本文提出了多种重音检错方法，并构建了一个面向实用化应用的英语重音错误检测系统。在算法上的改进和创新点为：⑴通过使用谱特征和多种分类器模型，提出了多种用于重音检测的元音品质得分，并作为传统韵律特征的补充；⑵提出了基于韵律特征相似程度的分组建模策略，对样本不足或样本分布不均衡的音节进行有针对性的合并建模，提高了重音模型质量；⑶提出了重音错误空间的概念，同时指出错误空间的完备性是重音检错任务的瓶颈所在；⑷通过基于发音变化网络的方法加强对动-名词对中的重音指派位置错误的建模和检测，并通过使用基于词内重音特征的相对变化的策略来提高对故意或有意识的重音错误的检测性能。实验结果验证了各种方法的有效性，多策略融合后的系统在真实重音错误测试集上的等错误率指标达到约10.19％。