| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状及相关工作 | 第10-13页 |
| 1.2.1 基于音段的发音质量评测 | 第10-11页 |
| 1.2.2 基于韵律的发音质量评测 | 第11-13页 |
| 1.3 本文的工作及组织结构 | 第13-15页 |
| 第二章 声学模型与数据集 | 第15-21页 |
| 2.1 语音识别系统概述 | 第15-16页 |
| 2.2 基于隐马尔科夫的声学模型 | 第16-18页 |
| 2.2.1 隐马尔科夫模型 | 第16-17页 |
| 2.2.2 混合高斯模型 | 第17页 |
| 2.2.3 深度神经网络 | 第17-18页 |
| 2.3 声学模型的强制对齐 | 第18-19页 |
| 2.4 发音质量评测数据集介绍 | 第19-20页 |
| 2.4.1 英语母语说话人数据集 | 第19页 |
| 2.4.2 非英语母语说话人数据集 | 第19-20页 |
| 2.4.3 参照(标准)录音的选择 | 第20页 |
| 2.5 本章小结 | 第20-21页 |
| 第三章 音段分析的基线算法介绍与特征研究 | 第21-27页 |
| 3.1 GoodnessofPronunciation(GOP)评分算法 | 第21-22页 |
| 3.2 基于声学模型的后验概率分布 | 第22-26页 |
| 3.2.1 后验概率在绑定状态集上的分布差异性 | 第22-24页 |
| 3.2.2 基于平均后验概率向量的KL散度分析 | 第24-26页 |
| 3.3 本章小结 | 第26-27页 |
| 第四章 韵律相似度的算法研究 | 第27-35页 |
| 4.1 韵律相似度分析 | 第27-31页 |
| 4.1.1 基于DTW的音节级别的F0相似度分析 | 第27-29页 |
| 4.1.2 停顿相似度分析 | 第29-31页 |
| 4.2 基于韵律相似度的统计与分析 | 第31-33页 |
| 4.2.1 韵律相似度在L1与L2人群上的分布情况 | 第31-32页 |
| 4.2.2 基于混合高斯模型与KL散度(GMM-KLD)的统计与分析 | 第32-33页 |
| 4.3 本章小结 | 第33-35页 |
| 第五章 基于深度神经网络的nativeness评测算法 | 第35-47页 |
| 5.1 发音评测算法的客观评价指标 | 第35-36页 |
| 5.2 基于深度神经网络的nativeness评测算法框架 | 第36-37页 |
| 5.3 针对音段的实验分析 | 第37-42页 |
| 5.3.1 累积分布函数与等错误率 | 第37-38页 |
| 5.3.2 基于GOP评分的区分性实验(基线实验) | 第38-40页 |
| 5.3.3 基于后验概率的nativeness评测算法的区分性实验 | 第40-42页 |
| 5.4 针对韵律的实验分析 | 第42-46页 |
| 5.4.1 基于混合高斯模型平滑的输入特征设计 | 第42-45页 |
| 5.4.2 使用语音合成技术代替标准说话人 | 第45-46页 |
| 5.5 本章小结 | 第46-47页 |
| 总结与展望 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 攻读硕士学位期间取得的研究成果 | 第53-54页 |
| 致谢 | 第54-56页 |
| 附件 | 第56页 |
