文本無(wú)關(guān)普通話口語(yǔ)復(fù)述題自動(dòng)評(píng)測(cè)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、當(dāng)前,基于計(jì)算機(jī)輔助學(xué)習(xí)系統(tǒng)(CALL, Computer Assisted Language Learning)在語(yǔ)種學(xué)習(xí)、語(yǔ)音評(píng)分、語(yǔ)音糾正等方面有著廣泛的應(yīng)用前景?，F(xiàn)有的基于計(jì)算機(jī)輔助的題型評(píng)測(cè)主要集中在朗讀、跟讀這類文本相關(guān)式題型,對(duì)于口語(yǔ)復(fù)述題這樣的文本無(wú)關(guān)式題型沒有形成有效的評(píng)分方法,主要靠人工評(píng)分完成,從而極大的影響了CALL系統(tǒng)的全面推廣和使用,特別是面對(duì)人口眾多的我國(guó),如果擁有有效的基于計(jì)算機(jī)輔助的文本無(wú)關(guān)式題型評(píng)測(cè)系

2、統(tǒng),將大大減少工作量、提高工作效率。本文圍繞普通話口語(yǔ)復(fù)述題題型自動(dòng)評(píng)測(cè)進(jìn)行了一定的研究,為文本無(wú)關(guān)式題型的自動(dòng)評(píng)測(cè)提供了一定的經(jīng)驗(yàn)、奠定了一定的基礎(chǔ)。
　　在系統(tǒng)架構(gòu)設(shè)計(jì)上,結(jié)合語(yǔ)音評(píng)測(cè)系統(tǒng)的設(shè)計(jì)思路,針對(duì)大規(guī)模連續(xù)語(yǔ)音識(shí)別(Large Vocabulary Continuous Speech Recognition,LVCSR)在不同環(huán)境、不同說話人、不同說話方式下識(shí)別信度得不到保證的問題,綜合口語(yǔ)復(fù)述題題型的特點(diǎn),提出將關(guān)鍵

3、內(nèi)容檢測(cè)作為口語(yǔ)復(fù)述題題型評(píng)測(cè)的核心內(nèi)容檢測(cè)模塊,使用發(fā)音質(zhì)量、關(guān)鍵內(nèi)容、流利度、韻律作為評(píng)分特征對(duì)復(fù)述題進(jìn)行評(píng)測(cè),并搭建了實(shí)驗(yàn)平臺(tái),仿真結(jié)果取得了專家評(píng)分性能的81.6％。
　　在韻律評(píng)分上研究和統(tǒng)計(jì)了基于“863”語(yǔ)音庫(kù)的Gamma時(shí)長(zhǎng)模型和評(píng)測(cè)方法。
　　在系統(tǒng)魯棒性上,提出將小波降噪法(Wavelet de-noise)運(yùn)用到評(píng)測(cè)系統(tǒng)中,利用小波的多分辨率分析特性濾除說話人語(yǔ)音的噪聲污染,還原盡可能純凈的原始語(yǔ)音,有

4、效改善了系統(tǒng)的穩(wěn)健性,在相關(guān)性上使系統(tǒng)性能獲得了4.1%的提升,另外對(duì)小波基函數(shù)、分解層數(shù)、閾值規(guī)則上的選擇上進(jìn)行了驗(yàn)證,并詳細(xì)分析了對(duì)不同信噪比(Signal-to-noise Ratio,SNR)的語(yǔ)音去噪后對(duì)相關(guān)性和平均分差的影響。
　　在交互式界面設(shè)計(jì)上,充分利用了MATLAB強(qiáng)大的數(shù)據(jù)處理能力,并運(yùn)用MATLAB-GUI開發(fā)工具,對(duì)系統(tǒng)進(jìn)行了總體設(shè)計(jì)。
　　最后,論文給出了系統(tǒng)在MTALAB-GUI平臺(tái)上的實(shí)驗(yàn)結(jié)果