模型也能比目前的循環(huán)調(diào)度模型得到更好的預(yù)取效益。兩種算法結(jié)合可以有效地降低網(wǎng)絡(luò)時(shí)延帶來的影響，提高語音增值業(yè)務(wù)平臺(tái)的響應(yīng)速度，減少用戶的等待時(shí)間。 2) 為了更好地降低網(wǎng)絡(luò)時(shí)延帶來的不良影響，對(duì)緩存替換算法作了深

6、入地研究，在分析了現(xiàn)有的若干緩存替換算法后，指出替換算法應(yīng)該分成兩個(gè)關(guān)鍵問題，其一是確定資源的效用函數(shù)，其二是替換過程的算法。針對(duì)第一個(gè)問題，改進(jìn)了LRU-K(K-Least Recently Used，K階最近使用)算法并提出了新的效用函數(shù)PLRU-K(Perfect LRU-K，完美的LRU-K)；對(duì)于第二個(gè)問題，根據(jù)0/1背包原理，提出了采用一階優(yōu)化貪婪替換過程(1-optimalGreedy Replacement Proces

7、s，1-GRP)算法對(duì)緩存進(jìn)行替換選擇。仿真結(jié)果顯示，PLRU-K的效用函數(shù)要比LRU-K、P-LFU(Perfect L-east Frequently Used，完美的最少使用)效用函數(shù)更能體現(xiàn)緩存資源未來的使用收益；1-GRP算法要比P-GRP(Profit-based Greedy Replacement Process，基于收益的貪婪替換過程算法)、PD-GRP(Profit-Density-based Greedy Repl

8、acement Process，基于收益密度的貪婪替換過程算法)更能讓緩存獲得更大的收益；基于PLRU-K和1-GRP的緩存替換算法的性能要超過其他的替換算法，特別是在緩存空間較小的情況下。 3) 為了避免緩存中的VoiceXML文檔及資源與服務(wù)器上的原件不一致而將過期的數(shù)據(jù)提供給用戶，緩存的一致性控制算法不可或缺。本文討論了在Web環(huán)境中，在不對(duì)HTTP(HyperText Transfer Protocol，超文本傳輸協(xié)議)

9、及Web服務(wù)器進(jìn)行任何修改的前提下，如何更好地實(shí)現(xiàn)緩存一致性控制的問題。在分析了目前一致性控制算法的優(yōu)劣的基礎(chǔ)上，考慮到VoiceXML文檔的特性，根據(jù)Web文檔修改時(shí)間間隔滿足負(fù)指數(shù)分布這一結(jié)論，提出了隨機(jī)分布擬合預(yù)測(cè)算法，使用參數(shù)估計(jì)的方法來擬合VoiceXML文檔修改時(shí)間間隔的隨機(jī)分布，再通過此分布預(yù)測(cè)VoiceXML文檔改變的概率，用以指導(dǎo)是否應(yīng)使用緩存內(nèi)的文檔。仿真研究表明，使用隨機(jī)擬合分布預(yù)測(cè)算法能得到小于0.01％的文檔過

10、期率，基本滿足電信系統(tǒng)中呼損率的要求，同時(shí)能獲得較大的性能提高。 4) 針對(duì)VoiceXML中不能直接提供多方通信控制功能的問題，提出對(duì)VoiceXML的obiect元素提供的功能進(jìn)行擴(kuò)展；在討論了多方通信控制所需要的具體功能之后，提出了阻塞式和非阻塞式兩種不同的object擴(kuò)展方案并分析了各自的優(yōu)劣，還舉例說明了如何使用這些object。 5) 在電話會(huì)議的應(yīng)用中，混音是一個(gè)關(guān)鍵的問題，而目前的混音算法都沒有很好地克服

11、混音后音量忽大忽小變化的問題。在分析了目前的混音算法之后，提出了非均勻波形收縮混音算法，該算法基于在語音信號(hào)中低強(qiáng)度信號(hào)比高強(qiáng)度信號(hào)出現(xiàn)幾率更高的事實(shí)，采用與混音路數(shù)無關(guān)的恒定混音權(quán)重進(jìn)行混音操作。同時(shí)該算法不需要進(jìn)行乘除法操作，沒有浮點(diǎn)運(yùn)算，容易采用硬件實(shí)現(xiàn)。實(shí)驗(yàn)證明，該混音算法效果理想，混音后的語音自然流暢，沒有噪音，在多路語音輸入時(shí)仍能保證語音質(zhì)量，并且是目前最快的混音算法之一，完全能滿足語音會(huì)議中高性能、高并發(fā)的混音要求。本論文