CN117316187B - 一种英语教学管理系统 - Google Patents

一种英语教学管理系统 Download PDF

Info

Publication number
CN117316187B
CN117316187B CN202311625058.0A CN202311625058A CN117316187B CN 117316187 B CN117316187 B CN 117316187B CN 202311625058 A CN202311625058 A CN 202311625058A CN 117316187 B CN117316187 B CN 117316187B
Authority
CN
China
Prior art keywords
sound
subunit
english
phase
power
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202311625058.0A
Other languages
English (en)
Other versions
CN117316187A (zh
Inventor
任晓琳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Linyi Vocational College Of Science And Technology
Shandong Tongqi Wanjiang Technology Innovation Co ltd
Original Assignee
Linyi Vocational College Of Science And Technology
Shandong Tongqi Wanjiang Technology Innovation Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Linyi Vocational College Of Science And Technology, Shandong Tongqi Wanjiang Technology Innovation Co ltd filed Critical Linyi Vocational College Of Science And Technology
Priority to CN202311625058.0A priority Critical patent/CN117316187B/zh
Publication of CN117316187A publication Critical patent/CN117316187A/zh
Application granted granted Critical
Publication of CN117316187B publication Critical patent/CN117316187B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • G10L25/60—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for measuring the quality of voice signals
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/005—Language recognition
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification
    • G10L17/06—Decision making techniques; Pattern matching strategies
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Processing of the speech or voice signal to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0272—Voice signal separating
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/21—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being power information
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
    • G10L25/30—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique using neural networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Abstract

本发明公开了一种英语教学管理系统，属于语音信号处理技术领域，在本发明中采集声音信号后，从声音信号提取出属于教师的声音信号，一方面能剔除噪声，另一方面能剔除学生的声音，再从教师声音信号中提取出声音特征，先通过中英文声音分类单元进行分类，识别出该声音特征是否属于英文声音，若是，则再进一步地对声音特征进行处理，得到音准评估值，提供一种能规避英语教学课堂中其他干扰声音，又能精准提取出属于英文声音的声音特征，从而对其进行音准评估。

Description

一种英语教学管理系统
技术领域
本发明涉及语音信号处理技术领域，具体涉及一种英语教学管理系统。
背景技术
在英语教学课堂中老师发音的精准程度，属于老师教学水平的重要评价指标。现有的发音评估技术方案是通过对语音信号进行识别，获取语音信号的特征参数，再通过语音评估模型处理特征参数，得到语音评估结果。但是在英语教学课堂中，老师会进行中英文切换，且存在多位学生发言或者沟通讨论的情形，因此，在英语教学课堂中，通过现有的发音评估技术方案，无法对老师的发音进行评估。
发明内容
针对现有技术中的上述不足，本发明提供的一种英语教学管理系统解决了现有缺乏一种在英语教学课堂中对教师的英文发音进行音准识别的技术方案的问题。
为了达到上述发明目的，本发明采用的技术方案为：一种英语教学管理系统，包括：声音采集单元、教师声音提取单元、声音特征提取单元、中英文声音分类单元和英文音准识别单元；
所述声音采集单元用于采集英语教学课堂的声音信号；所述教师声音提取单元用于从英语教学课堂的声音信号中提取出教师声音信号；所述声音特征提取单元用于从教师声音信号提取声音特征，其中，声音特征包括：功率特征值和相位特征值；所述中英文声音分类单元用于对声音特征进行分类，在分类类型为英文时，通过英文音准识别单元处理声音特征，得到音准评估值。
本发明的有益效果为：在本发明中采集声音信号后，从声音信号提取出属于教师的声音信号，一方面能剔除噪声，另一方面能剔除学生的声音，再从教师声音信号中提取出声音特征，先通过中英文声音分类单元进行分类，识别出该声音特征是否属于英文声音，若是，则再进一步地对声音特征进行处理，得到音准评估值，提供一种能规避英语教学课堂中其他干扰声音，又能精准提取出属于英文声音的声音特征，从而对其进行音准评估。
进一步地，所述教师声音提取单元包括：分解子单元、筛选子单元和重构子单元；
所述分解子单元用于采用小波变换对英语教学课堂的声音信号进行分解，得到多个小波分解系数；
所述筛选子单元用于计算每个小波分解系数与教师历史集合中每个元素的相似值，筛选相似值大于相似阈值的小波分解系数，其中，教师历史集合为存储教师声音的小波分解系数的集合；
所述重构子单元用于将筛选出的小波分解系数进行重构处理，得到教师声音信号。
上述进一步地方案的有益效果为：本发明中先是采用小波变换对英语教学课堂的声音信号进行分解，得到多个小波分解系数，在英语教学课堂的声音信号中存在除教师声音外的噪声和其他声音，现有技术通过设置阈值的方式，筛选出小波分解系数，从而进行过滤噪声，但是本发明中存储了教师声音信号对应的小波分解系数，因此，本发明中只需要从当前的多个小波分解系数筛选出与教师历史集合中元素相似值高的小波分解系数，从而进行重构处理，同时滤除掉噪声和其他声音。
进一步地，所述声音特征提取单元包括：时频转换子单元、信号分段子单元、功率特征提取子单元和相位特征提取子单元；
所述时频转换子单元用于将教师声音信号转换为频域信号；
所述信号分段子单元用于将频域信号划分为多段，得到多段频域子信号；
所述功率特征提取子单元用于提取每段频域子信号的功率特征值；
所述相位特征提取子单元用于提取每段频域子信号的相位特征值。
进一步地，所述功率特征提取子单元的表达式为：，其中，Pe为每段频域子信号的功率特征值，Pi为每段频域子信号中第i次谐波分量的功率，N为谐波分量的数量，i为谐波分量的编号。
进一步地，所述相位特征提取子单元的表达式为：，其中，Se为每段频域子信号的相位特征值，Si为每段频域子信号中第i次谐波分量的相位，N为谐波分量的数量，i为谐波分量的编号。
上述进一步地方案的有益效果为：本发明中将教师声音信号从时域转换到频域，得到频域信号，并对频域信号进行划分，分段提取功率特征值和相位特征值，通过四阶中心矩除以方差的平方，用于体现功率和相位的分布情况。
进一步地，所述中英文声音分类单元包括：功率估计子单元、相位估计子单元和分类子单元；
所述功率估计子单元用于估计功率特征值的功率份额；
所述相位估计子单元用于估计相位特征值的相位份额；
所述分类子单元用于根据功率份额和相位份额进行分类，得到分类类型，其中分类类型包括：英文和中文。
进一步地，所述功率估计子单元的表达式为：，所述相位估计子单元的表达式为：/>，其中，Z1为功率份额，Z2为相位份额，Pe,j为第j个功率特征值，wP,j为第j个功率特征值Pe,j的权重，bp,j为第j个功率特征值Pe,j的偏置，Se,j为第j个相位特征值，wS,j为第j个相位特征值Se,j的权重，bS,j为第j个相位特征值Se,j的偏置，M为相位特征值或功率特征值的数量，j为相位特征值或功率特征值的编号。
进一步地，所述英文声音分类单元的表达式为：，其中，y为英文声音分类单元的输出，e为自然常数，在英文声音分类单元的输出y大于0.5时，分类类型为英文，在英文声音分类单元的输出y小于等于0.5时，分类类型为中文。
上述进一步地方案的有益效果为：本发明中根据功率特征值和相位特征值进行二分类处理，实现先识别出功率特征值和相位特征值是否属于英文类型，避免进行错误的音准评估。
进一步地，所述英文音准识别单元包括：第一CNN网络、第二CNN网络、第一双层LSTM、第二双层LSTM、Concat层、第一卷积块、第二卷积块和全连接层；
所述第一CNN网络的输入端用于输入教师声音信号对应的功率特征值，其输出端与第一双层LSTM的输入端连接；所述第二CNN网络的输入端用于输入教师声音信号对应的相位特征值，其输出端与第二双层LSTM的输入端连接；所述Concat层的输入端分别与第一双层LSTM的输出端和第二双层LSTM的输出端连接，其输出端与第一卷积块的输入端连接；所述第二卷积块的输入端与第一卷积块的输出端连接，其输出端与全连接层的输入端连接；所述全连接层的输出端作为英文音准识别单元的输出端。
上述进一步地方案的有益效果为：本发明中设置了两条路径，分别用于处理功率特征值和相位特征值，设置双层LSTM更好考虑不同谐波分量处的功率特征值和相位特征值，能提高音准评估的精度。
附图说明
图1为一种英语教学管理系统的系统框图；
图2为英文音准识别单元的系统框图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
如图1所示，一种英语教学管理系统，包括：声音采集单元、教师声音提取单元、声音特征提取单元、中英文声音分类单元和英文音准识别单元；
所述声音采集单元用于采集英语教学课堂的声音信号；所述教师声音提取单元用于从英语教学课堂的声音信号中提取出教师声音信号；所述声音特征提取单元用于从教师声音信号提取声音特征，其中，声音特征包括：功率特征值和相位特征值；所述中英文声音分类单元用于对声音特征进行分类，在分类类型为英文时，通过英文音准识别单元处理声音特征，得到音准评估值。
所述教师声音提取单元包括：分解子单元、筛选子单元和重构子单元；
所述分解子单元用于采用小波变换对英语教学课堂的声音信号进行分解，得到多个小波分解系数；
所述筛选子单元用于计算每个小波分解系数与教师历史集合中每个元素的相似值，筛选相似值大于相似阈值的小波分解系数，其中，教师历史集合为存储教师声音的小波分解系数的集合；
所述重构子单元用于将筛选出的小波分解系数进行重构处理，得到教师声音信号。
本发明中先是采用小波变换对英语教学课堂的声音信号进行分解，得到多个小波分解系数，在英语教学课堂的声音信号中存在除教师声音外的噪声和其他声音，现有技术通过设置阈值的方式，筛选出小波分解系数，从而进行过滤噪声，但是本发明中存储了该教师声音信号对应的小波分解系数，因此，本发明中只需要从当前的多个小波分解系数筛选出与教师历史集合中元素相似值高的小波分解系数，从而进行重构处理，同时滤除掉噪声和其他声音。
在本发明中，相似值的计算可采用余弦相似度。
所述声音特征提取单元包括：时频转换子单元、信号分段子单元、功率特征提取子单元和相位特征提取子单元；
所述时频转换子单元用于将教师声音信号转换为频域信号；
所述信号分段子单元用于将频域信号划分为多段，得到多段频域子信号；
所述功率特征提取子单元用于提取每段频域子信号的功率特征值；
所述相位特征提取子单元用于提取每段频域子信号的相位特征值。
所述功率特征提取子单元的表达式为：，其中，Pe为每段频域子信号的功率特征值，Pi为每段频域子信号中第i次谐波分量的功率，N为谐波分量的数量，i为谐波分量的编号。
所述相位特征提取子单元的表达式为：，其中，Se为每段频域子信号的相位特征值，Si为每段频域子信号中第i次谐波分量的相位，N为谐波分量的数量，i为谐波分量的编号。
本发明中将教师声音信号从时域转换到频域，得到频域信号，并对频域信号进行划分，分段提取功率特征值和相位特征值，通过四阶中心矩除以方差的平方，用于体现功率和相位的分布情况。
所述中英文声音分类单元包括：功率估计子单元、相位估计子单元和分类子单元；
所述功率估计子单元用于估计功率特征值的功率份额；
所述相位估计子单元用于估计相位特征值的相位份额；
所述分类子单元用于根据功率份额和相位份额进行分类，得到分类类型，其中分类类型包括：英文和中文。
所述功率估计子单元的表达式为：，所述相位估计子单元的表达式为：/>，其中，Z1为功率份额，Z2为相位份额，Pe,j为第j个功率特征值，wP,j为第j个功率特征值Pe,j的权重，bp,j为第j个功率特征值Pe,j的偏置，Se,j为第j个相位特征值，wS,j为第j个相位特征值Se,j的权重，bS,j为第j个相位特征值Se,j的偏置，M为相位特征值或功率特征值的数量，j为相位特征值或功率特征值的编号。
所述英文声音分类单元的表达式为：，其中，y为英文声音分类单元的输出，e为自然常数，在英文声音分类单元的输出y大于0.5时，分类类型为英文，在英文声音分类单元的输出y小于等于0.5时，分类类型为中文。
本发明中根据功率特征值和相位特征值进行二分类处理，实现先识别出功率特征值和相位特征值是否属于英文类型，避免进行错误的音准评估。
如图2所示，所述英文音准识别单元包括：第一CNN网络、第二CNN网络、第一双层LSTM、第二双层LSTM、Concat层、第一卷积块、第二卷积块和全连接层；
所述第一CNN网络的输入端用于输入教师声音信号对应的功率特征值，其输出端与第一双层LSTM的输入端连接；所述第二CNN网络的输入端用于输入教师声音信号对应的相位特征值，其输出端与第二双层LSTM的输入端连接；所述Concat层的输入端分别与第一双层LSTM的输出端和第二双层LSTM的输出端连接，其输出端与第一卷积块的输入端连接；所述第二卷积块的输入端与第一卷积块的输出端连接，其输出端与全连接层的输入端连接；所述全连接层的输出端作为英文音准识别单元的输出端。
本发明中设置了两条路径，分别用于处理功率特征值和相位特征值，设置双层LSTM更好考虑不同谐波分量处的功率特征值和相位特征值，能提高音准评估的精度。
在本发明中，卷积块包括：卷积层、BN层和ReLU层。
在本发明中采集声音信号后，从声音信号提取出属于教师的声音信号，一方面能剔除噪声，另一方面能剔除学生的声音，再从教师声音信号中提取出声音特征，先通过中英文声音分类单元进行分类，识别出该声音特征是否属于英文声音，若是，则再进一步地对声音特征进行处理，得到音准评估值，提供一种能规避英语教学课堂中其他干扰声音，又能精准提取出属于英文声音的声音特征，从而对其进行音准评估。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种英语教学管理系统，其特征在于，包括：声音采集单元、教师声音提取单元、声音特征提取单元、中英文声音分类单元和英文音准识别单元；
所述声音采集单元用于采集英语教学课堂的声音信号；所述教师声音提取单元用于从英语教学课堂的声音信号中提取出教师声音信号；所述声音特征提取单元用于从教师声音信号提取声音特征，其中，声音特征包括：功率特征值和相位特征值；所述中英文声音分类单元用于对声音特征进行分类，在分类类型为英文时，通过英文音准识别单元处理声音特征，得到音准评估值；
所述声音特征提取单元包括：时频转换子单元、信号分段子单元、功率特征提取子单元和相位特征提取子单元；
所述时频转换子单元用于将教师声音信号转换为频域信号；
所述信号分段子单元用于将频域信号划分为多段，得到多段频域子信号；
所述功率特征提取子单元用于提取每段频域子信号的功率特征值；
所述相位特征提取子单元用于提取每段频域子信号的相位特征值；
所述功率特征提取子单元的表达式为：
，
其中，Pe为每段频域子信号的功率特征值，Pi为每段频域子信号中第i次谐波分量的功率，N为谐波分量的数量，i为谐波分量的编号；
所述相位特征提取子单元的表达式为：
，
其中，Se为每段频域子信号的相位特征值，Si为每段频域子信号中第i次谐波分量的相位，N为谐波分量的数量，i为谐波分量的编号；
所述中英文声音分类单元包括：功率估计子单元、相位估计子单元和分类子单元；
所述功率估计子单元用于估计功率特征值的功率份额；
所述相位估计子单元用于估计相位特征值的相位份额；
所述分类子单元用于根据功率份额和相位份额进行分类，得到分类类型，其中分类类型包括：英文和中文；
所述功率估计子单元的表达式为：
，
所述相位估计子单元的表达式为：
，
其中，Z1为功率份额，Z2为相位份额，Pe,j为第j个功率特征值，wP,j为第j个功率特征值Pe,j的权重，bp,j为第j个功率特征值Pe,j的偏置，Se,j为第j个相位特征值，wS,j为第j个相位特征值Se,j的权重，bS,j为第j个相位特征值Se,j的偏置，M为相位特征值或功率特征值的数量，j为相位特征值或功率特征值的编号。
2.根据权利要求1所述的英语教学管理系统，其特征在于，所述教师声音提取单元包括：分解子单元、筛选子单元和重构子单元；
所述分解子单元用于采用小波变换对英语教学课堂的声音信号进行分解，得到多个小波分解系数；
所述筛选子单元用于计算每个小波分解系数与教师历史集合中每个元素的相似值，筛选相似值大于相似阈值的小波分解系数，其中，教师历史集合为存储教师声音的小波分解系数的集合；
所述重构子单元用于将筛选出的小波分解系数进行重构处理，得到教师声音信号。
3.根据权利要求1所述的英语教学管理系统，其特征在于，所述中英文声音分类单元的表达式为：
，
其中，y为英文声音分类单元的输出，e为自然常数，在英文声音分类单元的输出y大于0.5时，分类类型为英文，在英文声音分类单元的输出y小于等于0.5时，分类类型为中文。
4.根据权利要求1所述的英语教学管理系统，其特征在于，所述英文音准识别单元包括：第一CNN网络、第二CNN网络、第一双层LSTM、第二双层LSTM、Concat层、第一卷积块、第二卷积块和全连接层；
所述第一CNN网络的输入端用于输入教师声音信号对应的功率特征值，其输出端与第一双层LSTM的输入端连接；所述第二CNN网络的输入端用于输入教师声音信号对应的相位特征值，其输出端与第二双层LSTM的输入端连接；所述Concat层的输入端分别与第一双层LSTM的输出端和第二双层LSTM的输出端连接，其输出端与第一卷积块的输入端连接；所述第二卷积块的输入端与第一卷积块的输出端连接，其输出端与全连接层的输入端连接；所述全连接层的输出端作为英文音准识别单元的输出端。
CN202311625058.0A 2023-11-30 2023-11-30 一种英语教学管理系统 Active CN117316187B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311625058.0A CN117316187B (zh) 2023-11-30 2023-11-30 一种英语教学管理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311625058.0A CN117316187B (zh) 2023-11-30 2023-11-30 一种英语教学管理系统

Publications (2)

Publication Number Publication Date
CN117316187A CN117316187A (zh) 2023-12-29
CN117316187B true CN117316187B (zh) 2024-02-06

Family

ID=89288834

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311625058.0A Active CN117316187B (zh) 2023-11-30 2023-11-30 一种英语教学管理系统

Country Status (1)

Country Link
CN (1) CN117316187B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3978287A (en) * 1974-12-11 1976-08-31 Nasa Real time analysis of voiced sounds
CN103514765A (zh) * 2013-10-28 2014-01-15 苏州市思玛特电力科技有限公司 语言教学评估方法
CN103514764A (zh) * 2013-10-28 2014-01-15 苏州市思玛特电力科技有限公司 语言教学评估系统
CN205582319U (zh) * 2016-03-16 2016-09-14 安庆师范学院 一种教师教学能力检测装置
KR20160149736A (ko) * 2015-06-19 2016-12-28 엘지전자 주식회사 음성 인식 장치 및 그 동작 방법
CN107221318A (zh) * 2017-05-12 2017-09-29 广东外语外贸大学 英语口语发音评分方法和系统
JP2017198790A (ja) * 2016-04-26 2017-11-02 株式会社国際電気通信基礎技術研究所 音声評定装置、音声評定方法、教師変化情報の生産方法、およびプログラム
CN114842696A (zh) * 2022-04-29 2022-08-02 重庆交通大学 一种基于智能终端的英语教学方法
CN115188384A (zh) * 2022-06-09 2022-10-14 浙江工业大学 基于余弦相似性和语音去噪的声纹识别对抗样本的防御方法
CN115641839A (zh) * 2022-09-08 2023-01-24 徐州泰宇网络科技有限公司 一种智能语音识别方法和系统
CN116364072A (zh) * 2023-05-31 2023-06-30 北京师范大学 一种基于人工智能的教育信息监管方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109801193B (zh) * 2017-11-17 2020-09-15 深圳市鹰硕教育服务股份有限公司 一种具有语音评价功能的跟随教学系统

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3978287A (en) * 1974-12-11 1976-08-31 Nasa Real time analysis of voiced sounds
CN103514765A (zh) * 2013-10-28 2014-01-15 苏州市思玛特电力科技有限公司 语言教学评估方法
CN103514764A (zh) * 2013-10-28 2014-01-15 苏州市思玛特电力科技有限公司 语言教学评估系统
KR20160149736A (ko) * 2015-06-19 2016-12-28 엘지전자 주식회사 음성 인식 장치 및 그 동작 방법
CN205582319U (zh) * 2016-03-16 2016-09-14 安庆师范学院 一种教师教学能力检测装置
JP2017198790A (ja) * 2016-04-26 2017-11-02 株式会社国際電気通信基礎技術研究所 音声評定装置、音声評定方法、教師変化情報の生産方法、およびプログラム
CN107221318A (zh) * 2017-05-12 2017-09-29 广东外语外贸大学 英语口语发音评分方法和系统
CN114842696A (zh) * 2022-04-29 2022-08-02 重庆交通大学 一种基于智能终端的英语教学方法
CN115188384A (zh) * 2022-06-09 2022-10-14 浙江工业大学 基于余弦相似性和语音去噪的声纹识别对抗样本的防御方法
CN115641839A (zh) * 2022-09-08 2023-01-24 徐州泰宇网络科技有限公司 一种智能语音识别方法和系统
CN116364072A (zh) * 2023-05-31 2023-06-30 北京师范大学 一种基于人工智能的教育信息监管方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
特征组合的中文音乐情感识别研究;魏华珍;赵姝;陈洁;刘峰;;安徽大学学报(自然科学版)(第06期);全文 *

Also Published As

Publication number Publication date
CN117316187A (zh) 2023-12-29

Similar Documents

Publication Publication Date Title
CN107680582B (zh) 声学模型训练方法、语音识别方法、装置、设备及介质
CN109974782B (zh) 基于大数据敏感特征优化选取的设备故障预警方法及系统
CN109918666B (zh) 一种基于神经网络的中文标点符号添加方法
CN110457432B (zh) 面试评分方法、装置、设备及存储介质
CN109189767B (zh) 数据处理方法、装置、电子设备及存储介质
CN103177733B (zh) 汉语普通话儿化音发音质量评测方法与系统
CN108600135A (zh) 一种信号调制方式的识别方法
CN107797987B (zh) 一种基于Bi-LSTM-CNN的混合语料命名实体识别方法
CN104795064A (zh) 低信噪比声场景下声音事件的识别方法
CN112397054B (zh) 一种电力调度语音识别方法
CN102592593A (zh) 一种考虑语音中多线性群组稀疏特性的情绪特征提取方法
CN115457966A (zh) 基于改进ds证据理论多分类器融合的猪咳嗽声识别方法
CN117316187B (zh) 一种英语教学管理系统
CN113111786A (zh) 基于小样本训练图卷积网络的水下目标识别方法
CN112417893A (zh) 一种基于语义层次聚类的软件功能需求分类方法及系统
CN109871889B (zh) 突发事件下大众心理评估方法
KR101092352B1 (ko) 문장 코퍼스에 대한 영역 자동분류 방법 및 장치
CN116542254A (zh) 风洞试验数据异常决策方法、装置、电子设备及存储介质
CN114358096B (zh) 一种基于逐级门限判决的深度学习摩尔斯码识别方法及装置
CN116432664A (zh) 一种高质量数据扩增的对话意图分类方法及系统
CN110071884A (zh) 一种基于改进熵云特征的通信信号调制识别方法
CN114822557A (zh) 课堂中不同声音的区分方法、装置、设备以及存储介质
CN111554273B (zh) 一种语音关键词识别中扩增语料的选取方法
Zhao et al. Research of Feature Selection for Text Clustering Based on Cloud Model.
Cheng et al. A novel chicken voice recognition method using the orthogonal matching pursuit algorithm

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant