【技术实现步骤摘要】
一种研究生英语口语教学语音自动评估平台的实现方法
本专利技术属于在线网络教学交流、口语教学及其语音评估系统，涉及一种研究生英语口语教学语音自动评估平台的实现方法。
技术介绍
ESP(EnglishforSpecificPurposes)即专门用途英语，是和某一特定专业、学科或职业紧密相关的。ESP本身并不是一种特殊的语言形式，它是基于学习者需求的一种语言教学方法，有着明确的教学目标。ESP基于学生的需求而设计的课程，它主要涉及需求分析、课程设计、教学法、教材编写、课程评估和教师发展等几个主要方面。基于教学需求、层次、目的和时代召唤的不同，研究生英语教学大多设定为ESP。基于功能主义语言观的ESP为解决研究生口语教学的限定样本――“国际会议”提供了理论基础，简化和促成了在新技术条件下网络识别语音的方案。通过“关键词”语音识别的平台建设，达到研究生英语口语教学和评估的趋于完美。现有的英语口语机考系统中网络语音识别的方法使用DSP语音识别装置，主要适用于户外不同场合的、非特定人的语音识别。该方法主要集中在对传统的降噪声技术进行改进，从而提出一种在英语网考系统中非特定人的...
【技术保护点】
1.一种研究生英语口语教学语音自动评估平台的实现方法，其特征在于：包括如下步骤：(1)建立ESP专门语料库，所述ESP专门语料库包括国际会议英语语法词汇；(2)建立用户身份信息库，所述的用户身份信息库包括语音识别信息；(3)构建国际会议口语教学语音自动评估识别系统模型；(4)特征信息分析处理，所述特征信息分析处理包括关键词的提取、检索及口语评估。
【技术特征摘要】
1.一种研究生英语口语教学语音自动评估平台的实现方法，其特征在于：包括如下步骤：(1)建立ESP专门语料库，所述ESP专门语料库包括国际会议英语语法词汇；(2)建立用户身份信息库，所述的用户身份信息库包括语音识别信息；(3)构建国际会议口语教学语音自动评估识别系统模型；(4)特征信息分析处理，所述特征信息分析处理包括关键词的提取、检索及口语评估。2.根据权利要求1所述的一种研究生英语口语教学语音自动评估平台的实现方法，其特征在于：步骤(1)所述的语料库包括三种，分别为ESP口语语料库、基础学科语料库和专业学科语料库。3.根据权利要求1所述的一种研究生英语口语教学语音自动评估平台的实现方法，其特征在于：步骤(2)建立用户身份信息库的语音识别包括语音转化文字和直接语音处理进行用户提取特征数据。4.根据权利要求1所述的一种研究生英语口语教学语音自动评估平台的实现方法，其特征在于：步骤(2)包括如下步骤：(21)预处理与特征提取首先，基于能量和过零率方法进行静音检测，并用谱减法去除噪声，对语音信号进行预加重，分帧，并进行线性预测分析，然后从得到的LPC系数中求出倒谱系数作为说话人识别的特征向量；(22)训练将步骤(21)提取出的特征向量序列X经过延迟后进入时延神经网络，TDNN学习特征向量的结构，提取特征向量序列的时间信息；然后把学习结果以残差特征向量的形式提供给高斯混合模型，通过最大期望方法进行GMM模型训练，并且利用带惯性的向后反演方法更新TDNN的权系数；(23)识别将特征向量序列X与时延神经网络的输出序列O相减，并将得到的残差序列R提供给GMM模型，T个残差矢量的序列R＝R1,R2,...,RT，其GMM概率表达式如下：在对数域表示为：语音识别基于贝叶斯定理，在N个用户的模型中，似然概率最大的模型对应的话者为目标说话人，计算表达式如下：5.根据权利要求4所述的一种研究生英语口语教学语音自动评估平台的实现方法，其特征在于：步骤(22)训练的具体步骤如下：(a)确定GMM模型和TDNN结构一个M阶GMM的概率密度函数是由M个高斯概率密度函数加权求和得到的，计算表达式如下：上式中xt为D维特征向量，这里D＝13；bi(xt)是成员密度函数，其为均值矢量为ui，协方差矩阵为∑i的高斯函数；pi是混合权值混合权值满足条件：完整的GMM模型参数如下：λ＝{(pi,ui,∑i),i＝1,2,...,M}根据不带反馈的时延神经网络，特征向量x(n)经过线性延迟块的延迟后，作为时延神经网络的输入，时延神经网络对输入进行非线性变换，然后线性加权，得到输出向量，再...
【专利技术属性】
技术研发人员：刘健刚，李晨，马冬梅，陈美华，赵力，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。