Web服务器集群的负载均衡算法研究


!""#$!% 计算机工程与应用 & 引言 随着计算机技术和 ’()*+(*) 的迅速发展,网络的信息量与 访问量成几何级数增长,网络拥塞和服务超载日益成为网络及 其服务器必须面对的严峻问题。基于并行分布计算技术的服务 器集群(,*+-*+ ./01)*+)技术提供了一种高性能、高可靠性的服 务器解决方案,因此以其扩展性好、处理能力强、易于管理等优 点受到了国内外研究机构的关注和广泛应用。集群是一组相互 独立的、通过网络互联,并以单一系统模式加以管理的计算机 2&3。按照集群系统功能的侧重点不同,可以把集群分为三大类: 高可用性集群、负载均衡集群和超级计算集群。其中负载均衡 集群适用于提供相对静态的数据的服务,比如 4556 服务;它 建立在现有网络结构之上,因此提供了一种扩展服务器带宽和 增加吞吐量的廉价而有效的方法,从而增强了网络的数据处理 能力,提高了网络的灵活性和可用性。 根据文献2!3的观点,影响负载均衡的因素有三个,分别是 算法、网络拓扑以及负载均衡的粒度,该文仅对负载均衡算法 进行研究。负载均衡算法包括两种:静态负载均衡和动态负载 均衡。 静态负载均衡不管各个成员服务器运行时刻的负载情况, 而只是根据预先设定的分配方案对用户的请求进行分配。静态 算法中最简单的是随机选择算法。若客户请求的到达服从泊松 分布,且平均服务时间满足指数分布,则各个成员服务器的队 列就都是 7 8 7 8 & 排队系统,如果这些成员服务器是异构的,并 且处理能力分别为 !&,!!,$$$,!",则以概率为 #$ %!$ " & % & !!& 服务 器 ’$ 分配请求。轮转选择算法(9:0(; 9:<=()也是一种比较常 见的静态算法,即把客户请求依次分派给各个成员服务器,例 如,把第 & 个请求分配给服务器 ’$,$%& >:; "。对于异构系统, 也可以采用上述类似的按处理能力比例分配的处理方法。 由于影响客户访问频率的因素很多,且难以预测,因此静 态调度往往不能令人满意。此时可以考虑根据各服务器运行时 刻的负载情况及其它信息进行动态的负载均衡,最直观的想法 是将客户请求分配给当前负载最低的成员服务器。但该算法的 问题在于:收集各个服务器的当前负载会导致额外的开销,因 而对负载信息的收集只能间歇地进行;另一方面,不及时的信 息很可能会误导分配算法,从而破坏负载均衡。如何利用不够 准确及时的信息进行负载均衡是研究的一个难点与热点。研究 表明,在这种情况下引入一定的随机性反而会改善整个系统的 总体性能。目前已提出了很多动态算法,如 6=?@AB 算法,CDE 1=? F’ 和 GHH+*11=-* F’ 算法2I3,6=?@ABJ 算法2%3等。 但值得注意的是,目前普遍缺乏对算法设计的理论分析, 即使进行仿真实验也只能在一定的假设下验证算法的有效性, !"# 服务器集群的负载均衡算法研究 王 霜 修保新 肖卫东 (国防科技大学管理科学与工程系,长沙 #&""KI) LA>D=/:D=/$?:> 摘 要 近年来,服务器集群(,*+-*+ ./01)*+)技术以其扩展性好、处理能力强、易于管理等优点受到了国内外研究机构 的广泛关注和应用,其中的负载均衡算法更是研究的热点,但目前普遍缺乏算法的理论分析。该文对 6=?@AB、6=?@ABJ 算法的机理进行了深入的分析,揭示了它们的内在本质,并提出了动态负载均衡算法的理论模型,为以后设计更好的均 衡算法提供了理论上的支持,同时也可以从理论上定性地分析已有算法的效果。文章根据建立的理论模型,提出了一种 新的负载均衡算法 6=?@A5,能够根据参数在更新周期内自动确定较好的分配向量,从而从整体上达到较好的负载均衡。 关键词 集群系统 动态负载均衡算法 理论模型 6=?@A5 算法 文章编号 &""!ASII&A(!""#)!%A""KSA"I 文献标识码 G 中图分类号 56I"&$T $"%"&’() *+ ,-+&./( 0*&12#&3&+(/+4 534*’/6). 7*’ !"#28"’9/(" :3;%6"’ 8-%6". !&+4 8);&+4 /+ *() :N 7D(DH*>*() ,?=*(?* D(; L(H=(**+=(H,WD)=:(D/ X(=-*+1=)P :N U*N*(1* 5*?R(:/:HP,.RD(H1RD #&""KI) 5#%6’&(6: 7D@=(H 01* :N )R* 1*+-*+ ?/01)*+ ): RD(;/* )R* +*Y0*1)1 ZR=?R D+* =(?+*D1=(H Y0=?@/P =1 <*?:>=(H >:+* D(; >:+* V:V0/D+$L1V*?=D//P )R* /:D;A <*?:>*1 )R* R:)1V:) :N )R* +*1*D+?R$[:+ )R* D<1*(?* :N )R*:+*)=?D/ D(D/P1=1 ): D/H:+=)R>,)R=1 VDV*+ 10HH*1)1 D )R*:+*)=?D/ >:;*/ ): V+:-=;* 10VV:+) N:+ ;*1=H(=(H <*))*+ /:D; A :( )R* :+*,D )R*:+*)=?D/ >:;*/ =1 >D;* 01* :N ): ;*1=H( D (*Z /:D;A AAA6=?@A5$’( )R* *(;,)R=1 D/H:+=)R> =1 V+:-*; ): +*D?R <*))*+ *NN*?)1

,;P(D>=? /:D;A,)R*:+*)=?D/ >:;*/,6=?@A5 D/H:+=)R> 作者简介:王霜,硕士研究生,主要研究领域为分布式信息系统、信息管理。修保新,博士研究生,主要研究领域为粒度计算,信息管理。肖卫东,副 教授,博士研究生,主要研究领域为信息资源管理、智能决策支持技术。 KS 计算机工程与应用 !""#$!% 不能反映真实环境下的情况。同时,由于缺乏必要的理论分析, 也限制了进一步研究更高效算法的可能性。因此文章试图尝试 性地给出负载均衡算法的理论模型,为以后的研究工作提供一 定的参考。 该文第 ! 节介绍了性能较好的 &’()*+ 算法及其派生算法 &’()*+, 的基本原理并分析了这两种算法的内在本质;第 - 节 提出了负载均衡算法的理论分析模型;第 # 节给出了一种新的 动态负载均衡算法;最后对以上几种算法进行了比较分析,从 而在理论上得出了该算法的优越性。 ! &’()*+、&’()*+, 的基本原理及算法分析 该文的余下部分都假设总共有 ! 台成员服务器 ".,"!,$$$, "! 动态负载均衡算法总是定期更新一个记录各成员服务器目 前负载情况的列表,更新周期为 #。 !$. &’()*+ 算法 &’()*+ 算法的原理是:在更新周期 # 内,当有任务到来 时,从 ! 台成员服务器中选择任意 $ 个服务器,根据列表比较 它们的负载情况,选出一个负载最小的,将任务发送给这台服 务器。 这样,如果 $%! 就是总选择列表中记录的负载最低的服 务器,而 $/. 则是前面所讨论的随机分配。0’123456(7389#:对 &’()*+ 算法进行了较为详细的分析和模拟实验,实验表明,当 负载信息很及时的时候,&’()*+ 效果很好,当这个信息不够准 确及时的时候,它甚至不如 &’()*.。最后他得出结论认为,在大 多数情况下 $/! 时效果是最好的,也就是说此时客户的请求 响应时间最短。 !$! &’()*+, 算法 文9%:提 出 了 &’()*+ 的 一 个 派 生 算 法 ,称 为 &’()*+, 算 法。该算法在 &’()*+ 算法的基础上进一步加入了一些受控的 随机性。&’()*+, 的基本原理是:在更新周期 # 内,每当有任务 到达时,首先从 ".,"!,$$$,"! 中随机选出 $ 个服务器 & .,& !,$$$, & $,.!$!!;并设它们的负载分别为 ’.,’!,$$$,’$,则将当前请 求以概率 () %*) $ + % . !*+ 分配给服务器 & ) ,其中: ’,-,./ % $ + % . !’+ (.) *) % ’,-.,./ 0’) ’,-,./ )/.,!,⋯ ,$ (!) 可以看出,&’()*+, 算法的计算虽然要比 &’()*+ 复杂,但 均衡效果得到了较大的改善。实验结果表明,&’()*+, 的效果 比 &’()*+ 要好,而当更新周期 # 较长时,&’()*;, 的表现更好。 !$- &’()*+ 算法和 &’()*+, 算法的本质 通过对 &’()*+ 算法的分析,发现如果把更新后的服务器 列表中的服务器按照负载情况进行排序,即 ’.!’!!$$$!’!,那 么按照 &’()*+ 的原则进行选择,相应服务器被选到的概率分 别为 1$*. !*. 1$ ! ,1$*. !*! 1$ ! ,⋯ ,1$*. $*. 1$ ! ,",⋯ ,"。所以,&’()*+ 算法实际上 等价于,在更新周期 # 内,根据各台服务器负载的大小情况按 照上面的概率分配到达的任务。 对于 &’()*+, 算法,当 +/; 时,在更新周期内实际上也是 按照固定的概率将到达的任务分配给相应的服务器。 因此可以得到以下几点结论:(.)从概率的分布来看,当 ! 很大时 &’()*+ 算法还是倾向于在负载较轻的服务器中进行选 择。(!)&’()*+ 算法中,每次任务到达时选择台服务器,比较其 负载大小后再分配客户请求这一行动是不必要的,因为它等价 于在更新周期 # 内,按照各台服务器的负载大小情况依上面的 概率分配到达的任务。 - 动态负载均衡算法的理论模型 通过以上分析,人们希望能够设计动态负载均衡算法的理 论模型,用来解释已有算法的有效性,并为以后设计新的算法 提供一定的理论基础。 设客户请求到达服从泊松分布,并用 ! 表示任务的到达 率,即单位时间到达的任务数。则更新周期 # 内到达的任务数 的期望值为 2#%!· #。用概率向量 (/(3.,3!,$$$,3!)表示每次客户 请求到来时分配给服务器 ".,"!,$$$,"! 的概率,并称为分配向 量,这里假设它们相应的负载依次递增,即 ’.<’!<$$$<’!。 考虑 # 趋于 " 的情况,此时相当于实时更新,每次客户请 求到达时都能得到最新的服务器负载状态,所以当然要选择具 有最小负载的服务器,所以此时的概率向量为(.,",$$$,"); 当 2#/. 时,从统计意义上看,更新周期 # 内客户请求到来 的个数期望值为 .,所以也可以选择具有最小负载的服务器, 此时的概率向量仍然为(.,",$$$,"); 当 2#/! 时,从统计意义上看,更新周期 # 内客户请求到来 的个数期望值为 !,所以每次请求到来时可以只在 ".,"! 间进 行选择,此时的概率向量为(3! . ,3! ! ,",$$$,"),这里需要满足 3! . = 3! ! ,而且它们的确定与 ’.,’! 的值有关。 依次类推,可以建立动态负载均衡算法的理论模型。 -$. 动态负载均衡算法的理论模型 # 和 2#%!· # 如上所述。在更新周期 # 内,设服务器 "., "!,$$$,"! 相对应的负载状态满足 ’.<’!<$$$<’!,则每次新来客户 请求时,按照分配向量(3 2# . ,3 2# ! ,$$$,3 2# ! )分配任务,此分配向量满 足下列条件: (.)3 2# + /",’> +42#; (!)3 2# . 43 2# ! =$$$=3 2# ! ; (-)分配向量(3 2# . ,3 2# ! ,$$$,3 2# ! )由相应的负载状态 ’.,’!,$$$, ’! 确定。 最佳分配向量存在性假设: 笔者认为,在更新周期内,存在这样的分配向量,使得在这 段时间 # 内,按照这个分配向量进行客户请求分配,在这个时 间段结束时,能够实现最佳的负载均衡。 当 #,2#%!· # 以及 ’.,’!,$$$,’! 确定时,可以认为当 2# 趋于 无穷时,最佳分配向量将是收敛的,即: ?’5 2# "5 (3 2# . ,3 2# ! ,$$$,3 2# ! )/(3.,3!,$$$,3!) (-) -$! 动态负载均衡算法的理论模型与 &’()*+、&’()* ;, 算法的关系 根据 !$- 节所述,&’()*+ 算法在每个更新周期内的分配向 量为( 1$*. !*. 1$ ! ,1$*. !*! 1$ ! ,⋯ ,1$*. $*. 1$ ! ,",⋯ ,"),这个分配向量是在 2# 较 @A !""#$!% 计算机工程与应用 系统资源的耗费 负载均衡性 应答延迟 &’()*+ 中 更新周期短时较好 大 &’()*+, 大 更新周期长时较好 中 &’()*- 小 尽可能保证任意更新周期 小 下保持较好的负载均衡 小的情况下,对(! "# . ,! "# ! ,$$$,! "# $ )的一种近似实现;所以 &’()*+ 算法在更新周期 # 较小时,各服务器的负载均衡性较好,这与 实验结果相吻合。因为一般情况下 # 不会非常小,所以在大多 数情况下 %&! 时效果是最好的,这也与实验结果吻合。 &’()*/, 算法在每个更新周期内的分配向量为(’.,’!,$$$, ’$),其中 ’( &)( % * & . !)* ,)* 满足(!)式。这个分配向量是在 "# 较 大的情况下,对(! "# . ,! "# ! ,$$$,! "# $ )的一种近似实现;所以 &’()*/, 算法在更新周期 # 较大时,各服务器的负载均衡性较好,这与 实验结果相吻合。 另外,&’()*+ 算法中分配向量的确定只是根据各服务器 负载的大小关系得到的,当各服务器的负载情况差异较大时, 该分配向量就远离了理论模型中的最佳分配向量;而 &’()*+, 算法考虑了各服务器负载情况的大小差异,分配向量更接近理 论模型中的最佳分配向量,所以可以取得较 &’()*+ 算法更好 的效果,与实验结果相吻合。 # 一种新的 &’()*- 选择算法 通过第 0 节建立的动态负载均衡算法的理论模型,可以发 现,设计一种效果良好的均衡算法,关键是每个更新周期内的 分配向量要尽可能地接近最佳分配向量,由于实际情况的复 杂,除非对任务的到达和任务的大小加上其他限制条件,否则 这个最佳分配向量是不可能得到的。但是可以得到这个最佳分 配向量的定性性质,即满足 0$. 节中的 0 个条件。因此可以设 计一个更灵活的算法,使得在不同的更新周期 # 下,能够自动 确定更好的分配向量,笔者称其为 &’()*- 算法。 #$. &’()*- 算法 # 和 "#&!· # 的含义如上所述。在更新周期 # 内,设服务器 +.,+!,$$$,+$ 相对应的负载状态满足 ,.1,!1$$$1,$,则每次新来客 户请求时,按照分配向量(’.,’!,$$$,’$)分配任务,其中 ’( & )( 2’3(!"# 」,$) * 4 . ! )* ,.-(!2’3(!"# 」,$) ", !"# 」-(! " $ # $ % $ (#) ,./.01 & 2’3(!"# 」,$) * 4 . ! ,* (%) )( 4 ,./0.01 2,( ,./.01 (4.,!,⋯ ,2’3(!"# 」,$) (5) 这里,!"# 」表示小于 "# 的最大整数。 #$! &’()*- 算法的参数讨论 该算法中的参数 "# 与更新周期 # 和任务的到达率 ! 有 关,! 一般由以往的统计信息近似确定。 (.)当 "# 4. 时,可以认为此时近似满足各服务器负载状态 实时更新,而此时 2’3(!"# 」,$) * 4 . ! ) * &",设定相应的分配向量为(.,", ⋯ ,")。 (!)当 "# "$ 时,&’()*- 算法等价于 &’()*/, 算法。 % &’()*- 选择算法与 &’()*+、&’()*+, 算法的比较 通常,算法的比较需要通过实验来实现,按照文章的宗旨, 提出了动态负载均衡算法的理论模型,说明了 &’()*+、&’()* +, 算法是这种理论算法的近似实现,并分析了它们的合理性, 与实验结果相一致。而算法 &’()*- 也是根据理论算法模型派 生出来的,所以可以从理论上来定性的分析这三种算法。 &’()*- 算法的目标有三个:第一,要让系统在调度方面耗 费的资源尽量小;第二,要让各台服务器的负载尽量均衡;第 三,使客户的请求在尽量短的时间内得到回复。所以下面就根 据这三个目标对这三种算法进行比较。 %$. 系统资源的耗费 在更新服务器负载列表方面,这三种算法的消耗是相同 的,都是在后台进行运作。但在选择服务器时,&’()*- 要进行 的工作仅仅是依照已经计算好的固定概率在!"# 」台服务器中 选择,所以对系统资源的消耗是最小的;&’()*+ 算法要在每个 任务到达时,在 $ 台服务器中随机选 % 个,然后根据表中的负 载情况,进行比较选择负载最轻的一台,所以它对系统资源的 消耗要大一些;&’()*+, 算法是在每个任务到达时,从 $ 台服 务器中随机选择 % 个,计算相应的分配概率,然后依概率进行 分配,因此,&’()*+, 算法对系统资源的消耗是最大的。 %$! 负载均衡 按照前面的分析,当更新周期较短时,&’()*+,尤其是 &’()*! 具有较好的效果;当更新周期较长时,&’()*+, 算法表 现很好。而 &’()*- 算法由于是根据参数 "# 在更新周期内自动 确定较好的分配向量,所以中和考虑了前面两种算法的优点。 %$0 服务延迟 对客户应答的延迟就是由系统资源的耗费和负载均衡性 决定的,当均衡器的资源耗费得少,而且各服务器的负载比较 均衡时,对客户发来的请求的应答延迟就会减小。从上面的分 析可以看出 &’()*- 算法在这方面比较理想。 通过表 .,可以很清楚地看出本算法的优越性。 表 . 三种算法性能比较 5 结论 该文对负载均衡算法,特别是动态负载均衡算法进行了详 细的研究,鉴于已有的研究工作普遍缺乏算法理论方面的研 究,该文对 &’()*+、&’()*+, 算法的机理进行了深入的分析, 揭示了它们的内在本质,并提出了动态负载均衡算法的理论模 型,为以后设计更好的均衡算法提供了理论上的支持,同时也 可以从理论上定性的分析已有算法的有效性,避免某些不必要 的实验。该文根据前面建立的理论模型,提出了一种新的负载 均衡算法 &’()*-,能够根据参数 "# 在更新周期内自动确定较 好的分配向量,从而从整体上达到较好的负载均衡。最后通过 理论上的分析对三种算法进行了比较,定性地分析了它们的性 能。希望文章的理论模型和算法能够为以后的研究工作提供一 定的参考价值,为动态负载均衡算法的研究提供一定的理论基 础。(收稿日期:!""# 年 ! 月) 参考文献 .$陈华平$可扩展并行 678 服务器集群的实现技术9:;$计算机工程与应 (下转 << 页) =" 计算机工程与应用 !""#$!% (上接 &" 页) 用,!""";’((’):)#*+)%) !$胡子昂,王立$算法、网络拓扑及调度频率与动态负载平衡的关系,-.$ 计算机工程与科学,!""";!!()):)"#+)"/ ’$012345 6$7589:;:9845< =8139 >?1@ 75A?:B184?5,C.$75:D:?E ?A 829 )*82 7583 C?5A ?5 04F8:4GH89@ C?B;H845< =IF89BF,)***J"% #$648K95B1E29: 6$L?M NF9AH3 4F O3@ 75A?:B184?5,C.$75:D:?E ?A 829 )%82 P55H13 PC6 %$C95?Q1 R,C2:4F895F95 S -$C2153395<9F 75:NT> =M48E245< A?: 7B;39J B95845< U3?G133I 04F8:4GH89@ V9G =489F,C.$75:D:?E ?A 829 V?:WF2?; ?5 =E131G39 V9G =9:Q4E9F,!"""J"&:&*+*# ($马晓星$分布式 V9G 服务器综述,-.$计算机科学,!""!;!*()):/+)! 参数 阴平 阳平 上声 去声 合计 语音集 ) )$!% "$#! "$&* "$/" ’$!( 基频 语音集 ! )$(# "$%! "$*! "$&* ’$*/ 语音集 ’ )$*/ %$’’ !$’( )$’* ))$"% 语音集 ) !$"! "$’( "$(* "$’! ’$’* 基频差分 语音集 ! !$"( "$%( )$!% "$%& #$#% 语音集 ’ !$/& ’$!% ($’! )$/# )#$"* 语音集 ) !$)! &$(& ’$#% !)$’% ’%$(" 能量 语音集 ! #$’# )"$#% %$’/ !!$&/ #’$"’ 语音集 ’ &$)! )%$/* ($’% !#$(! %#$&& 语音集 ) )$!# ’$(& ’$*( /$%( )($## 能量差分 语音集 ! /$’( ($%# ’$&# ))$!# !&$*& 语音集 ’ !’$!% ))$%# ’$(/ !"$’( %&$&! 阴平 阳平 上声 去声 合计 语音集 ) "$&* "$&# "$*% "$(# ’$’! 语音集 ! "$*/ )$)) )$(/ "$(/ #$#! 语音集 ’ !$%’ ’$)/ %$#% )$&’ )!$*& 语音集 ) "$*! "$&( "$*/ "$(# ’$’* 语音集 ! "$*% )$!% )$/% "$/! #$(/ 语音集 ’ !$’’ #$*& #$*& )$*& )#$!/ 语音集 ) "$*% "$&( "$*/ "$(/ ’$#% 语音集 ! )$"( "$*/ !$’’ "$&* %$!% 语音集 ’ ’$&’ !$% ($% !$&’ )%$(( 语音集 ) "$*% "$&( "$*/ "$(/ ’$#% 语音集 ! )$)! )$## !$)) "$/& %$#% 语音集 ’ #$’’ %$"" ($)/ !$%" )&$"" 基频X 基频差分X能量 基频 X 基频差分 参数 基频X 基频差分X能量差分 基频X基频差分X能量 X能量差分 话水平为二级甲等的 ’ 男 ’ 女的前 ’ 遍语音共 ’("" 个字音为 语音集 ),为训练样本,他们的后 ! 遍语音为语音集 !,其他人 读的语音皆归为语音集 ’。实验平台为 YCXX($"。 对测试语音得出的结果如表 ! 所示。 表 ! 单参数的一级 ZD 模型四声识别错误率([) 表 ’ 组合参数的一级 ZD 模型四声识别错误率 / 结论 从表 ! 可以看出,以基频为参数的系统的语音声调识别率 高于以基频差分为参数的系统 ’$"#[,还远高于能量和能量差 分,这说明基频轮廓是声调的本质特征,不但是基频的变化模 式还包括基频的相对高低。所有实验结果中,语音集 ’ 的识别 结果都差于语音集 ) 和 !,这说明不同话者间声调高低对识别 率的影响较大,进一步的研究应更详细地探讨话者之间基频的 规正问题。表 ’ 中所有的特征组合的识别率都低于表 ! 中的只 用基频特征的声调识别率,这说明简单地增加特征并不能提高 声调识别率,而表 # 中采用两级 ZD 网络识别方法的基频与基 频差分组合的声调识别率达到 *"$"%[,在所有组合中效果最 佳,比单用基频错误率降低了 )$)[,比采用一级 ZD 网络方法 错误率降低了 ’$"’[,说明本文的方法是可靠的和可行的。能 量和能量差分加入到基频与基频差分的特征组合后识别率反 而下降,说明能量和能量差分虽有一定的表达能力,但这部分 能力与基频轮廓是冗余的,因此,系统只采用了基频与基频差 分为识别特征。进一步的研究应扩展词汇表,增加多字节词表, 增加测试人员,以得出更广泛的结论。同时,由于轻声失去原有 声调,用目前的方法还不能有效识别,针对轻声的特点要做进 一步的研究。(收稿日期:!""# 年 / 月) 参考文献 )$吴宗济,林茂灿$实验语音学概要,6.$北京:高等教育出版社,)*&* !$顾良,刘润生$利用声调判别提高汉语数码语音识别性能,-.$清华大学 学报(自然科学版),)**&;(*) ’$孙放,胡光锐$一种新型前向神经网络用于汉语四声识别,-.$上海交通 大学学报,)**/;’)(%):’(+’& #$朱小燕,王昱,刘俊$汉语声调识别中的基音平滑新方法,-.$计算机学 报,!"");!#(!):!)’+!)& %$徐士林$四声模糊识别方法,-.$电子学报,)**(;!#()):))*+)!) ($钟金宏,杨善林,徐士林$三字词声调的模糊识别方法,-.$系统工程与 电子技术,!""";!!()!):(*+/! /$方绍武,戴蓓倩$基于话者特征图案的 ZD\\ 话者模型,-.$计算机学报, !""!;!%(%):%%(+%(" &$沈清,汤霖$模式识别导论,6.$长沙:国防科技大学出版社,)**) *$> T 拉宾纳,T V 谢弗$语音信号数字处理,6.$北京:科学出版社, )*&’ )"$T?FF 6,=21AA9: L,C?295 P 98 13$PQ9:1<9 B1<548H@9 @4AA9:95E9 AH5J E84?5 ;48E2 9]8:1E8?:,-.$7^^^ _:15F ?5 PE?HF84EF,=;99E2 15@ =4<513 D:?E9FF45<,)*/#;P==DJ!!(%):’%’+’(! ))$=959AA =$T913J84B9 21:B?54E ;48E2 @989E8?:,-.$7^^^ _:15F ?5 PE?HFJ 84EF,=;99E2 15@ =4<513 D:?E9FF45<,)*/&;P==DJ!((#):’%&+’(% 阴平 阳平 上声 去声 合计 语音集 ) "$#/ "$’( "$%’ "$’( )$/! 语音集 ! "$%’ )$)) )$!’ "$#% ’$’! 语音集 ’ !$(/ ’$(# !$*/ "$(/ *$*% 语音集 ) "$%& "$&# "$&/ "$## !$/’ 语音集 ! "$(# )$"’ )$%# "$%! ’$/’ 语音集 ’ !$(/ ’$!! %$)) "$(/ ))$(( 语音集 ) "$%% "$&# "$*! "$#% !$/( 语音集 ! "$(/ )$"’ )$/% "$%! ’$*/ 语音集 ’ !$(/ ’$’’ ($!! "$(/ )!$&* 基频 X 基频差分 参数 基频X 基频差分X能量 基频X 基频差分X能量差分 表 # 两级 ZD 模型四声识别错误率 尾音节 无 阴平 阳平 上声 去声 阴平 ’! ’ % ) ( 阳平 !) # ’ ! % 上声 )# " % ’ ’ 去声 ’’ ) ) ! ( 首 音 节 表 ) 词表的音节声调构成表 **

还剩3页未读

继续阅读

下载pdf到电脑,查找使用更方便

pdf的实际排版效果,会与网站的显示效果略有不同!!

需要 2 金币 [ 分享pdf获得金币 ] 0 人已下载

下载pdf

pdf贡献者

adamchen

贡献于2013-09-05

下载需要 2 金币 [金币充值 ]
亲,您也可以通过 分享原创pdf 来获得金币奖励!
下载pdf