英语口语学习中的语音识别技术

论文摘要

随着计算机技术的发展,计算机辅助教学在教育领域运用越来越广泛。现在借助于计算机辅助教学人们已经可以更加便捷的学习语言。计算机丰富的图形、声音处理功能有力促进了人们的语言学习效果。目前该领域的研究热点集中在探索有效的语言学习方法,把语音识别技术与多媒体技术相结合。开发具有语音识别判别能力的教学软件,己成为这一类语言教学的热点。虽然目前语言教学软件发展较快,但是众多软件都缺乏对口语学习结果良好的评估和反馈。然而在语言发音学习中,对学习者一个很大的帮助就是来自于有效的反馈。这就成为制约智能化学习软件发展的一大瓶劲。对于这一问题,本论文将首先介绍语音识别相关基础知识,根据中国人的英语发音习惯,研究建立针对性的语料库,结合以中文为母语的英语口语学习者的需求,利用基于HMM模型的语音识别技术,对语音进行Viterbi解码,并通过后验概率进行识别评分。最后运用专家库进行音素纠错,实现一个整合了解码、评分与纠错三大功能模块的系统。其中主要工作集中在深入研究语音识别基础上的语音评分和纠错算法,解决语音识别技术应用于口语学习的一系列应用上的难题,尤其是在语音纠错方面。最终为英语口语学习软件的开发提供一套可行的技术方案。在该系统方案基础上,本论文介绍了各个模块的具体技术实现并提供了部分核心模块,核心函数的实现细节。最终经过试验测试,用实际数据论证该方案的可行性。上述技术已在上海交通大学与Sharp株式会社合作项目“世博英语口语学习”项目中得到应用。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 语音识别概述
• 1.1.1 语音识别在学习中应用的重要意义
• 1.1.2 语音识别技术的发展史
• 1.1.3 语音识别的基本方法
• 1.2 英语的特点
• 1.3 英语教学现状
• 1.4 技术难点
• 1.5 本文的主要工作和组织结构
• 1.5.1 本文的主要工作
• 1.5.2 组织结构
• 第二章 语音识别基本原理
• 2.1 概述
• 2.2 语音信号预处理
• 2.2.1 语音产生机理
• 2.2.2 模拟信号数字化
• 2.2.3 时间依赖处理
• 2.2.4 语音端点检测
• 2.3 特征值提取
• 2.3.1 倒谱分析
• 2.3.2 Mel 倒谱
• 2.3.3 Mel 倒谱计算过程
• 2.4 HMM 模型匹配
• 2.4.1 HMM 的原理
• 2.4.2 HMM 的三个基本问题
• 2.4.3 Baum-Welch 算法
• 2.4.4 识别算法——Viterbi 解码
• 第三章 语音评分和纠错
• 3.1 评分算法
• 3.1.1 相似度对比方法DTW
• 3.1.2 基于HMM 的评分方法
• 3.2 错误检测
• 第四章 系统设计
• 4.1 设计主导思想
• 4.2 系统模块
• 4.3 系统功能和要求
• 4.4 系统概要设计
• 4.4.2 GUI 设计
• 4.4.3 I/O 设计
• 4.4.4 Scorer（评分器）设计
• 4.5 语料库选取
• 4.6 语音模型训练
• 第五章 系统实现
• 5.1 系统环境
• 5.1.1 开发环境
• 5.2 系统类图
• 5.3 解码过程实现
• 5.4 系统具体操作
• 5.5 系统测试
• 5.5.1 HMM 模型测试
• 5.5.2 功能测试
• 5.5.3 评分正确性测试
• 第六章 总结和改进
• 6.1 总结
• 6.2 未来可能的改进
• 6.2.1 帧层
• 6.2.2 高斯混合模型层
• 6.2.3 高斯层
• 6.2.4 组件层
• 6.3 未来在系统性能评价方法方面的研究
• 参考文献
• 致谢
• 攻读硕士期间发表的学术论文及参与的项目