基于深层神经网络的英语口语发音错误捕捉方法研究

发布时间：2021-04-13 03:16

　　为了提高英语口语发音错误捕捉能力,提出基于深层神经网络的英语口语发音错误捕捉方法。构建英语口语发音信号检测模型,采用多传感融合跟踪识别方法进行语音信号采集,结合时频特征分解方法进行发音错误信息的特征提取,建立发音错误信号的统计特征分析模型,采用深层神经网络分类器进行发音错误信号的特征筛选和分类识别,实现英语口语发音错误捕捉。仿真结果表明,采用该方法进行英语口语发音错误捕捉的准确性较高,实用性强。 

【文章来源】：黑龙江工业学院学报(综合版). 2020,20(08)

【文章页数】：5 页

【部分图文】：

英语口语发音语音信号的谱特征检测模型

为了测试本文算法在实现英语口语发音错误捕捉方面的性能，进行仿真实验，实验采用Matlab 7仿真软件设计，英语口语发音信号采样节点数量为120，特征提取的分辨率为200KHZ，输出的英语口语发音语音信号长度为1200，待测语音信号集个数为20，干扰信噪比为20d B，根据上述仿真参量设定，进行英语口语发音错误捕捉仿真分析，其中英语口语发音信号模型如图2所示。以图2的英语口语发音信号为研究对象，进行英语口语发音的错误捕捉，得到捕捉结果如图3所示。

以图2的英语口语发音信号为研究对象，进行英语口语发音的错误捕捉，得到捕捉结果如图3所示。分析图3得知，本文方法能有效实现对英语口语发音的错误捕捉和特征分离。测试不同方法英语口语发音的错误捕捉的精度，得到对比结果如图4所示。

【参考文献】：
期刊论文
[1]煤矿工作面智能语音系统设计[J]. 杨清翔,杨秀宇.  煤炭工程. 2019(03)
[2]小型中医英语口语教学语料库的开发与应用[J]. 杜雪琴,韩露,余静.  国际中医中药杂志. 2018 (12)
[3]智能语音录入系统声调自动识别方法研究[J]. 周春荣,蒋郑红.  自动化与仪器仪表. 2018(10)
[4]复杂环境中多音节语音自适应端点检测的实现[J]. 郑丹丹,秦会斌.  计算机仿真. 2018(07)
[5]软件通信适配器的调制模式识别算法[J]. 冯径,熊鑫立,蒋磊.  东南大学学报(自然科学版). 2017(03)
[6]正交频分复用水声通信自适应调制算法[J]. 罗亚松,胡生亮,刘志坤,吕显春.  国防科技大学学报. 2017(01)
[7]英语语音合理性优化识别建模仿真研究[J]. 张瑞.  计算机仿真. 2017(02)
[8]基于深度神经网络的语音驱动发音器官的运动合成[J]. 唐郅,侯进.  自动化学报. 2016(06)
[9]基于MATLAB的语音信号采集和处理系统的设计[J]. 李静.  山西大同大学学报(自然科学版). 2016(02)
[10]一种基于语音端点检测的维纳滤波语音增强算法[J]. 李战明,尚丰.  电子设计工程. 2016(02)



本文编号：3134510