計(jì)算機(jī)輔助語(yǔ)言學(xué)習(xí)系統(tǒng)中韻律特征評(píng)估方法的研究.pdf

1、隨著信息技術(shù)的飛速發(fā)展，計(jì)算機(jī)對(duì)語(yǔ)言學(xué)習(xí)的影響已經(jīng)越來(lái)越大，這種影響不僅涉及教育技術(shù)和手段，還涉及教學(xué)模式、方法以及教學(xué)思想和理論。計(jì)算機(jī)輔助語(yǔ)言學(xué)習(xí)（CALL)已成為或?qū)⒁蔀橐环N新的語(yǔ)言學(xué)習(xí)模式。通過(guò)集成語(yǔ)音識(shí)別技術(shù)，計(jì)算機(jī)將在語(yǔ)言學(xué)習(xí)中扮演日益重要的角色。 目前對(duì)于CALL的研究與商業(yè)應(yīng)用大多集中在對(duì)語(yǔ)言學(xué)習(xí)者錯(cuò)誤發(fā)音的糾正。實(shí)際上，除了糾正句子中錯(cuò)誤的發(fā)音，句子朗讀過(guò)程中語(yǔ)調(diào)、重音、流利度等韻律問(wèn)題，對(duì)于改善朗讀質(zhì)量也是

2、非常重要的。 本文主要集中在對(duì)各種韻律特征評(píng)估方法的研究，通過(guò)采用有效的方法將語(yǔ)言學(xué)習(xí)者和標(biāo)準(zhǔn)范例句子中的韻律特征進(jìn)行提取、對(duì)比和評(píng)估，從而對(duì)學(xué)習(xí)者的朗讀進(jìn)行準(zhǔn)確的評(píng)價(jià)，有效的幫助學(xué)習(xí)者提高語(yǔ)言能力。本文的研究重點(diǎn)及主要成果有： 1.針對(duì)實(shí)際應(yīng)用中采用自相關(guān)函數(shù)提取基音遇到的問(wèn)題，本文提出了一種高精度的基音提取方案。該方法運(yùn)用BP人工神經(jīng)網(wǎng)絡(luò)進(jìn)行清濁音分類(lèi)，采用基于自相關(guān)方法的動(dòng)態(tài)規(guī)劃算法提取濁音段的基音，最后采用一種新

3、的平滑算法對(duì)基音曲線進(jìn)行平滑，從而得到準(zhǔn)確而完整的語(yǔ)音基音曲線。實(shí)驗(yàn)證明，采用新的基音提取方案能夠很好地克服自相關(guān)法的不足，得到精度較高的基音值。本文還提出了一種語(yǔ)調(diào)評(píng)估的方法，通過(guò)采用夾角鏈碼與曲線斜率來(lái)計(jì)算兩條曲線的差異度，從而完成語(yǔ)言學(xué)習(xí)者和標(biāo)準(zhǔn)語(yǔ)句發(fā)音的基音匹配。該算法能對(duì)學(xué)習(xí)者在語(yǔ)調(diào)上給出較準(zhǔn)確的打分，能有效的幫助他們提高語(yǔ)調(diào)發(fā)音能力。 2.提出了一種有效的基于HMM和支持向量機(jī)的句重音檢測(cè)方法。首先通過(guò)大量的實(shí)驗(yàn)以及

4、參閱國(guó)內(nèi)外研究成果，提取出最能反映重音特征的幾個(gè)聲學(xué)參數(shù)，并分別計(jì)算了單個(gè)參數(shù)對(duì)重音的識(shí)別率，然后用支持向量機(jī)對(duì)所有特征進(jìn)行分類(lèi)。該方法在實(shí)驗(yàn)中取得了較好的效果，比單獨(dú)利用任何一種特征參數(shù)都具有更高的識(shí)別率。 3.提出了在CALL系統(tǒng)中自動(dòng)檢測(cè)口語(yǔ)流利度的方法。首先提取出不同最能反映流利度的基本特征參數(shù)，并通過(guò)實(shí)驗(yàn)計(jì)算了這些特征參數(shù)檢測(cè)流利度與人工評(píng)測(cè)的相關(guān)度。然后，利用人工神經(jīng)網(wǎng)絡(luò)對(duì)不同的特征參數(shù)進(jìn)行分類(lèi)，并通過(guò)實(shí)驗(yàn)選取了最優(yōu)