浅谈提高英语口语能力的途径

中国人在练习英语口语时往往认为:所掌握的英语词汇不多,语音又不好,说不好英语会让人笑话。因此,出现了越不敢说越说不好,越不说就越不会说的恶性循环。我们认为,要练好英语口语,首先要有明确的学习目的,然后要对英语学习百分之百地感兴趣。在练习中克服害羞心理,学会用身体语言和目光交流帮助语言交流,不断地增加词汇量,改进语音语调。经过不懈努力,练习练习再练习,就一定能提高自己的英语口语能力。     

英语语音修辞作用浅谈

英语语音有较强的音乐性。该文从加强重音、利用声音延续、恰当停顿、重叠词和拟声词等几方面分析了语音修辞在文学作品中的作用。     

DSP在移动通信语音判选中的应用

利用数字信号处理器(DSP)能快速进行信号的时-频域分析的特点，提出了一种用DSP完成语音判选功能的方案，它具有及时、准确、动态地完成最优语音的判选的特点，为保证通讯网以最小的接入时间实施最优的语音服务奠定了基础。     

基于峰态的盲信号分离

就一种基于信号峰态(kurtosis)极值化的盲信号分离方法进行了探讨．首先介绍算法理论，然后提出了一种简化快速的最速下降算法，解决了收敛指向性的问题，并将对混合语音信号的分离扩展到混合图像信号的分离．实验结果表明，同其他基于峰态的盲分离算法相比，其分离效果好，而且在收敛速度、运算复杂度方面有显著的优势．     

语音DCT变换的一种小波编码方法

语音信号离散余弦变换的小波变换编码方法是根据DCT变换和小波变换特点，并结合语音信号的特征而提出的一种高效简便的语音编码方法，在编码中，对不同层次小波系数分配不同的量化位，可灵活、方便地控制重构话音的质量，以汉语语音音节为例的实验表明，在16kbps的编码数据率时，重构(或再生)的话音质量与原始话音质量基本相同。     

语音识别中基于模糊聚类分析的参数聚类

为减少语音识别中声学模型的参数量，提高参数训练的鲁棒性，基于声学决策树结构，提出利用模糊聚类分析方法对模型参数聚类，包括高斯聚类和方差共享．对大词汇量汉语连续语音识别的实验结果表明：高斯模糊聚类使高斯数减少25％时，识别率提高了0．15％．进一步做模糊方差共享，当方差减少到初始模型的24％，与同样参数量的未进行聚类的模型相比，误识率下降了3．01％，证明了模糊聚类分析在语音参数聚类中的有效性．     

北大博士对双语语音实验研究的新突破

对北京大学近来的博士论文用声学语音学和实验语音学等方法研究双语语音的新进展进行了综合分析，重点对比满汉双语，确定了北京话的“轻音”和“儿化”；对比韩、汉元音、韵律特征确定了两语时长和声调高低的不同，为双语教学提供了权威的语音校正，从而突显了成果的适用价值。     

手机市场劲吹"世纪风"

中国联通公司酝酿许久的双模业务"世纪风"终于正式出台.该业务的推出有效整合了两网业务,使得"世纪风"可以实现全球的网络漫游服务.同时,在已有的语音、短信业务基础之上进一步打开了数据业务的增值点.     

卷积神经网络声学模型的结构优化和加速计算

将卷积神经网络(convolutional neural networks,CNN)声学模型应用于中文大词表连续电话语音识别任务中,分析了卷积层数、滤波器参数等变量对CNN模型性能的影响,最终在中文电话语音识别测试中,CNN模型相比传统的全连接神经网络模型取得了识别字错误率1.2％的下降.由于卷积结构的复杂性,常规的神经网络加速方法如定点量化和SSE指令加速等方法对卷积运算的加速效率较低.针对这种情况,对卷积结构进行了优化,提出了2种卷积矢量化方法:权值矩阵矢量化和输入矩阵矢量化对卷积运算进行改善.结果表明,输入矩阵矢量化方法的加速效率更高,结合激活函数后移的策略,使得卷积运算速度提升了8.9倍.     

运用Praat语音软件辅助英语语音教学

英语语音在英语专业教学中起着至关重要的作用,以往对学生问题语音的指正多辅以语言学和语音学的相关理论知识,但理论知识对于学生英语发音能力的提高具有一定的局限性。利用语音分析软件Praat,直观生动地分析了英语专业学生英语语音习得方面出现的常见问题,并探究了该软件在语音教学和自学中运用的可行性。