特征參數(shù)模式比對(duì)在語(yǔ)音評(píng)分中的應(yīng)用研究.pdf

1、在語(yǔ)言學(xué)習(xí)過(guò)程中，發(fā)音不準(zhǔn)成為學(xué)習(xí)非母語(yǔ)的一道天然屏障。利用計(jì)算機(jī)來(lái)幫助口語(yǔ)發(fā)音教學(xué)能提高非母語(yǔ)學(xué)習(xí)的效益。 本文采用的語(yǔ)音評(píng)分是基于標(biāo)準(zhǔn)語(yǔ)音的評(píng)分；所運(yùn)用到的技術(shù)有特征參數(shù)的提取、模式比對(duì)方法的設(shè)計(jì)以及評(píng)分機(jī)制的建立等。其中特征參數(shù)部分采用以下特征參數(shù)：音量強(qiáng)度曲線（Magnitude）、基頻軌跡（Pitch Contour）以及梅爾倒譜參數(shù)（Mel-Frequency Cepstral Coefficients）；

2、本文所作的工作主要如下： 1.端點(diǎn)檢測(cè)算法，針對(duì)傳統(tǒng)雙門(mén)限端點(diǎn)檢測(cè)算法在噪聲環(huán)境下的不足之處，對(duì)算法細(xì)節(jié)做出了多處改進(jìn)。特別是在實(shí)際語(yǔ)音處理中，通過(guò)多次試驗(yàn)和統(tǒng)計(jì)計(jì)算出符合含背景噪聲的語(yǔ)音信號(hào)的短時(shí)能量和平均過(guò)零率的閾值。 2.特征參數(shù)提取，總結(jié)了目前常用的幾種語(yǔ)音識(shí)別特征參數(shù)，詳細(xì)分析了傳統(tǒng)的線性預(yù)測(cè)編碼系數(shù)（Linear Prediction Coding Coefficient，LPCC）、Mel頻率倒譜系數(shù)（Me

3、l Frequency Cepstral Coefficient，MFCC）的原理、優(yōu)缺點(diǎn)和實(shí)現(xiàn)細(xì)節(jié)。針對(duì)MFCC特征的問(wèn)題，提出的一種基于小波去噪的MFCC提取算法。該算法通過(guò)不同尺度的小波基，把含有噪聲的信號(hào)分解于不同頻段中；然后在各個(gè)頻段分別通過(guò)TEO （Teager能量算子）去噪，再把各個(gè)頻段的輸出通過(guò)小波重構(gòu)恢復(fù)信號(hào)，最后通過(guò)Mel濾波器組把小波系數(shù)轉(zhuǎn)換成MFCC。 3.語(yǔ)音評(píng)分機(jī)制，通過(guò)對(duì)一個(gè)完整的英語(yǔ)句子進(jìn)行處理，