基于语音识别的汉语发音评测研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 引言 | 第11-19页 |
| ·选题背景与意义 | 第11-12页 |
| ·基于语音识别的评测技术的发展与现状 | 第12-16页 |
| ·语音识别概述 | 第12-14页 |
| ·基于语音识别的发音评测概述 | 第14-15页 |
| ·存在的问题与挑战 | 第15-16页 |
| ·本论文的研究内容与结构 | 第16-19页 |
| ·研究内容 | 第16页 |
| ·论文结构组成 | 第16-19页 |
| 2 汉语声调识别 | 第19-53页 |
| ·汉语声调识别模块的总体设计 | 第19页 |
| ·音节切分 | 第19-22页 |
| ·静音分段 | 第20页 |
| ·阈值分段 | 第20页 |
| ·转折分段 | 第20-21页 |
| ·聚类分段 | 第21-22页 |
| ·基频提取 | 第22-28页 |
| ·基频提取简介 | 第22-23页 |
| ·简化逆滤波法(SIFT)提取基音周期 | 第23-24页 |
| ·算法实现步骤 | 第24-28页 |
| ·平滑处理 | 第28页 |
| ·基频特征提取 | 第28-32页 |
| ·归一化的引入 | 第29-30页 |
| ·归一化处理方法 | 第30-31页 |
| ·特征提取 | 第31-32页 |
| ·人工神经网络 | 第32-48页 |
| ·人工神经元 | 第32-34页 |
| ·人工神经元网络模型 | 第34-35页 |
| ·人工神经元网络的学习过程 | 第35-36页 |
| ·人工神经元网络的学习规则 | 第36-37页 |
| ·Delta学习规则 | 第37-38页 |
| ·多层网络的误差逆传播校正方法 | 第38-41页 |
| ·BP网络的学习规则与计算方法 | 第41-44页 |
| ·BP网络的设计分析 | 第44-46页 |
| ·基于改进的BP网络算法实现 | 第46-48页 |
| ·声调识别的实验及结果分析 | 第48-52页 |
| ·基频提取 | 第48-50页 |
| ·归一化处理 | 第50-51页 |
| ·声调识别 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 3 非特定人汉语语音识别 | 第53-69页 |
| ·HTK平台介绍 | 第53-56页 |
| ·HTK概述 | 第53-54页 |
| ·HTK主要的工具 | 第54-56页 |
| ·非特定人孤立词语音识别系统的建立 | 第56-63页 |
| ·数据准备 | 第56-60页 |
| ·模型训练 | 第60-61页 |
| ·特征参数的改进 | 第61-62页 |
| ·混合高斯模型数的改进 | 第62-63页 |
| ·语言模型的改进 | 第63页 |
| ·识别工具HVITE的改进 | 第63-68页 |
| ·本章小结 | 第68-69页 |
| 4 自动发音评测 | 第69-87页 |
| ·基于特征比较的评测方法 | 第69-74页 |
| ·可用于比较的声学特征 | 第69-72页 |
| ·特征比较算法-DTW | 第72-74页 |
| ·基于语音识别的评测方法 | 第74-78页 |
| ·基于HMM的对数似然评分 | 第75-76页 |
| ·归一化声学评分 | 第76-77页 |
| ·段长评分 | 第77-78页 |
| ·新评分方法的提出 | 第78-79页 |
| ·评分映射 | 第79-85页 |
| ·新评分映射模型 | 第79-85页 |
| ·新评分方法的验证 | 第85页 |
| ·本章小结 | 第85-87页 |
| 5 汉语语音技术应用系统设计与实现 | 第87-103页 |
| ·需求方案分析 | 第87-88页 |
| ·应用系统实现方案 | 第88-92页 |
| ·应用总体设计 | 第88-89页 |
| ·各个功能模块的说明 | 第89-90页 |
| ·系统开发平台与工具 | 第90-92页 |
| ·系统开发流程 | 第92页 |
| ·应用系统的实现结果 | 第92-101页 |
| ·网站主页 | 第92-93页 |
| ·小人闯关 | 第93-100页 |
| ·孤岛闯关 | 第100-101页 |
| ·本章小结 | 第101-103页 |
| 6 结论 | 第103-105页 |
| 参考文献 | 第105-109页 |
| 作者简历 | 第109-113页 |
| 学位论文数据集 | 第113页 |
