论文部分内容阅读
本文针对国内英语教学中存在的发音质量评价主观化的问题，研究了语音识别中的关键技术，包括语料库、预处理、端点检测、特征提取和隐马尔可夫模型(HMM)等，重点解决了声学模型的建立与训练、语音验证以及发音质量评价等问题，并利用HTK和ATK工具建立了一个基于HMM建模的英语口语评测系统原型。
在对语音验证的方法上，提出了BP网络验证算法。该算法利用相邻词后验概率的差值组成的语音特征，作为BP网络的输入，并将输出结果作为语音的置信度。在对英语发音质量评价上，提出了客观评价与主观评价相结合的加权联合评分算法。该算法将基于HMM的后验概率得分，作为客观评价得分，而利用BP评分网络对其进行分类，以获取主观评价得分。
实验表明，采用上述两个算法的系统原型，对中文发音在一定程度上能够拒绝评分，并对发音质量所评分与教师所评分较为一致，实时性能较好。