噪声下学龄孤独症谱系障碍儿童视听双通道下语音理解能力特征研究

目的 探究噪声下视听双通道学龄孤独症谱系障碍(ASD)儿童语音理解能力特征。方法 选取2023年3—7月在杭州复旦儿童医院、杭州合欣潜能发展中心、杭州启音康复中心等机构接受干预的、平均年龄为(7.00±1.11)岁的ASD儿童28例为观察组,取同期于萧山湘湖小学就读的年龄、性别匹配的健康儿童29例为对照组。将录制好的包含5个噪声下视听条件的测试材料导入E-Prime3.0进行测试,并对反应时、反应率和正确率进行统计分析。结果 两组反应时在面部和口部条件下比较,差异有统计学意义(P <0.05),正确率在所有条件下比较,差异均有统计学意义(P <0.05),反应率在纯听条件下比较,差异有统计学意义(P <0.05)。观察组内面部、口部条件下的反应率和正确率与其他3个条件比较,差异有统计学意义(P <0.05),反应率在听+面部条件下与纯听条件比较,差异有统计学意义(P <0.05)。对照组内所有参数均在口部、面部条件下与其他3个条件比较,差异有统计学意义(P <0.05)。结论 学龄ASD儿童噪声下视听双通道语音理解能力存在缺陷,主要表现在对关键信息的提取能力、处理速度和稳定性上。面部信息对学龄ASD儿童的言语整合存在促进作用。

汉语语音理解中自动纠错系统的研究

根据汉语语音的特点，通过总结在连续汉语语音识别的汉字序列中出现错误的规律，写出相应的用于查错和校正的词法和句法语义规则．利用“词汇语义驱动”的分析方法，找出汉字序列中的错误并校正。

基于结构信息的语音理解研究综述

语音理解作为人机交互研究的关键技术,近年来受到越来越多研究者的关注。尤其是如何挖掘语音文档中结构信息,用于帮助语音理解方面,已经有许多重要的研究成果。首先对近年基于结构信息的语音理解领域中的研究成果进行综述,然后展望未来基于结构信息的语音理解技术可能的研究热点。

语音理解中的容错技术的研究

本文研究了大词汇量非特定人汉语连续语音识别和理解系统中的容错技术 .首先 ,声学识别器产生N个最优 (N best)音节候选及其相应的声学层的概念 ,再由N个最优音节候选构成一个音节网格 (syllablelattice) .一个容错语言分析器被用来搜索该音节网格并发现最优的汉字串 .由于考虑了额外的可能候选音节 ,该最优汉字串的某些字的音节可能不在原来的音节网格中 .这样 ,声学层的一些错误被纠正 ,语言分析器的稳健性 (robustness)得以提高 .实验表明容错分析器能将字的理解正确率从 91 83%提高到 94 1 5 % .与传统的无容错技术的基于三元文法模型的分析器相比 ,错误率下降了 2 8 4% .

基于HMM的维吾尔语腭裂患儿语音理解度评估方法

为维吾尔语腭裂患者语音理解度的评估提供一种非主观的临床辅助手段,提出了一种通过语音识别技术对腭裂患者进行语音评估的方法。结合腭裂病理性语音特征和维吾尔语特点,提取维吾尔语正常儿童语音特征参数,建立了基于隐马尔科夫模型（HMM）的腭裂语音评估系统。再用此系统对腭裂患儿进行了语音理解度评估实验。将此方法评估结果与由专家判听来完成的主观评估方法比较。实验结果显示,该方法对于腭裂患儿的语音评估结果与主观评估结果具有高度一致性,该方法有一定的临床价值,值得进一步研究。

汉语连续语音理解系统

语音理解是通过一系列的抽象处理层次,将语音携带的信息变换到某个已知结构上.其主要困难是语音的多变性.与其他语种相比,处理汉语语音的特殊困难是:(1)大量的包括双元音和三元音语在内的元音使元音识别中空间的划分更困难(汉语约37个子空间,英语为21,法语为16);(2)音调变化.本文所介绍的系统的基本假设是:不同抽象层次的限制在语音的产生、传播和感知过程中决定了语音的变化,因而有关这些限制的知识可以被表示和开发,以对语音的结构作出假设并去除不确定性.系统的工作过程涉及到信号至基本符号的转换,符号推理和自然语言到基本函数的变换.系统的功能是可以理解汉语自然语言的一个子集,以 LISP 可执行函数的形式给出,使用音素作为基本识别单元但无需对音素实行预分割。

标准发音助力语音理解

在小学英语教学中,应给予口语教学更多的关注。在教学中,教师可应用迁移学习、探索学习、思维培养、学习活动、信息技术、实践练习,帮助学生理解音标和发音的关系,优化词汇、音标、发音的教学,帮助学生夯实英语学习基础。

中国成人英语学习者的语音学习策略与语音可理解度的关系研究

语音学习策略(Pronunciation Learning Strategies,PLS)在第二语言语音(Second Language Speech)研究领域占据重要地位,关于中国成人英语学习者(English as a Foreign Language,EFL)如何运用这些策略以提升语音可理解度的研究相对缺乏。以一所公立大学本科三年级英语专业学生为样本,采用诱导性自然话语语料,辅以问卷调查手段,系统性地考察了学习者在语音学习过程中所采用的各类策略。研究结果表明,就自然话语而言,尽管语音学习策略的整体运用与语音可理解度之间并无显著相关性,但是输入/练习类策略在提升语音可理解度方面的效果尤为突出。这一发现对基于策略的英语语音课堂教学设计具有重要的指导意义。

噪音环境下语音识别理解系统的研究

根据人对语言的认知过程提出了含噪语音识别理解的模型，语音识别采用两级模块扩展联想记忆神经网络，第一级扩展联想网络将待识别语音类分组，第二级分支扩展联想网络实现各自组内的区分，两级模块扩展联想网络的学习速度比传统ＢＰ网络快９倍，它对噪音语音信号具有很高的自适应性、鲁棒性、容错性和联想记忆能力。语音理解提取语音识别的候选词，采用统计推理和句法规则相结合的多层分析查错的结构，由统计推断库预测下一词，句法规则库将有效地减少声学层的识别错误和候选词，通过信息反馈来比较、纠正错误，引导后续的语音处理，以实现句子的识别。

汉语语音闭环识别理解结构

目前汉语语音识别的研究没有取得太大的进展，这与语音识别模型的结构存在问题有密切关系。我们知道，语音识别和语音理解研究的主要目的是为了使计算机具有类似人耳的听觉功能，但目前传统的模型都采用开环的拓扑结构，这种结构与人理解自然语音的闭环过程是不同的；另外，现在实现的系统都采用被动方式进行语音的识别理解，这与人理解自然语音的主动过程也不一样。鉴于以上两个原因，本文提出一种语音识别理解的闭环模型，这种模型一方面实现了和人一样的识别理解的闭环反馈自校正，另一方面模型中的语言预生成功能还使系统具有主动的语音识别理解能力。本文在分析了人对自然语音识别理解的特点之后，提出了这个新的闭环语音识别理解模型，然后把该模型与传统模型进行对比分析，最后就该模型进行具体的汉语语音识别理解实验，并对实验结果进行了总结。

一种新的语音识别理解方法

传统的汉语语音理解方法主要有两种：语言学方法和统计学方法，它们在过去的研究工作中已经取得了许多成果，但是用这两种方法建立的系统都是开环系统，对在理解中发生的错误没有自校正能力。本文提出了一个具有语言的预生成能力和反馈自校正能力的闭环汉语语音理解方案，它可以克服传统的开环系统的不足。为了证实本方案的可行性，本文最后还给出了一个汉语地名的识别理解实验的结果。

腭裂语音理解度评估方法研究进展

腭裂患者存在不同程度语音障碍,可致语音理解度降低,影响与人交流的能力。腭裂语音理解度评估是腭裂语音治疗的重要步骤。除主观评估方法外,腭裂语音理解度可利用语音识别方法自动评估。本文就腭裂语音理解度评估方法的研究进展作一综述。

用反馈式语音识别理解方案进行汉语地名的识别理解

汉语语音理解系统的任务之一是把语音识别系统获得的汉语音节转换成正确的汉字，与汉语语音识别系统一起，完成一个语音-文本（SpeechtoText）的转换系统。本文利用一个有别于语音理解传统方法（1．语言学方法[1]，2．统计学方法[2])的新的反馈式语音理解方案进行汉语地名的识别理解，获得了很好的实验结果。本文最后对实验结果和反馈式语音识别理解方案进行了讨论。

用反馈式语音识别理解方案进行汉语短语的识别理解

汉语语音理解系统的任务之一是把语音识别系统获得的汉语单音节转换成正确的汉字、词,乃至汉语的短语、语句,与语音识别系统一起,完成一个语音到文本(speech to text)的转换系统。本文利用一个闭环反馈方式汉语语音识别理解方案,在汉语词识别理解的基础上,进一步实现对汉语结构性短语的识别理解,获得了预期的结果。最后本文对实验结果和反馈式语音识别理解方案进行了讨论。

语音识别与理解的语言统计模型和搜索算法

介绍了目前语音识别与理解技术中最重要的语言统计模型和搜索算法。语言建模方法主要介绍 Ｎ 元文法语言模型、基本类的模型、最大熵模型、潜在词义分析模型和话题相关模型。搜索算法主要介绍树－ 格（ Ｔｒｅｅ Ｔｒｅｌｌｉｓ） 搜索算法、双向图搜索算法。

语音学知识对英语听力理解的影响

掌握必要的语音学知识有助于提高听力理解能力。本文作者在听力教学过程中,从英汉语音差异、同化、弱读、连读、增音和省音六个方面向学生渗透语音学知识,收到了良好的教学效果。

基于多模态信息融合的语音意图理解方法

为从语音中获取包括字面含义和说话人情绪状态在内的全面意图信息,提出了一种基于多模态信息融合的语音意图理解方法,并对其中的关键词抽取、命令解析、基于文本/韵律特征的情绪状态检测以及多模态信息融合等关键算法进行了设计。该方法从识别文本和语音信号中抽取不同模态的信息并进行融合,能够有效地从语音中获取丰富的意图信息,有助于建立自然的人机交互环境。

基于词图树扩展的语音命令理解及其容错算法的研究

本文对计算机语音命令理解的算法作了一些探索性的研究。首先针对词图结构的特点提出了一种词图树扩展理解算法 ,通过分析与实验比较 ,发现该算法在保证精确率的下降很小的条件下可获得比传统的Nbest路径理解算法高得多的召回率 ,而计算效率仅相当于Nbest路径理解算法中句子候选数取值很小时的情况 ;其次根据对实验结果的分析与观察 ,给出了一种行之有效的命令理解容错算法 ,使得理解召回率提高到91 7% ,精确率仍保持在 90 %以上 ,而理解错误率降低了 13 5 % 。