近年来,随着中国国际地位的提升,全球范围内渐渐兴起了一股“汉语热”。对外汉语言教学,一方面通过以孔子学院为代表的传统线下汉语教学机构进行传播,另一方面也需要汉语学习工具和平台的支持。但目前市面上大部分学习工具和平台是针对国人的,鲜有结合中国文化针对外国人进行口语训练和汉语跟读评分的学习平台。因此,针对传统线下汉语教学的不足与外国学习者缺乏口语训练的问题,本文分析了现存语音特征参数评分的局限性,设计并实现了一种多特征融合的汉语跟读评分系统,通过研究取得了以下成绩:首先,阐述了汉语跟读评分系统的总体设计方案。基于对汉语跟读评分系统的需求分析,确定了系统的整体架构;设计了学员子系统和管理员子系统的各功能模块;根据系统的功能需求完成了系统数据库的设计。其次,在提取了基音轨迹、共振峰轨迹和梅尔频率倒谱系数（MFCC）三种传统声学特征的基础上,通过小波卷积核神经网络提取了深度学习特征,构建了一种多特征融合的汉语跟读评分模型。结合提取的四种语音特征,通过动态时间规整算法进行模式匹配,采用差分进化算法确定各特征分数的权重比,设计了一种多特征融合的汉语跟读评分算法。然后,基于Thymeleaf模板引擎、SpringBoot框架和MySQL数据库等前后端技术,实现了多特征融合的汉语跟读评分系统,此系统分为学员子系统和管理员子系统两个部分。其中,学员子系统的功能模块包括注册登录模块、个人中心模块、课程检索与选择模块、跟读学习模块和跟读评分模块等,管理员子系统的功能模块包括学员管理模块、课程管理模块和试题管理模块。最后,对多特征融合的评分算法和系统整体进行了相关测试。测试结果表明,相比于传统卷积神经网络,小波卷积核神经网络在深度学习特征的提取上,减少了网络模型参数、加快了模型的训练速度。融入小波卷积核神经网络特征的多特征评分算法的相关性比单一 MFCC评分算法提高了 0.0837,比三种传统声学特征评分算法提高了 0.0345,验证了该评分算法的可行性和有效性。此外,本系统运行稳定,兼容性较好,各功能模块基本达到预期设计目标,评分结果较为科学,具有良好的应用前景和推广价值。