汉语普通话发音质量自动评测方法的研究.pdf

Classified Index: TP391.42 U.D.C: 681.3 Dissertation for the Doctoral Degree in Engineering RESEARCH ON AUTOMATIC EVALUATION METHODS OF MANDARIN PRONUNCIATION QUALITY Candidate ： Zhang Long Supervisor ： Prof. Li Haifeng Academic Degree Applied for ： Doctor of Engineering Speciality ： Computer Science and Technology Affiliation ： School of Computer Science and Technology Date of Defence ： September, 2014 Degree-Conferring-Institution ： Harbin Institute of Technology 万方数据 摘 要 摘 要 发音质量自动评测（以下简称“评测”）是计算机辅助语言学习及口语考 试中的核心技术问题，其研究成果对提高学习者学习的灵活性和满意度，减 少人工阅卷的主观性和不稳定性，降低投入成本，提高实效性，具有重要的 理论意义和科学价值，应用前景广阔。随着国内普通话的大力推广和普及， 以及国外汉语学习热潮的快速兴起，针对汉语普通话的评测技术实际需求强 劲，且更具特色和挑战性，有必要深入系统地研究。 汉语是一种单音节声调语言，每个音节包括声母、韵母和声调三部分， 音节间界限较分明，有鲜明的轻重音和儿化音。汉语音节的三元结构及音韵 特点与英语语音差异较大，需要结合汉语特点，在表征、建模和计算等方面 进行针对性研究和创造性方法改进。此外，现有主流评测方法在基本发音单 元（声韵母、声调等）评测上的准确性还不够理想，无法满足精细评测任务 和较高水平说话人评测任务的实际需求，需要在声学建模和置信度计算等方 面进行改进，以提高声学模型的精度和评测模型的准确度。 本文重点研究母语人群的汉语普通话评测方法。在声韵母评测方面，针 对当前主流的发音良好度（Goodness of pronunciation ，GOP ）算法存在的切 分不准、计算精度低、模型间区分性差等问题，提出一种基于音素混淆概率 矩阵的评测方法。该方法通过计算音素混淆概率矩阵来构建每个音素的混淆 音素集合，一方面利用混淆音素集合建立音素混淆限制识别网络，提高音素 段切分的准确性；另一方面，引入音素混淆先验概率，把混淆音素集合作为 后验概率的计算空间，提高计算精度和模型间的区分性。为扩大发音的评测 范围，提高声学模型的覆盖范围，提出一种基于扩展发音空间的评测方法。 该方法利用错误发音样本数据，扩展标准发音空间，对标准发音的各类发音 错误进行精细建模，并在这个扩展后的发音空间内进行后验概率计算，计算 更加准确和有效。同时，针对包含错误发音的数据获取容易，但标注困难， 且工作量巨大的问题，设计对错误发音样本聚类的非监督学习方法，以及发 音模型的自动更新方法，来持续提高评测模型的准确性。鉴于上述方法都是 单维置信度计算加阈值判断还不够鲁棒，提出一种基于系统融合的多维置信 度的评测方法。该方法依次计算待评测语音段相对于其对应音素的混淆音