英语专业学生语音学习现状调查及建议

英语语音在英语专业学习中起着举足轻重的作用，然而本系学生的整体语音水平却不容乐观．不仅影响了他们口头交际能力的发展，而且在很大程度上阻碍了学生英语综合能力的提高。本文结合英语专业学生语音学习现状的调查结果，对学生英语语音学习普遍存在的问题及成因进行分析，并提出相关建议，以期提高学生的语音水平。     

问题及对策:论高职高专英语语音教学

语音是语言的最基本要素,是英语学习的基础,它贯穿整个语言学习过程。本文通过对高职高专英语专业学生语音学习现状调查发现,目前高职高专英语专业学生的英语语音现状不容乐观。文中还分析了目前高职高专英语语音教学中存在的问题,并提出了改善和提高高职高专英语语音教学的对策。     

语音识别技术在聋人大学生课堂教学中的应用研究

为实现聋人大学生的无障碍学习,语音识别工具被陆续引入特殊教育院校。为调查语音识别工具在聋人课堂的教学有效性,选取北京联合大学特殊教育学院的208名在读聋人学生作为调查对象,调查其对语音转文字教学方式的认同程度,以及语音识别工具引入课堂的优点与缺点。结果显示,聋人学生普遍认可语音转文字方式的授课,且认为其能弥补手语对大学专业词汇表达的不足。关于语音识别工具在课堂中的应用,调查对象认为能提高其文字阅读能力和对专业知识的理解能力,但也指出软件本身仍存在一些缺陷,因此教师不能完全依赖它授课。基于调查结果,作者建议大学教师可以采用语音识别工具作为教学手段用于辅助聋人课堂教学,但需要对识别后的文字进行再加工,并将其与手语有机结合,才能真正地促进聋生对专业知识的理解。     

基于反馈调节改进HMM的语音识别技术

本系统基于反馈调节HMM改进模型方法,依据HMM数学模型原理,找到这种模型的内在缺陷,提出一种反馈学习的修正原理,通过实验找出最优数据,正确反映汉语语音的数学模型,大大提高语音识别率。     

电视背景环境下语音命令识别系统

设计了一种电视背景环境下的非特定人语音控制命令识别系统,包括基于隐马尔可夫模型的孤立词识别子系统和基于扩展信息最大化(Infomax)独立成分分析算法的语音分离子系统.本语音识别系统的语音库包括8 400个电视机转台控制命令的语音数据.在无噪环境下对特定语音命令的识别率可达93.2％,正常电视背景环境下的识别率降至49.0％,对电视背景下通过分离后的语音命令识别率可达85.8％.     

基于混沌神经网络的语音识别方法

基于语音信号的时变特性,研究了神经网络语音识别的方法．把混沌特性引入到神经元,构造了一种新的多层混沌神经网络结构,同时推导了相应的学习算法．把这种混沌神经网络用于语音识别,并与常用的神经网络语音识别方法作了比较．实验结果表明,混沌神经网络方法的平均识别率要高于同等条件下常用神经网络方法的识别率．     

激发学生学习兴趣 培养专业情感——暨沈阳化工大学学生专业兴趣调查研究

本文从学院学生学习现状入手,调查研究了学院1600多名大学生对专业的学习兴趣,结果表明有近30%的学生对本专业没有太大或者没有一点兴趣;上大学后,大部分学生的专业兴趣仍处在模糊状态。通过调查结果,探索学生学习兴趣产生和培养专业感情的途径。     

增强网络思想政治教育时效性的思考——基于对独立学院学生思想状况调查结果分析

在＂网络时代＂背景下,大学生的思想政治教育也发生了新的变化。本文通过对独立学院学生思想状况进行调查,在调查结果的基础上,提出相应的举措。     

自主性:成教学生学习欲望简论

以调查问卷和访谈方式调查成教学生学习自主性情况。调查结果显示 ,广西成人教育学生学习自主性不高。既有政策、观念的因素 ,也有教学、管理的因素。只能通过改变观念 ,进行教学改革 ,施行主体性教学 ,推行学分制等措施提高学生的学习自主性 ,以提高教育质量。     

改进的小波变换HMM语音识别算法

语音识别系统的识别率十分依赖基于Hidden Markov Models(HMM)模型的训练技术.然而,经典的训练算法(Baum-Welch算法)有一个致命的缺陷,即所得最终解依赖于初始值的选取,只得局部最优解,这就影响了系统的最终识别率.针对传统语音识别系统识别率较低的现状,提出了一种改进的小波变换HMM语音识别算法.该算法首先通过小波变换对原始语音信号进行了降噪处理,然后使用语音样本对利用遗传算法改进后的HMM模型进行训练,并用于语音识别.实验结果表明:所提出的算法实用有效,识别率显著提高.     

文本文件的语音识别中音节的自动切分

汉语语音识别中对孤立词、小词汇特定人的语音识别率较高，但对于连续的大词汇量语音识别率较差。把连续的大词汇语音实时自动地切分为单个音节，可以提高其系统的识别率。本文根据汉语语音在能量和频率等方面的特征，找到了短时平均幅度和短时平均过零率的方法来检测音节的端点，从而得到对文本文件中汉语语音的音节自动切分算法。     

基于大数据和深度学习的语音识别研究

大数据时代为深度学习在语音识别中的应用提供了良好的平台.本文介绍了用于语音识别的深度学习模型及用于语音识别的深度学习的学习过程.语音识别技术中特征提取、模式匹配和模型训练都离不开大量训练数据的积累和匹配,而数据的可靠和有效依赖于算法的可行性.在大数据基础上,深度学习用于语音识别大大提高了识别率.     

基于EMD法的语音信号特征提取方法研究

为了提高语音信号的识别率,提出了一种基于经验模态分解(EMD)法的语音信号特征参数提取方法。该方法先对语音信号进行EMD分解,获得其内模函数;再进行FFT和DCT变换,得到特征分量,以此构成语音信号新特征参数。最后采用高斯混合模型(GMM)进行说话人语音识别,实验表明新特征参数取得了较好的识别率。     

体育类大学生学习型共同体英语语音课堂的实践研究

《国家中长期教育改革和发展规划纲要（2010-2020年）》要求对传统的课堂教学进行改革,创新课堂教学模式。构建体育类大学生学习型共同体英语语音课堂,旨在创建一种新型的以学生为本的课堂教学生活世界,使课堂成为一个学习型组织,成为一个微观的共同体,实现从传统教学＂以学习为中心＂向现代教育教学＂以学习为中心＂的战略转移,逐步提高体育类大学生的英语水平,从而提升整个大学生群体的英语水平。     

人工合成噪声环境下的连续英文数字识别系统

噪声鲁棒性问题是当前语音识别的一个重点,作者提出了一个在已有数据库下通过人为地将噪声和语音信号混合的方法,实现实际环境下的连续英文数字语音识别系统.即通过自设计的程序将采集到的噪声文本根据不同的信噪比随机地添加到现有的语音数据库的语音文本中,使新的数据库中的语音文本符合实际的语音环境.实验结果表明,本系统对带噪声环境下的英文数字的识别率效果好,单词的总体正确识别率达到95.86%.     

高职高专英语自主学习平台构建的实效研究

学生英语水平的提高,不仅需要通过课堂学习更重要的是自学。本研究通过选择教学教材、开放语音实训室、构建网络学习平台、改进成绩评定方法及开展第二课堂活动等途径,构建自主学习平台,培养学生的自主学习能力,提高学生英语实际运用能力。     

大学生英语语音学习的个体差异及对策初探

在英语语音教学实践中,学生的语音学习存在个体差异,并在一定程度上影响了教学效果。针对学生语音学习个体差异较大的现状,探究语音教学的调控策略,并提出了通过个别化细分教学和培养学生良好的学习策略等干预措施来提高语音教学效果。     

自适应函数链神经网络在非特定人语音识别中的应用

根据加权倒谱距离测度，构造了一种用于非特定人语音识别的函数链神经网络，并结合所提出的自适应函数链神经网络学习算法，不但大大缩短了网络的学习时间，而且使得该网络具有较高的识别率，采用10人（5男、5女）的语音数据对汉语10个数字进行了实验，正确识别率为94．2％．     

基于卷积神经网络的大容量汉语孤立字语音识别方法

使用录音设备对1 605个常用汉字进行录音,得到920个孤立字发音、3 680个非特定人的语音样本库.采用语音语谱图作为汉语单字语音识别的特征,构建了6层卷积神经网络应用于模型库的语音识别.通过深度学习方法对语音样本进行了训练和识别.实验结果表明,所构造的20-40-3500结构的卷积神经网络模型对语音样本库具有最好的识别效果,对测试样本的识别率达到97.87%,对全部样本的识别率达到99.32%.     

多媒体网络技术在高校学生英语语音自主学习中的应用

语音是语言学习的基础,但高校英语语音教学仍然是最为薄弱的环节.以多媒体网络技术为代表的现代教育技术快速发展,为高校英语语音教与学提供了创新途径和创新空间,能够满足学生语音学习的个性化需求.在学生语音自主学习中应用多媒体网络技术,能够辅助学生采用自主、互动和移动的方式学习语音,能够提供丰富的语音学习资源、构建个性化的语音学习方式和创设立体化的语音学习环境.学校要做好多媒体网络语音学习平台建设,教师要引导学生应用多媒体网络技术,学生以小组协作形式提高多媒体网络技术辅助语音学习的成效.