摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
第1章 绪论 | 第10-16页 |
1.1 研究背景和目的 | 第10-11页 |
1.2 国内相关技术研究现状 | 第11-14页 |
1.2.1 自动发音检测研究现状 | 第11-12页 |
1.2.2 语音可懂度评价方法研究现状 | 第12-14页 |
1.3 论文主要研究内容 | 第14页 |
1.4 论文组织结构 | 第14-16页 |
第2章 语音识别及机器学习技术 | 第16-28页 |
2.1 语音识别技术 | 第16-18页 |
2.1.1 语音分类 | 第16-17页 |
2.1.2 语音信号处理 | 第17页 |
2.1.3 HMM声学模型 | 第17-18页 |
2.2 Sphinx语音特征识别原理 | 第18-21页 |
2.2.1 Sphinx语音识别引擎 | 第18-19页 |
2.2.2 声学特征提取 | 第19-20页 |
2.2.3 音素对齐规整 | 第20-21页 |
2.3 发言检测评价方法 | 第21-23页 |
2.3.1 语音客观评价方法 | 第22-23页 |
2.4 机器学习 | 第23-26页 |
2.4.1 逻辑回归模型 | 第23页 |
2.4.2 支持向量机SVM | 第23-25页 |
2.4.3 人工神经网络 | 第25-26页 |
2.5 实验数据库介绍 | 第26-27页 |
2.6 本章小结 | 第27-28页 |
第3章 基于音素的发音检测方法研究 | 第28-42页 |
3.1 发音检测技术研究 | 第28-30页 |
3.1.1 错误发音检测方法 | 第28页 |
3.1.2 基于逻辑回归分类的发音检测 | 第28-29页 |
3.1.3 基于后验概率的发音错误检测 | 第29-30页 |
3.2 音素偏误发音网络 | 第30-32页 |
3.2.1 CMU相似音素发音词典 | 第30页 |
3.2.2 音素偏误发音网络构建过程 | 第30-32页 |
3.3 基于SVM的发音错误检测方法 | 第32-37页 |
3.3.1 音素错误发音类型 | 第33页 |
3.3.2 改进的音素识别检测策略 | 第33-34页 |
3.3.3 循环音素识别方法实现 | 第34-36页 |
3.3.4 基于SVM的区分性发音错误检测 | 第36-37页 |
3.4 实验评估指标与结果分析 | 第37-39页 |
3.4.1 性能评估指标 | 第37-38页 |
3.4.2 实验结果分析 | 第38-39页 |
3.5 本章小结 | 第39-42页 |
第4章 语音可懂度评价方法研究 | 第42-54页 |
4.1 常用语音可懂度评价方法研究 | 第42-45页 |
4.1.1 基于清晰度指数评价方法 | 第42-43页 |
4.1.2 基于音素语段特征的评价方法 | 第43页 |
4.1.3 基于GOP算法的评价方法 | 第43-45页 |
4.2 结合音素持续时间与GOP声学特征的可懂度评价方法 | 第45-49页 |
4.2.1 语音可懂度评分标准 | 第45页 |
4.2.2 线性组合与回归模型 | 第45-46页 |
4.2.3 音素持续时间与GOP声学特征提取 | 第46-47页 |
4.2.4 基于线性组合特征的可懂度评分方法 | 第47-49页 |
4.3 发音纠错反馈决策 | 第49-50页 |
4.4 实验结果分析 | 第50-53页 |
4.5 本章小结 | 第53-54页 |
第5章 在线语音可懂度评价系统实现及应用分析 | 第54-68页 |
5.1 系统应用场景及需求分析 | 第54-55页 |
5.1.1 使用场景描述 | 第54页 |
5.1.2 系统功能需求 | 第54-55页 |
5.2 系统架构设计 | 第55-56页 |
5.2.1 开发环境 | 第55页 |
5.2.2 系统总体架构设计 | 第55-56页 |
5.3 系统关键方法实现 | 第56-61页 |
5.3.1 语音预处理模块 | 第56-57页 |
5.3.2 语音可懂度评价模块 | 第57-58页 |
5.3.3 发音检测与反馈模块 | 第58-61页 |
5.4 在线系统应用测试及分析 | 第61-66页 |
5.4.1 系统应用 | 第61-62页 |
5.4.2 系统测试 | 第62-65页 |
5.4.3 系统性能结果分析 | 第65-66页 |
5.5 本章小结 | 第66-68页 |
结论 | 第68-70页 |
参考文献 | 第70-74页 |
攻读硕士学位期间取得的研究成果 | 第74-76页 |
致谢 | 第76页 |