人工智能时代语音信号处理课程改革

杨素素

（南京航空航天大学金城学院，江苏 南京 210000）

0 引言

近年来，随着科学技术的快速发展，语音信号处理技术的水平也在不断的提升，在移动通信、人工智能以及人机工程等领域发挥着重要的作用。语音信号处理课程是一门偏重于应用的学科，但又由于其课程涵盖面十分广泛，学生们在学习时，不仅要掌握语音信号处理的各种建模和分析方法，而且还应结合实际案例运用理论知识来开展实践应用，所以要想做到语音信号处理课程的与时俱进，就需要在传统课程结构的基础之上引入新的课程理念和方式，优化教学的理论和模式，注重培养学生们将理论知识和实践应用相结合的能力，提升他们科学研究的意识和动手能力。

1 语音信号处理课程的概念

语音信号处理课程主要是由语音信号处理基础、语音信号分析以及语音信号处理技术的应用三大部分组成。首先来说，语音信号处理基础主要内容为学科的起源和发展状况、语音产生的原理和信号的具体特征以及介绍语音信号的一些基础数学模型等；语音信号分析主要内容包括：基础性的理论课程，比如时域分析，指的是采用非参数化方法来对语音信号进行傅里叶分析，以及对信号倒谱分析等理论的学习，并在这些知识的基础之上进行隐马尔可夫模型的学习，其是在信号模型统计以及语音识别中都有着重要应用的知识；语音信号处理技术的应用主要教授的是在对语音信号处理的理论知识有了一定的了解之后，将这些知识转变为语音编码和语音合成等应用到实践之中。

通过上述对语音信号处理课程的主要内容介绍不难发现，该课程有着理论性强、应用性强和对基础要求较高的特点。在理论性方面，无论是学习傅里叶变换还是隐马尔可夫模型，都会涉及到数学方面的知识，需要学生运用数学思维来进行推导和证明，对于学生的理论知识要求很高。其次在应用实践方面，由于语音作为信息传递和交流的重要载体，因其具有传输快、使用便捷等优点，所以在各行各业得到了广泛的应用。因此，学生在学习该课程的时候应能够从自身生活角度出发，思考人们生活中对于语音信号处理技术的运用，并能够联系所学知识对其进行研究和思考，只有这样才能够学好这门课程。该课程是一门综合性学科，它的课程内容包含了语音信号等基础概念的介绍、数学模型的建立、分析方法的介绍以及实践运用等多方面的知识，学生只有具备了扎实的知识基础，才能在学习这门课程时表现的游刃有余。

在当今人工智能高度发达的时代，从语音信号处理课程本身特点来考虑，只有同时重视对其理论课程的学习和在实践中的应用，才能够在教与学的过程中，使学生具有过硬的理论知识基础和对新技术、新理论在实践中的具体应用能力[1]。

2 人工智能时代语音信号处理改革难点

2.1 知识面广、关联性强

经过几十年的发展，语音信号处理课程已经发展成为了一门囊括语音识别、语音处理、语音编程以及智能化和信息化的综合性学科，针对这些课程的教授过程中，还会涉及到一些专业的理论知识介绍，诸如傅里叶变换原理、隐马尔可夫模型概念、矢量量化等，由此而开展的辅助课程包含了C/C++设计、高等数学以及数字信号处理等等。由此可见，语音信号处理课程所包含的知识面十分的多样，且涉及到物理、数学、语文等多种不同的学科，通过对于语音的处理将其融合到一起，不仅涉及的知识面较为广泛，且相互之间还具有一定的逻辑关系，具有很强的关联性。

2.2 授课时长和教学效果之间的冲突

由于课程所涉及的知识面广泛，教师要在有限的授课时间之内完成对所有知识点的传授，存在着一定的难度的。例如在工程教育方面，站在提高学生工程实践能力的角度，对于课题的设定就要有一定的实用意义以及工程概念，但同时这样就会增加课程所涉及的知识面和难度，因而在短短数周之内讲授完全部的知识点和保证教学的实际效果之间是存在着一定的冲突的。在人工智能时代，对于语音信息处理课程的改革，是一个值得重点关注的问题，只有做好授课时长和教学效果之间的平衡，才能够有效提升对于学生实践能力和理论知识的授课质量。

2.3 授课模式单一、缺乏交流

在传统的语音信号处理课程教学之中，课程设计都是单独进行分组的，学生彼此之间没有进行过合作交流，即便是在有些多人分组的课程教学之中，更多的是组内成员之间交流，而鲜有各组之间的交流合作。而参与工程项目是一个需要团队合作、不断进行交流沟通才能够得到有效学习的项目，因此传统的课程设计由于其缺乏相应的团队协作意识，往往会对学生造成对教师的依赖，进而对教学质量造成了影响[2]。

3 人工智能时代语音信号处理的发展机遇

人工智能作为在近年来发展起来的一种高科技技术，其对于语音信号处理课程所带来的改革是十分明显的，从具体的教学内容来看，不仅做了授课时长的调整，还对理论知识和实践应用的联系也起到了积极的影响作用，有利于培养出学生的综合能力。因此，在人工智能科技的加持下，语音信号处理课程的发展也迎来了新的机遇。

3.1 拓展课程的理论知识

在新时代，随着科学技术的快速发展和人工智能在各行各业之中的广泛应用，语音信号处理课程也在这种大环境下发生改变。例如：在讲述课程内容中的第三部分“语音信号处理技术与应用”时，占用了4个学时来对深度神经网络在语音识别技术中的应用进行了阐述：先是从基础的神经单元和后向传播算法入手，进而介绍了常用的神经网络，最后对深度神经网络的相关原理进行了重点的介绍，同时推荐了学习该部分内容的具体方法。随着深度神经网络在语音识别系统中的广泛应用，由于其能够对隐马尔可夫模型状态进行后验概率分布的估算和能够充分利用相邻语音帧中所包含的结构信息，特别是鉴于其在大词汇量连续语音识别任务中的优异表现，因而使得其在实际应用中替代了高斯混合模型。从现有的研究结果可以看出，相较于传统的算法，深度学习方式在噪声、混响以及复杂声场环境的处理方面都具有很大的优势，在现阶段科技条件下，虽然深度学习算法已经在语音信号处理方面取得了阶段性的成果，但距离人们所定下的能够和人耳听觉系统不相上下的宏伟目标，仍然还具有很大的差距。

3.2 丰富综合创新的项目

在人工智能化的大环境下，伴随着新技术和新理念的发展，对于传统语音信号处理课程的丰富和拓展主要表现在以下几方面：首先，在教学课程之上，主要表现为教师从大的宏观角度来对这一领域进行研究和教学，进而对语音信号处理课程带来改变。其次是在理论课程之外，展开综合性创新课程项目的教学，并制定出具体的方案和应用案例，采用团队合作的方式来开展[3]。比如，团队内部成员进行明确的分工，通过查阅资料、编写程序、验证结论等环节来对自动语音识别系统进行深度的系统学习。最后，将各个团队的合作成果在课堂之上进行分享和展示，这样同学们就可以在相互交流的过程中，学习到新的知识，并加深对该课程的了解和掌握程度。教师在组织开展这样的综合性创新项目时，应注重和学生进行交流，时刻关注学生的学习状态，并寻找合适时机将新的理论知识引入到课堂教学之中，培养出学生进行自主学习的能力，对于有疑问的地方可以自行去翻阅相关资料来查询，然后再在课堂之上和教师、同学们进行交流和分享，通过采用这样的教学方式可以起到事半功倍的教学效果。开展综合性课程创新项目既可以加强学生对于基础理论知识的掌握程度，又能够提升学生相互交流合作和实践创新的能力，从而大幅提升了教与学的效率和质量。

4 人工智能时代语音信号处理课程改革思路

4.1 改革理论教学模式

对于语音信号处理课程来说，理论知识和实践应用同等重要，因而在学习的过程中对于学生的主动性和积极性都有很高的要求。而在传统的教学模式之中，受限于该模式的局限性，学生通常都是被动的在接收教师所讲的知识，这样不仅不能够激发出学生学习的主动性，还会疏远教师和学生之间的距离，对于教学效果产生了十分不利的影响。因而，在当今人工智能时代，应积极创新和改革语音信号处理课程的教学模式，可以借助现代科技手段，采用翻转课堂、线上教学和微课堂等新型的教学模式，不断提升课堂教学的质量和效率，从而保证学生的学习效果。例如：微课堂相较于传统的“填鸭式”教学具有主题明确、重点突出和情景真实等诸多优点，很适合用于语音信号处理课程的教学，它能够抓住学生的注意力，逐渐培养起学生对于学习的兴趣，再加上其内容简洁、时间较短，更能够适应人工智能时代对于课堂教学的要求。而翻转课堂则是通过转变教师和学生在课堂之上的传统角色，对于课堂内容、教学性质以及教学模式进行重新定义，逆向进行知识的传授[4-5]。这些新兴的教学模式通过采用协同合作、相互竞争以及共同参与等不同的方式，将传统的教学模式转变为以“学生为主、教师为辅”的课堂教学模式，从而实现了课堂教学质量和效率的提升。

4.2 创新实践应用教学

在以往传统的实践教学之中，其主要目的是为了让学生掌握语音信号的特点、原理以及分析和处理的方法，提升学生的动手能力，为就业奠定基础。而在人工智能时代，应不断创新实践应用教学的模式和内容，培养学生的实践应用能力，不仅要锻炼学生分析和解决问题的能力，还要求学生应对语音信号领域的尖端知识有足够的了解，激发起学生进行自主学习和研究的兴趣，从而使得其能够成长为语音信号领域内的高端人才。

5 结语

综上而言，在现代科技高度发达的时代，传统语音信号处理课程的教学模式以及教学理念已然不能够满足我国现社会的快速发展，因而，只有不断寻求对传统语音信号处理课程的创新和改革，充分挖掘人工智能技术的优势，并将之运用到课程的实践教学之中，通过优化课程结构、创新课程教学模式、重视理论和实践的结合，调动起学生进行自主学习和科研的积极性，逐步将其打造成一个能够符合现代教学理念的完整的教与学体系，才能够实现教学质量和效果的提升，进而提升学生们的综合能力，为社会培养高素质、高水平的综合性人才。