1.一种基于边缘计算加速自动语音识别任务的卸载方法，其特征在于，主要包括以下步骤：

1)建立边缘通信系统，包括云服务器、若干基站和若干用户端；每个基站均设有边缘服务器；

2)用户端向基站发送携带音频文件的自动语音识别任务；

3)基站接收到自动语音识别任务后，采集音频数据，再将自动语音识别任务发送至云服务器，发送方式包括以下两种：I)基站对自动语音识别任务进行数据压缩，再发送至云服务器；

II)基站直接将自动语音识别任务发送至云服务器；

4)建立自动语音识别任务卸载模型；

建立自动语音识别任务卸载模型的主要步骤如下：

4.1)计算第s个用户端的自动语音识别任务传输到第t个基站的传输时延 即：式中，Xts表示第s个任务和第t个边缘服务器之间的传输速率；vts表示第t个边缘服务器分配给第s个任务的计算资源；wts∈{0,1}表示第s个任务是否被卸载和处理；wts＝1表示第t个边缘服务器使用编码器对第s个任务进行数据压缩，wts＝0表示第t个边缘服务器不进行数据压缩；i0为常数；gts表示基站和自动语音识别任务的关联性；gts＝1表示第s个任务与第t个基站之间有关联；gts＝0表示第s个任务与第t个基站之间没有关联；ks表示第s个任务需要的计算周期；os表示第s个任务的数据大小；T为基站总数，S为任务总数；

第s个任务和第t个边缘服务器之间的传输速率Xts如下所示：

式中，Bs、Ps、rts和 分别表示第s个用户端到第t个基站的传输带宽、传输功率、信道增益和噪声功率；

4.2)计算第s个基站的第t个语音识别任务传输到云端的时延 即：式中，Cs为压缩率；Xt表示第t个基站发送数据压缩后的第s个任务到云服务器处理第s个任务为止的平均链路传输速率；X0表示云服务器处理任务的平均计算速度；

4.3)计算第s个用户端将第s个任务通过第t个基站传送到云服务器，并由云服务器处理第s个任务的时延 即：

4.4)建立自动语音识别任务卸载模型的目标函数Dtot，即：

5)利用交替迭代的方法对自动语音识别任务卸载模型进行解算，得到最后任务卸载策略。

2.根据权利要求1所述的一种基于边缘计算加速自动语音识别任务的卸载方法，其特征在于，基站对自动语音识别任务进行数据压缩的主要步骤如下：

1)基站在接收到自动语音识别任务后，将所述自动语音识别任务输入到存储在边缘服务器内的梅尔滤波器中，对自动语音识别任务进行滤波，将自动语音识别任务的音频数据转换为梅尔频率倒谱系数；梅尔滤波器对自动语音识别任务进行压缩的压缩率为

2)将处理后的自动语音识别任务输入到存储在边缘服务器内的深度神经网络中；所述深度神经网络包括P层卷积层和Q层池化层；

深度神经网络对滤波后的自动语音识别任务进行压缩的压缩率Cs如下所示：式中， 和 为初始自动语音识别任务的长和宽； 和 为压缩完成后自动语音识别任务的长与宽；H0为自动语音识别任务的深度。

3.根据权利要求1所述的一种基于边缘计算加速自动语音识别任务的卸载方法，其特征在于，利用交替迭代的方法对自动语音识别任务卸载模型进行解算的方法为：利用交替迭代方法对自动语音识别任务卸载模型的目标函数Dtot进行迭代解算，计算出时延最大的任务对应的表征第s个任务是否被卸载和处理的参数wts和计算资源vts的值，从而得到最短传输延迟的卸载策略。