非負(fù)矩陣分解（ Non-negative Matrix Factorization，NMF）能保存語(yǔ)音信號(hào)的非負(fù)特征，是用于語(yǔ)音分離的重要方法，但該方法存在數(shù)據(jù)運(yùn)算復(fù)雜、計(jì)算量太大的問(wèn)題，需要研究能減少計(jì)算時(shí)間的并行計(jì)算方法。針對(duì)語(yǔ)音分離預(yù)訓(xùn)練及分離過(guò)程的計(jì)算問(wèn)題，文中提出深層轉(zhuǎn)導(dǎo)式非負(fù)矩陣分解并行算法，綜合考慮迭代更新過(guò)程的數(shù)據(jù)關(guān)聯(lián)性，設(shè)計(jì)了一種任務(wù)間和任務(wù)內(nèi)多級(jí)并行算法。該并行算法在任務(wù)級(jí)將分解訓(xùn)練語(yǔ)音得到對(duì)應(yīng)基矩陣的過(guò)程作為兩個(gè)獨(dú)立的任務(wù)進(jìn)行并行計(jì)算;在任務(wù)內(nèi)部進(jìn)程級(jí)把矩陣按行列劃分，主進(jìn)程把矩陣塊分發(fā)到從進(jìn)程，從進(jìn)程接收當(dāng)前矩陣塊汘計(jì)算結(jié)果矩陣子抉，然后將當(dāng)前進(jìn)程矩陣塊發(fā)送到下一進(jìn)程，實(shí)現(xiàn)笫二個(gè)矩陣中毎一個(gè)矩陣塊在所有進(jìn)程的遍歷，并計(jì)算結(jié)釆矩陣對(duì)應(yīng)子塊的乘積，最后由主進(jìn)程收集從進(jìn)程數(shù)據(jù)塊;在線程級(jí)子矩陣乘法運(yùn)算的過(guò)程中，采取生成多線程，通過(guò)共享內(nèi)存交換數(shù)據(jù)計(jì)算子矩陣塊的加速策略。該算法為首個(gè)實(shí)現(xiàn)深層轉(zhuǎn)導(dǎo)式非負(fù)矩陣分解的并行算法。在天河二號(hào)平臺(tái)上的測(cè)試結(jié)果表明，在分離多說(shuō)話人混合語(yǔ)音信號(hào)時(shí)，相比串行程序，所提出的并行算法能在不改變分離效果的前提下，使得預(yù)訓(xùn)練過(guò)程中使用64個(gè)進(jìn)程的加速比為18，分離過(guò)程使用64個(gè)進(jìn)程的對(duì)應(yīng)加速比為24。相較于串行及MP模型分離，混合模型分離時(shí)間大大縮短，從而證明了設(shè)計(jì)的并行算法可有效提高語(yǔ)音分離的效率。