| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-19页 |
| ·课题的研究背景 | 第9-10页 |
| ·研究现状 | 第10-17页 |
| ·异构并行计算 | 第10-12页 |
| ·基于 CUDA 的 GPU 体系结构 | 第12-13页 |
| ·通用并行模式 | 第13-17页 |
| ·本文研究工作与论文组织 | 第17-19页 |
| 第2章 大规模说话人识别系统并行化可行性分析 | 第19-38页 |
| ·基于 GMM-UBM 模型的说话人识别系统 | 第19-21页 |
| ·特征提取 | 第20-21页 |
| ·端点检测 | 第21页 |
| ·模型训练 | 第21页 |
| ·并行编程语言和模型 | 第21-35页 |
| ·用 MPI 进行分布式内存编程 | 第21-23页 |
| ·使用 POSIX 线程 Pthreads 进行共享内存编程 | 第23-27页 |
| ·使用 OpenMP 自动并行化串行代码 | 第27页 |
| ·基于 GPU 的运算 GPU-CUDA | 第27-35页 |
| ·说话人识别系统中实现并行化的技术方案 | 第35-38页 |
| 第3章 大规模说话人识别系统实现异构计算的核心技术 | 第38-60页 |
| ·CPU 多进程队列调度模块 | 第38-47页 |
| ·进程描述、控制和调度分析 | 第38-43页 |
| ·说话人识别系统中的 CPU 多进程调度模块设计 | 第43-47页 |
| ·GPU 多线程计算模块 | 第47-60页 |
| ·CUDA 中的数据并行执行模型 | 第48-51页 |
| ·提高 CUDA 存储器访问效率 | 第51-53页 |
| ·说话人识别系统中卷积运算的GPU多线程计算模块设计 | 第53-60页 |
| 第4章 基于异构并行的大规模说话人识别系统实现方法 | 第60-67页 |
| ·基于 Visual Studio 和 CUDA 工具包开发 GPU 多线程程序 | 第60-61页 |
| ·Visual Studio 开发环境概述 | 第60页 |
| ·CUDA 环境部署 | 第60-61页 |
| ·使用 Python及标准库开发主进程调度模块 | 第61-64页 |
| ·基于 GMM-UBM模型的大规模说话人识别异构并行系统性能测试 | 第64-67页 |
| ·实验语音库 | 第64页 |
| ·说话人识别系统组成 | 第64页 |
| ·说话人识别系统测试规则 | 第64-65页 |
| ·计算机性能参数 | 第65页 |
| ·串行说话人识别系统召回率测试 | 第65页 |
| ·串行系统组件执行时间、系统完整执行时间测试 | 第65页 |
| ·并行架构说话人识别系统召回率测试 | 第65页 |
| ·并行系统组件执行时间、系统完整执行时间测试 | 第65-67页 |
| 第5章 结论与展望 | 第67-70页 |
| ·结论 | 第67-68页 |
| ·展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 攻读学位期间发表论文与研究成果清单 | 第73-74页 |
| 致谢 | 第74页 |
