基于语音识别的汉语发音评测研究

论文摘要

近些年来,随着中国经济的快速发展和中国国际地位的不断提高,中国与世界的交往和联系日趋广泛和深入。汉语是中华文化的主要载体,也是世界各国了解中国的重要工具,不少国家出现了学习汉语的热潮。通过对传统语言教学和计算机辅助语言教学的研究现状的分析,我们针对目前语言学习中比较普遍存在的发音问题,设计开发出基于语音识别的计算机辅助语言教学网络系统。语音识别技术能够识别学习者的汉语发音,同时计算出该汉语发音的准确度,从而帮助学习者掌握汉语的准确发音；声调识别技术能够识别学习者发音的声调,并且计算出发音声调的准确度,这对于那些母语是非声调语言的学习者来说是非常有帮助的。本论文主要内容如下：1.基于已有的基频提取方法和特征提取、人工神经网络等技术,本文设计并提出一套完整声调识别模块,由音节切分模式,结合逆滤波SIFT方法提取基频,通过对基频曲线归一化,特征提取等操作,将改进的神经网络模型用于声调分类的完整声调识别方法；2.利用HTK平台建立了一个非特定人孤立词语音识别系统,并从混合高斯模型、语言模型和基频参数等方面对该系统进行改进,最终把系统的识别率提高到98%以上,基本满足了实际的使用要求。3.在基于HMM的对数似然值与声韵母层时长信息相结合的发音评测方法的基础上,进行完善,能够让系统对发音评测更加精准。4.利用Virtools软件平台,设计并实现基于Web的汉语发音练习的寓教于乐应用平台。本系统主要包括建立虚拟现实场景和各个角色模型及其相关的动作,并且将实验室三维重建的成果成功的应用到Web系统中；利用Virtools中的SDK开发包,在VC++6.0平台上开发适用于本系统的语音识别与评测接口,使本系统实现纠正学生声韵母层与声调层汉语发音的功能。

论文目录

• 致谢
• 中文摘要
• ABSTRACT
• 1 引言
• 1.1 选题背景与意义
• 1.2 基于语音识别的评测技术的发展与现状
• 1.2.1 语音识别概述
• 1.2.2 基于语音识别的发音评测概述
• 1.2.3 存在的问题与挑战
• 1.3 本论文的研究内容与结构
• 1.3.1 研究内容
• 1.3.2 论文结构组成
• 2 汉语声调识别
• 2.1 汉语声调识别模块的总体设计
• 2.2 音节切分
• 2.2.1 静音分段
• 2.2.2 阈值分段
• 2.2.3 转折分段
• 2.2.4 聚类分段
• 2.3 基频提取
• 2.3.1 基频提取简介
• 2.3.2 简化逆滤波法（SIFT）提取基音周期
• 2.3.3 算法实现步骤
• 2.3.4 平滑处理
• 2.4 基频特征提取
• 2.4.1 归一化的引入
• 2.4.2 归一化处理方法
• 2.4.3 特征提取
• 2.5 人工神经网络
• 2.5.1 人工神经元
• 2.5.2 人工神经元网络模型
• 2.5.3 人工神经元网络的学习过程
• 2.5.4 人工神经元网络的学习规则
• 2.5.5 Delta学习规则
• 2.5.6 多层网络的误差逆传播校正方法
• 2.5.7 BP网络的学习规则与计算方法
• 2.5.8 BP网络的设计分析
• 2.5.9 基于改进的BP网络算法实现
• 2.6 声调识别的实验及结果分析
• 2.6.1 基频提取
• 2.6.2 归一化处理
• 2.6.3 声调识别
• 2.7 本章小结
• 3 非特定人汉语语音识别
• 3.1 HTK平台介绍
• 3.1.1 HTK概述
• 3.1.2 HTK主要的工具
• 3.2 非特定人孤立词语音识别系统的建立
• 3.2.1 数据准备
• 3.2.2 模型训练
• 3.2.3 特征参数的改进
• 3.2.4 混合高斯模型数的改进
• 3.2.5 语言模型的改进
• 3.3 识别工具HVITE的改进
• 3.4 本章小结
• 4 自动发音评测
• 4.1 基于特征比较的评测方法
• 4.1.1 可用于比较的声学特征
• 4.1.2 特征比较算法-DTW
• 4.2 基于语音识别的评测方法
• 4.2.1 基于HMM的对数似然评分
• 4.2.2 归一化声学评分
• 4.2.3 段长评分
• 4.3 新评分方法的提出
• 4.4 评分映射
• 4.4.1 新评分映射模型
• 4.4.2 新评分方法的验证
• 4.5 本章小结
• 5 汉语语音技术应用系统设计与实现
• 5.1 需求方案分析
• 5.2 应用系统实现方案
• 5.2.1 应用总体设计
• 5.2.2 各个功能模块的说明
• 5.2.3 系统开发平台与工具
• 5.2.4 系统开发流程
• 5.3 应用系统的实现结果
• 5.3.1 网站主页
• 5.3.2 小人闯关
• 5.3.3 孤岛闯关
• 5.4 本章小结
• 6 结论
• 参考文献
• 作者简历
• 学位论文数据集