英語(yǔ)連續(xù)語(yǔ)音發(fā)音質(zhì)量評(píng)分模型的研究.pdf

1、基于計(jì)算機(jī)的發(fā)音質(zhì)量自動(dòng)評(píng)分技術(shù)近年來(lái)被廣泛的研究和應(yīng)用到實(shí)際的教學(xué)和考試當(dāng)中。目前文本相關(guān)的發(fā)音質(zhì)量評(píng)分技術(shù)已經(jīng)相當(dāng)成熟，達(dá)到了實(shí)用的水平，但是對(duì)于文本無(wú)關(guān)的發(fā)音質(zhì)量評(píng)分技術(shù)的研究比較欠缺，還沒(méi)有達(dá)到實(shí)際應(yīng)用的水平，這主要受制于連續(xù)語(yǔ)音識(shí)別技術(shù)的發(fā)展。故本文旨在對(duì)文本無(wú)關(guān)的發(fā)音質(zhì)量評(píng)分技術(shù)做一些探索性的研究。
　　在對(duì)連續(xù)語(yǔ)音識(shí)別和發(fā)音質(zhì)量評(píng)分中的各種關(guān)鍵技術(shù)進(jìn)行初步研究的基礎(chǔ)之上，本文提出了一種文本無(wú)關(guān)雙模型發(fā)音質(zhì)量評(píng)分算法，

2、用以評(píng)測(cè)文本無(wú)關(guān)類(lèi)發(fā)音的質(zhì)量。雙模型的方法可以同時(shí)滿(mǎn)足語(yǔ)音識(shí)別和語(yǔ)音評(píng)分對(duì)聲學(xué)模型相互矛盾的要求。在雙模型的框架下，使用最大似然線(xiàn)性回歸和最大后驗(yàn)概率相結(jié)合的自適應(yīng)方法改善了聲學(xué)模型的語(yǔ)音識(shí)別性能；提出了改進(jìn)的評(píng)分特征計(jì)算方法，以及對(duì)評(píng)分特征個(gè)性化調(diào)整的方案，提高了評(píng)分特征對(duì)于發(fā)音質(zhì)量的描述能力；在評(píng)分特征融和映射階段，運(yùn)用分類(lèi)與得分相結(jié)合的思想，提出了多元線(xiàn)性回歸與多層感知器神經(jīng)網(wǎng)絡(luò)相結(jié)合的兩級(jí)映射評(píng)分方法，提高了映射方法的準(zhǔn)確性和穩(wěn)