CN105825852A - 一种英语口语朗读考试评分方法 - Google Patents

Abstract

本发明公开了一种英语口语朗读考试评分方法，包括如下步骤：步骤一、使用录音设备获取应试者口语朗读语音信息；步骤二、对所述采集的语音信号进行预处理，得到经预处理的语音信号；步骤三、对所述经预处理的语音信号进行语音特征参数提取，得到所述采集的语音信号的语音特征参数；步骤四、利用所述语音特征参数对所述采集的语音信号与标准语音信号进行比较，分别得到准确度分值、语速分值、重音分值、音量分值；步骤五、对准确度分值、语速分值、重音分值、音量分值进行加权相加，得到最终评分数值。本发明检测准确度高，可靠性好，减轻了人为评分的劳动强度，降低了评分人员主观因素对分数的影响。

Description

一种英语口语朗读考试评分方法

技术领域

本发明涉及语音识别技术领域，特别涉及一种英语口语朗读考试评分方法。

背景技术

随着人们对英语口语的重视逐渐加强，目前，口语测试己经成为大多数英语水平考试的重要组成部分。口语考试规模的日益增大使大量考生的口语数据需要进行评分，这需要大量的人力资源。人工评分是传统的评分方法，但有很多不易解决的问题，如评分员资源短缺、人工评测成本高、评分较主观，即使是同一个评分者对相同的样本，在不同的时间受各种条件的影响也可能评出不同的分数。尤其是对超大规模的评测，人工评测已难以满足其需求。因此，一种能够客观地、可批量化处理的机器评分方法是目前所急需的。

英语口语考试中的一个常见的题型是段落朗读。在此题型中，考生被要求大声朗读一段语段，语段的长度通常不少于100个单词。该题型由于朗读的文本固定，因此相对于其他题型，更适于使用机器进行自动批量评分。

发明内容

本发明的目的是提供一种英语口语朗读考试评分方法，通过对口语考试的朗读题录音样本进行分析，提取多个评分因素并加权后得到最终评分结果，评分过程快速可靠。

本发明提供的技术方案为：

一种英语口语朗读考试评分方法，包括如下步骤：

步骤一、使用录音设备获取应试者口语朗读语音信息；

步骤二、对所述采集的语音信号进行预处理，得到经预处理的语音信号；

步骤三、对所述经预处理的语音信号进行语音特征参数提取，得到所述采集的语音信号的语音特征参数；

步骤四、利用所述语音特征参数对所述采集的语音信号与标准语音信号进行比较，分别得到读音准确率分值、语速分值、重音分值、音量分值；

步骤五、对读音准确率、基频、音量及语速分值进行加权相加，得到最终评分数值。

优选的是，步骤一中，还包括将获取的应试者的模拟语音信号转换为数字信号，转换时的采样频率为8KHz。

优选的是，步骤二中，所述预处理包括加重、分帧、加窗及端点检测。

优选的是，采用汉明窗对语音信号进行加窗处理。

优选的是，采用双门限端点检测法进行端点检测。

优选的是，步骤四中，读音准确率、基频、音量及语速评分公式如下：

$s_i=\frac{100}{1+a\·{\left(d_i\right)}^b},i=1,2,3,4.$

其中，s₁,s₂,s₃,s₄分别为读音准确率、重音、音量及语速分值；d₁,d₂,d₃,d₄分别为读音准确率、基频、音量及语速特征与标准语音差异距离；a,b为常数。

优选的是，所述差异距离采用欧几里徳距离。

优选的是，步骤五中，最终评分数值为：

s＝ω₁s₁+ω₂s₂+ω₃s₃+ω₄s₄

其中，ω₁，ω₂，ω₃，ω₄分别代表读音准确率、重音、音量及语速的权重。

本发明的有益效果是：本发明提供的英语口语朗读考试评分方法，通过对准确度、语速、重音、音量四个方面对口语考试应试者进行评判，检测准确度高，可靠性好，减轻了人为评分的劳动强度，降低了评分人员主观因素对分数的影响。

附图说明

图1为本发明所述的英语口语朗读考试评分方法流程图。

具体实施方式

下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

如图1所示，本发明提供了一种英语口语朗读考试评分方法，包括如下步骤：

步骤一S110、获取应试者朗读语音数据。

在应试者进行朗读时，使用录音设备对应试者的朗读语音进行录制和储存。由于应试者的语音信号为模拟信号，需要进行数字化采样处理。由于一般人的语音频率在4KHz以下，只有当采样频率大于信号中最大频率的2倍时，采样之后的数字信号才能够较为完整的表达原始语音信号中的有效信息。因此，本发明中采样频率为8KHz。

步骤二S120、对所述采集的语音信号进行预处理，得到经预处理的语音信号；

在对语音信号进行分析和处理之前，必须对其进行加重、分帧、加窗及端点检测等预处理操作。这些操作的目的是消除由于人类发生气管本身和语音信号采集设备的高次谐波失真、高频、混叠等因素对语音信号质量的影响。语音预处理影响着语音特征提取的结果，更平滑均匀的语音信号可为语音特征提取提供更优质的参数，从而提高语音处理质量。

预加重：

受口鼻辐射和声门激励的影响，语音信号的平均功率谱高频端大约在800Hz以上按6dB/oct(倍频程)衰减。因此，在对语音信号进行分析之前，一般采用一个6dB/oct的高频提升预加重数字滤波器来提升语音信号的高频部分，使得语音信号的频谱变得平坦，能用同样的信噪比求低频到高频整个频带的频谱。滤波响应函数为：

H(z)＝1-0.95z^-1

则预加重处理后的结果y(n)可以由输入的语音信号x(n)表示为：

y(n)＝x(n)-0.95x(n-1)。

分帧：

语音信号具有时变特性，但由于发声器官的惯性运动，可以认为在一个短时间范围内(一般为10～30ms)，语音信号基本保持不变即相对稳定，因而可以将其看作是一个准稳态过程，即语音信号具有短时平稳性。因此，语音信号的分析和处理通常建立在“短时性”的基础上，即采用“短时分析”，对语音信号流进行分帧处理。一般每秒的帧数有

$Framesper\sec ond=\frac{1}{t},(0.01<t<0.03)$

分帧可以采用连续方式或者交叠方式。由于语音信号之间具有相关性，本文采用半帧交叠方式进行分帧。因此对于整体的语音信号而言，分析出的是由每一帧特征参数组成的特征参数时间序列。

加窗：

为加强语音信号中抽样n附近的语音波形、减弱波形的其余部分，在分帧处理之后还要对其进行加窗处理。对语音信号的各个短段进行加窗处理，相当于对各个短段进行某种运算或者变换，具体计算公式如下：

$Q_n=\underset{m=-\mathrm{\&infin;}}{\overset{\mathrm{\&infin;}}{\&Sigma;}}T\&lsqb;s\left(n\right)\&rsqb;\mathrm{\&omega;}(n-m)$

其中T[]表示某种变换，线性的或者非线性的都可以，s(n)为输入语音信号序列，Q_n是所有各段经过处理后得到的一个时间序列。

最常用的窗函数包括汉明窗(Hamming)、矩形窗和汉宁窗(Hanning)，其定义分别为：

(1)汉明窗

(2)矩形窗

(3)汉宁窗

矩形窗的主瓣较窄，具有较高的频率分辨率，但也由于其具有较高的旁瓣容易导致相邻谐波之间的干扰比较严重，相邻谐波间隔内有时叠加有时抵消而产生严重泄露。汉明窗是最为普遍使用的，可以得到比矩形窗平滑得多的频谱。本发明采用汉明窗对语音信号进行加窗处理。

端点检测：

语音信号端点检测是语音识别过程中的一个关键环节，其目标是自动检测出语音信号的端点(即起始点及结束点)，其算法的优劣将直接影响到语音识别性能的好坏。准确地确定出语音信号的起始点和结束点，才能对有用的语音信号进行存储和处理。实验表明，短时能量和短时平均过零率双门限端点检测法能够比较准确地检测出有效语音的端点，也是目前比较常用有效的端点检测方法。双门限比较法以短时能量E和短时平均过零率Z作为特征，有效结合E和Z的优点，能更准确地检测出语音信号的端点，不仅可以排除无声段的噪声干扰，还能降低系统的处理时间，提高系统处理的实时性，从而提高语音信号的处理性能。本发明采用该方法进行端点检测。

步骤三S130、对所述经预处理的语音信号进行语音特征参数提取。

语音信号特征参数提取就是去除与语音处理无关紧要的冗余信息，对语音信号进行分析处理。原始语音信号不仅数据量十分大，而且由于发声人的不同、发声响度、长度等原因而存在太多干扰语义的信息，因此不适合直接用于语音处理。特征参数的好坏会直接影响到语音处理性能，合适的特征提取方法会带来更佳的结果。所以需要对原始语音信号进行特征参数提取，最理想的语音特征只描述语义信息，语音数据总量也小。

语音的时域特征主要有语音的基音周期、短时(平均)过零率和短时(平均)能量。语音的频率特征主要有快速傅立叶变换(FastFourierTransformation，FFT)频谱系数、线性预测系数(LinearPredictionCoefficient，LPC)、线性预测倒谱系数(LinearPredictionCepstrumCoefficient，LPCC)和梅尔频率倒谱系数(MelFrequencyCepstrumCoefficient，MFCC)等。实验表明，基于声道的LPCC特征参数与基于听觉特性的MFCC特征参数都是将语音从时域变换到倒谱域上，都能较好地表征语音特征。其不同点在于：LPCC基于发声模型，利用线性预测编码技术求倒谱系数；MFCC基于听觉模型，以语音通过该模型(滤波器组)的输出为声学特征，直接通过离散傅立叶变换(DTF)进行变换。

步骤四S140、利用所述语音特征参数对所述采集的语音信号与标准语音信号进行比较，分别得到准确度分值、语速分值、重音分值、音量分值。

在获取语音特征参数后，与标准语音进行比对，求出两者的相似度，并将相似度转换为具体的分数。

将提取的语音特征参数与标准语音参数从四个方面进行比对，这四个方面分别为：

(1)音量强度曲线，即语音信号的振幅大小来表示语音的音量特征；

(2)基频轨迹曲线，即语音的音高的起伏，也就是重音位置；

(3)发声急缓变化，即语音的语速的变化；

(4)读音准确率，即语音信号经辨识后得出的每个音素的正确率，表示语音内容。

针对音素读音准确率、重音、音量及语速等单一特征进行评判，其公式如下：

$s_i=\frac{100}{1+a\&CenterDot;{\left(d_i\right)}^b},i=1,2,3,4.$

其中，s₁,s₂,s₃,s₄分别为读音准确率、重音、音量及语速分值；d₁,d₂,d₃,d₄分别为读音准确率、基频、音量及发声急缓变化特征差异差异距离，这里使用的是欧几里徳距离；a,b为常数。

这样我们就可以将两音素间某个特征的差异程度转成0到100之间的分数，只要设定好两组的d_i及对应的s_i，即可从中求出a和b。

步骤五S150、对读音准确率、基频、音量及语速分值进行加权相加，得到最终评分数值：

s＝ω₁s₁+ω₂s₂+ω₃s₃+ω₄s₄

其中，ω₁，ω₂，ω₃，ω₄分别代表四个评分参数的权重。经由大量的实验，可以求出这四项参数的权重，也可以由权重的比例得知四项评分参数对于英文评分的重要性。ω₁，ω₂，ω₃，ω₄也可以由人为进行设定。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。

Claims (8)

1.一种英语口语朗读考试评分方法，其特征在于，包括如下步骤：

步骤一、使用录音设备获取应试者口语朗读语音信息；

步骤二、对所述采集的语音信号进行预处理，得到经预处理的语音信号；

步骤三、对所述经预处理的语音信号进行语音特征参数提取，得到所述采集的语音信号的语音特征参数；

步骤四、利用所述语音特征参数对所述采集的语音信号与标准语音信号进行比较，分别得到读音准确率分值、语速分值、重音分值、音量分值；

步骤五、对读音准确率、重音、音量及语速分值进行加权相加，得到最终评分数值。

2.根据权利要求1所述的英语口语朗读考试评分方法，其特征在于，步骤一中，还包括将获取的应试者的模拟语音信号转换为数字信号，转换时的采样频率为8KHz。

3.根据权利要求1所述的英语口语朗读考试评分方法，其特征在于，步骤二中，所述预处理包括加重、分帧、加窗及端点检测。

4.根据权利要求3所述的英语口语朗读考试评分方法，其特征在于，采用汉明窗对语音信号进行加窗处理。

5.根据权利要求3所述的英语口语朗读考试评分方法，其特征在于，采用双门限端点检测法进行端点检测。

6.根据权利要求1所述的英语口语朗读考试评分方法，其特征在于，步骤四中，读音准确率、基频、音量及语速评分公式如下：

$s_i=\frac{100}{1+a\&CenterDot;{\left(d_i\right)}^b},i=1,2,3,4.$

其中，s₁,s₂,s₃,s₄分别为读音准确率、重音、音量及语速分值；d₁,d₂,d₃,d₄分别为读音准确率、重音、音量及语速特征与标准语音差异距离；a,b为常数。

7.根据权利要求6所述的英语口语朗读考试评分方法，其特征在于，所述差异距离采用欧几里徳距离。

8.根据权利要求7所述的英语口语朗读考试评分方法，其特征在于，步骤五中，最终评分数值为：

s＝ω₁s₁+ω₂s₂+ω₃s₃+ω₄s₄

其中，ω₁，ω₂，ω₃，ω₄分别代表读音准确率、重音、音量及语速的权重。