随着计算机软硬件技术和语音识别技术的发展，基于语音识别技术的计算机辅助发音训练系统(CAPT系统)在教育领域的应用越来越广泛，而如何为用户的口语发音提供准确有效的反馈是当今CAPT系统研究的核心课题。在这一背景下，本文围绕声学模型的建模方案及其在纠错算法中的应用，进行了系统而深入的研究，并且根据系统性能的实际需求，将神经网络模型引入到系统，同时也对系统的纠错算法进行了改进。　　 本文的主要工作包括以下三个部分：一、根据以往CAPT系统的评测结果和中国人英语发音的常见错误，划分易混淆音素集，以便于后期针对这些易混淆音素集进行更精细的评测；二、针对HMM模型对易混淆音素辨识能力较弱的缺陷，提出用神经网络为易混淆音素建立模型，进而提高系统对易混淆音素的辨识能力；三、分析传统的对数似然度纠错算法的缺陷和不足，将神经网络模型引入到纠错算法，进而提高系统的纠错能力，优化系统的整体系能。　　 经过以上三方面的改进，CAPT系统对用户发音的纠错性能得到了很大程度的提高。实验结果表明神经网络模型对易混淆音素的辨识能力远高于HMM对易混淆音素的辨识能力，将神经网络模型引入到传统纠错算法以后，在保证音素识别正确率不变的前提下，系统纠错性能有很大的提高。