計算機輔助語言學習系統中韻律特征評估方法的研究.pdf

1、隨著信息技術的飛速發(fā)展，計算機對語言學習的影響已經越來越大，這種影響不僅涉及教育技術和手段，還涉及教學模式、方法以及教學思想和理論。計算機輔助語言學習（CALL)已成為或將要成為一種新的語言學習模式。通過集成語音識別技術，計算機將在語言學習中扮演日益重要的角色。 目前對于CALL的研究與商業(yè)應用大多集中在對語言學習者錯誤發(fā)音的糾正。實際上，除了糾正句子中錯誤的發(fā)音，句子朗讀過程中語調、重音、流利度等韻律問題，對于改善朗讀質量也是

2、非常重要的。 本文主要集中在對各種韻律特征評估方法的研究，通過采用有效的方法將語言學習者和標準范例句子中的韻律特征進行提取、對比和評估，從而對學習者的朗讀進行準確的評價，有效的幫助學習者提高語言能力。本文的研究重點及主要成果有： 1.針對實際應用中采用自相關函數提取基音遇到的問題，本文提出了一種高精度的基音提取方案。該方法運用BP人工神經網絡進行清濁音分類，采用基于自相關方法的動態(tài)規(guī)劃算法提取濁音段的基音，最后采用一種新

3、的平滑算法對基音曲線進行平滑，從而得到準確而完整的語音基音曲線。實驗證明，采用新的基音提取方案能夠很好地克服自相關法的不足，得到精度較高的基音值。本文還提出了一種語調評估的方法，通過采用夾角鏈碼與曲線斜率來計算兩條曲線的差異度，從而完成語言學習者和標準語句發(fā)音的基音匹配。該算法能對學習者在語調上給出較準確的打分，能有效的幫助他們提高語調發(fā)音能力。 2.提出了一種有效的基于HMM和支持向量機的句重音檢測方法。首先通過大量的實驗以及

4、參閱國內外研究成果，提取出最能反映重音特征的幾個聲學參數，并分別計算了單個參數對重音的識別率，然后用支持向量機對所有特征進行分類。該方法在實驗中取得了較好的效果，比單獨利用任何一種特征參數都具有更高的識別率。 3.提出了在CALL系統中自動檢測口語流利度的方法。首先提取出不同最能反映流利度的基本特征參數，并通過實驗計算了這些特征參數檢測流利度與人工評測的相關度。然后，利用人工神經網絡對不同的特征參數進行分類，并通過實驗選取了最優(yōu)