本论文研究的是针对新疆非母语说话人语音数据集的发音错误检测技术,众所周知,发音检错技术是计算机辅助语言学习系统性能的重要体现,如何提高新疆非母语说话人汉语普通话发音错误检测系统的性能对广大少数民族汉语学习者意义重大。文中以新疆维吾尔族说话人语音数据库为例,利用少量的新疆非母语说话人的语料,通过对传统发音错误检测声学模型的改进和训练,得到了能够有效提高发音检错系统性能的区分性训练算法。本论文的主要工作如下:首先,本文简单介绍了常用的发音错误检测度量归一化对数似然比(Goodness of Pronunciation,GOP)算法以及评判系统检错性能的重要指标F1值计算方法。还重点介绍了最大似然估计(Maximum Likelihood Estimation,MLE)训练准则,对新疆非母语语音库进行MLE训练,并计算出其检错声学模型的F1值,为对比本文所提出检错算法的有效性奠定了基础。其次,将传统语音识别中的区分性训练准则应用到发音错误检测系统中,通过对常用区分性训练算法的分析,选择了应用较为广泛的最小音素错误估计训练准则(Minimum Phone Error,MPE),并用实验验证了 MPE区分性训练准则可以有效的提高对检错数据的音素识别率,但对提高系统检错性能的帮助并不大,说明现有的区分性训练准则并不能有效的提高发音错误检测系统的性能。最后,本文在MLE、MPE声学训练模型分析的基础上,提出了以最大化F1值为目标函数的区分性训练准则(Maximum-score Criterion,MFC),通过建立经过专家标注过的新疆非母语说话人语音数据库,构造出最大化F1值的目标函数,并提出了采用构造弱意义辅助函数的方法对目标函数进行优化及参数更新,通过采用阈值迭代更新的方法确保了目标函数随迭代次数的不断提高而增长。该区分性训练算法能够根据新疆少数民族发音数据库的人工标注结果自动学习专家的发音错误评判标准,实验结果表明该方法能够有效的提高发音错误检测系统的性能。