大学英语跟踪测试系统的研究与设计

大学英语跟踪测试系统的研究与设计大学英语跟踪测试系统的研究与设计 No.13820l1March 外语电子教学 CAFLENo138Mar201l自主语言技术与外语教学研究 The 英语重庆工商大学跟踪测试系统的研究与设计 吴卫平，重庆工商大学外国语学院 重庆400067 摘要 有效反馈是英语@中必不可少的一环>口语学习重要链接本文使用国立大学英语网络试题，中考模拟试题doc，初中联动数学试题，下载云南高中年考数学试题下载、答案题库下载、答案题库下载模型为模板设计一个英语 跟踪考试系统 本系统具有对学生成绩的记录和评分功能学生通过播放示范声音进行跟进。学习者可以获得即时有效的反馈。根据反馈信息，他们可以有效地调整和改进自己的发音，弥补了传统课堂语言教学中的发音反馈。关键词不足大学英语跟进网考反馈语音分析CLC号H3193文档识别码A文号语言是一种可以正确和标准发音的交流工具是英语教学为了进一步推动我校英语教学适应国家改革开放的需要，教育部于2004年1月正式发布新制定的《大学英语课程教学要求》。英语 ''''''''''''''''''''''''''''''''''''''''''''''''''s教学的目的是培养学生的综合应用能力，尤其是听说能力，使他们在以后的工作和社会交往中能用英语进行有效的口头和书面交流。适应我国社会发展和国际交往的需要。 “2008年教育部在20045年试行的大学英语四级和六级网络考试，提高了听说部分的比重，体现了语言应用能力的重要性。它可以可见，培养听说能力已经成为主要的教学目标之一，这一新要求是针对目前我国大学生听说能力普遍不高的现状提出的。 CET-6口语考试已经实施，但由于直接面试式口试缺乏足够的考官，以及考场和设备的限制，特别是成本等因素，考试一直控制在小范围内，如何方便、快捷、准确评分是普及大型英语口语考试亟待解决的问题之一。随着计算机技术的发展，速度ch分析技术不断改进完善并逐步应用于外语口语计算机辅助口语测试方法在@>的学习和评价中的运用，可以在一定程度上缓解师资不足和不同层次的不足程度，也可以更客观地评价学生的口语水平。蔡继刚 200567 从测试上看，阅读是一个相对简化的口语产品，减少了语用因素等变量的干扰，很容易衡量和区分语言水平和语言能力英语，所以它具有广泛用于语言测试。 Madsen1983137指出，跟读可以测试学习者的发音、语调、对英语发音规则的掌握程度、流利度和语法能力与阅读题型基本一致。测试有用性指标具有较高的信度、效度和评分一致性，在该类测试过程中学生与测试任务之间存在较强的交互作用。 口语练习反拨效果好跟读打分英语口语软件，可操作性强。李梦涛等。 200889以此为基础，2008年试办高校英语46年级网络

在测试中跟读打分英语口语软件，增加了“后续测试”来测试学生的英语口语能力。考生听了两遍录音后，复述所听到的内容，主要是测试考生的语调、口音、语调综合口语国立大学能力英语2010年四六级考试委员会, 但金燕等人。 20106关于2008年12月大学英语四级网考的有效性调查发现，在线考试中学生对后续试题的有效性评价为301，是所有试题中最低的类型。影响了很多不熟悉电脑答题操作的考生。此外，英语口语学习中的有效反馈是必不可少的重要环节。在传统的课堂教学中，教师是作者。女硕士讲师 研究方向 语言学与外语教育技术 收稿 2010-091851 吴卫平大学 英语后续测试系统的研究与设计 反馈来源 但由于课堂时间和师资资源有限，无法进行保证每个学生的发音都能得到有效的反馈。此外，语言的发音学习需要反复训练，这是传统课堂教学方式无法提供的。 @英语网测为模板设计了英语后续测试系统。系统具有示范语音播放功能，对学生的后续阅读进行录音和评分，可有效辅助学生的后续培训。根据反馈信息，及时调整和提高自己的发音，有效弥补传统课堂语言教学中发音反馈的不足，也能真正培养学生的自主学习能力，让学生逐步适应网考并为大学做好准备英语 为全面网考做准备 1 系统设计 本文设计的大学英语 后续测试系统主要包括两个功能：演示和评分反馈 1 演示系统的作用一个英文句子。学习者可以反复听系统中存储的英文句子。标准发音 2 评分反馈 学习者可以跟着阅读，将自己的发音与系统中的标准发音进行比较 系统自动给出评分反馈，并给出标准发音与学习者发音的谱图比较 根据系统的基本功能系统的语音处理原理 如图1 图1 系统的语音处理原理图 系统在试题库中预先存储了一些英语句子的标准读音并提取其特征。本文使用 MFCCMel 频率倒谱系数作为语音特征。特征并计算其与试题库中标准发音的相似度。最后，将相似度映射到学习者更容易理解和接受的等级。 522 语音分析与评分技术 语音分析技术主要包括预处理特征参数提取和相似度计算等方面 21 预处理 无论采用何种特征向量提取方法，都必须先对语音信号进行预处理。预处理包括对语音信号进行采样抗混叠带通滤波以去除个体发音差异 由于语音信号是一个不稳定的随机过程，需要处理的时间很短，涉及到语音识别的基元选择和端点检测。端点检测是指从语音信号中确定语音的起点和终点。它是预处理中的一个重要环节。基本流程为语音采样处理、预加重处理、分帧、加窗、端点检测等。赵正鹏 2004

371 语音采样处理 语音信号是时间和幅度连续变化的一维模拟信号，语音识别的过程就是对语音信号进行数字化处理的过程。在处理语音信号之前，必须先将其数字化，这个过程就是模数AD转换。模数转换过程需要经过采样和量化两个过程，才能得到时间和幅度上的离散数字信号。在实际应用过程中，根据应用需要对输入的语音信号进行低通抗混叠滤波。正常人说话的频率一般在404000Hz的范围内。成年男子讲话的频率低于妇女和儿童。浊音的频率一般高于4kHz。以上呈现上升趋势，目前仍无明显下降趋势。为了准确地表示语音信号，语音识别常用的采样频率为10kHz或16kHz。在本文中，语音信号的采样频率为 16kHz。语音信号的预加重处理是由于语音信号的平均功率谱。受声门激励和口鼻辐射的影响，语音信号从嘴唇辐射出来后，高频端在800Hz以上有6dB的频率衰减。因此，在分析语音信号之前，一般需要增加语音信号的预加重和预加重。目的是滤除低频干扰，特别是50Hz或60Hz的工频干扰，增强对语音识别有用的高频成分，使信号的频谱变平，用于频谱分析或信道参数分析。预加重通常放在 AD 转换之前。经过抗混叠滤波后，既可以进行预加重，又可以压缩信号的动态范围，有效提高信噪比 3. 语音信号的分帧和加窗 由于人自身声音的特点器官、语音信号是吴卫平大学的一种英语后续测试系统的研究设计声波，所以语音信号通常可以假设在一个时间段，比如 1030ms 内部的语音信号是一个平稳的信号，其频谱特征和一些物理特征参数可以近似地认为是不变的，所以几乎所有的语音信号处理都是基于假设在处理语音信号的过程中，将平稳过程的处理方法和理论引入到语音信号的短期处理中e 语音信号，语音信号被分成几个短段。每个短段的语音称为一帧。处理分析帧相当于处理具有固定特征的连续语音。原始语音序列生成一个新的时间相关序列，用于描述语音信号的特征。鞭等人。 200534 Endpoint Detection 在分析处理之前，必须从输入信号中找到要分析的语音信号部分，即端点检测。其目的是从包含语音的信号中确定语音的起点和终点。有效的端点检测不仅可以最大限度地减少处理时间，还可以消除无声片段中的噪声干扰，使识别系统具有良好的识别性能。语音信号在语音激活期开始时大致可以分为浊音和清音两部分，通常是电平较低的清音。当背景噪声较大时，清音电平与噪声电平几乎相同。传统的语音端点检测方法很容易造成语音激活的漏检，而语音信号的清音段对语音质量起着非常重要的作用。重要

效果

另一方面，较大的干扰信号可能被视为语音信号，导致语音激活的误检测。例如，弱擦音和鼻音可能被截断，塞音的无声部分或词与词之间的间隔可能被认为是假的。冲击噪声被误判为语音等是语音的结束，因此在实际应用中如果处理不好，效果不好。为了克服传统端点检测算法的不足，常用的端点检测是基于双阈值比较法的端点检测。张志霞200920是根据语音信号的特征参数能量和过零率，区分清浊音，完成端点检测的22个特征参数提取。它对语音信号进行分析处理，去除与语音识别无关的冗余信息，获取影响语音识别的重要信息，提取特征参数，是关系到语音识别系统性能的关键技术。合理选择特征参数不仅可以提高系统的识别率，而且对系统的实时性也有重要作用。该处理基于特征参数。目前语音识别的特征参数主要是梅尔频率倒谱系数的形式。此外，梅尔倒谱还具有补偿卷积通道失真的能力。由于这些原因，梅尔倒谱已被证明是语音相关识别任务中应用最成功的表征之一。 Mel频率倒谱系数（MFCC）分析 关注人耳的听觉机制，人耳的一些特殊功能使其能够在嘈杂的环境和各种变化条件下正常区分各种声音。耳蜗起着关键作用。耳蜗本质上相当于一个滤波器组的滤波作用，是在对数频率范围内进行的。 1000Hz以下的线性刻度和1000Hz以上的数据刻度，使人耳对低频信号比对高频信号更敏感。根据这一原理，研究人员基于心理学实验，通过科学实验获得了一组与耳蜗功能相似的滤波器组。这是梅尔频率滤波器组。 Mel频率倒谱系数MFCC是将信号的频谱在频域中变换为Mel频率尺度，再变换到倒谱域。得到的倒谱系数的具体计算过程如下： 1 假设有一帧采样语音，对其加窗，然后进行傅里叶变换，将时域信号转换为频域信号Xn，从而可以计算出其短期能谱Pf2。频率轴上的频谱转换为 Mel 坐标上的 PM3。在Mel频域，在Mel坐标上加上一个三角带通滤波器，得到滤波器组Hk，然后计算出Mel坐标上的能谱PM。通过这个滤波器组 RM4 的输出 如果 RM 表示第 k 个滤波器的输出能量，那么 Mel 频率倒谱 Cn 在 Mel 尺度谱上 可以使用修正的离散余弦反变换得到 kCRMCOSn-05-g Mel 频率倒谱Cn 是语音的特征参数 23 相似度计算 语音分析系统本质上是一个模式识别系统语音

英语0@>

识别过程是根据模式匹配原理和一定的相似度度量规则，得到未知模式与参考模式库中的某一参考模型的最佳匹配的过程。它是一种模式匹配和模型训练技术，也是一种非线性优化方法。它利用动态规划成功解决了语音信号特征参数序列在比较时不等时长的难题-53吴卫平大学英语与阅读测试系统的研究和设计问题广泛应用于语音识别假设检验和参考模板 特征参数矩阵分别使用TIT1T2TnTN和RR1R2RmRMM作为参考模板的总帧数 m是参考帧的时序标签 Rm是第m帧语音特征向量 N是测试模板的总帧数n 是测试模板的时序标签 Tn 是第 n 帧语音的特征向量可以计算它们之间的距离，以便比较它们之间的相似度 D[TR] 距离越小，相似度越高。算法Step1的实现过程分别分配了两个n×m矩阵作为累积距离矩阵D。帧匹配矩阵dn和m分别是测试模板和参考模板的帧数，帧匹配距离dij是测试模板第i帧到参考模板第j帧的距离。 Step2 通过动态时间扭曲计算，因为每个网格点 ij 计算其三个可能的先前网格点的累积距离。 Step3 求前三个网格点的累积距离最小值作为累积距离，加到当前帧的匹配距离dij中作为当前网格点。到DnmDnm为止的累计距离就是最佳匹配路径对应的匹配距离。 dist 是模板匹配的结果。 24 语音评分机制的建立 下面将介绍使用标准语音数据的评分机制。首先，在测试语音和标准语音之间设置相同的特征比例。距离dist与后续结果score的关系公式设置如下： 1001dist0 使用这个公式，我们可以将距离转化为score。通过实验，我们得到了一个非常接近标准语音的测试语音testGood。我们将其设置为与标准语音相同。相似度得分为 90，距离约为 5，更接近标准语音的测试语音的 testBad 得分约为 6，因此即使距离大于我们设置的或每小时的分数可以合理地转换为 0100。 3 系统实现我们用VC60实现了一个大学英语跟踪测试系统，实现了文中提出的基本功能。如图2所示，当学习者启动系统时，点击“播放试题”按钮后，系统从试题库中随机选择一个语音试题，播放两次试题学英语，播放完毕后铃声响起。学习者点击“录制”按钮跟读打分英语口语软件学英语，开始关注部门，系统立即开始录制，5秒内未点击“录制”按钮，系统将自动开始录制，对比直观地展示了部门之间的差异。学习者的发音和标准发音。图2显示了英语短语“Studentsareforcedtomeethigherstan

英语1@>

两个谱图的对比

dards” 学习者在后续测试中获得了 90 分。学习者也可以点击“回放录音”按钮重复播放他刚刚跟踪的录音，以检查后续测试的表现。音高，口音、语调、语速、流利度等目前都是作为一个小规模的演示系统来实现的，要将系统应用到实际教学中大学英语跟踪测试系统的研究与设计，需要提高系统标准语音的规模和软件界面的友好设计。大学英语后续测试系统具有以下功能特点： 1、具有良好的录音音量和语速独立性，系统采用语音信号频域的MFCC声学特征表示数据，具有良好的音量独立跟读打分英语口语软件，使用动态时间，归一化方法声学模型构建技术，通过状态重复实现对不同语速的适应，从而使整个系统的评分性能tem 基本不受语速影响 2. 评分表现接近专家评分。系统采用比例尺测试。在对考试成绩进行评分时，以预先规定的标准发音为参照物，检查考生是否符合该标准。因为口语测试是个体化的主观测试，所以量表参照测试方法比标准参照测试方法更加客观和客观。一致性实验表明，最终系统的评分性能可以接近专家水平。 3 评分客观、稳定、公平、高效。系统全自动运行，评分过程不受任何主观因素影响，评分结果客观、稳定、公平，可实现24/7连续评分和多任务处理。计算机按照完全相同的评分标准进行并行高效评分 4 基本不受考场其他考生的语音干扰 吴楚平大学英语跟踪考试系统的研究与设计 艾唐芒 参考资料扰弓我进入复杂语音信号处理和通道特性补偿机1》规模口语 测试需求ken Canthus nc [J] Suishan Acoustics Sp Zhu Gang 11 and SignalProcessing19804Oxford学生可以在他们的学习中使用这个测试系统和评分系统日常学习_1I21 易通可进入[3] 蔡骥0大沽英语4级或6级计算机L]语言测试效度、信度、跟线练习在演讲教室的机房或宿舍进行并获得分数对自己口语实践效果的运筹学【外语世界20054统警、孝道、名誉、坏消息、评分、墨迹、表扬】 口语实践方面的测试[] 8] ww 是一种突破 traiulihhiht1 - 目前系统还只是单机版，主要用于学习者[9] 赵正鹏非母语口音识别研究[D] 论坛30周年硕士研究生“外语教育技术”论坛公告为纪念上海国际问题“外语电子教学”编辑部Ben-flJ成立30周年学校将于2011年5月末邀请Ben-flJ的老编辑、老作者及部分相关专家教授。上海举办特别纪念活动，欢迎一直支持本刊发展的新老朋友积极签约up 联系我们 题字、贺信、纪念手稿、书法篆刻等多种形式参与或讨论“外语发展”主题uage教育技术”。最后，本刊会根据您的参与热情和鼓励，以画册的形式出版。 《外语电子教学》编辑部2011年3月