基于EfficientNetV2-RetNet的端到端中文管制语音识别

作     者：梁海军 常瀚文 何一民 赵志伟 孔建国 LIANG Haijun;CHANG Hanwen;HE Yimin;ZHAO Zhiwei;KONG Jianguo

作者机构：中国民用航空飞行学院空中交通管理学院 

基　　金：国家重点研发计划(2021YFF0603904) 中央高校基本科研业务费专项资金资助(PHD2023-035) 中央高校基本科研业务费资助项目(24CAFUC10195) 

出 版 物：《电讯技术》 (Telecommunication Engineering)

年 卷 期：2025年第65卷第2期

页      码：254-260页

摘      要：自动语音识别(Automatic Speech Recognition, ASR)技术在空中交通管制(Air Traffic Control, ATC)领域的应用有望提高通信效率、减少人为错误、提升安全性，并促进航空交通管理系统的创新和改进。然而，由于ATC通信通常涉及敏感信息，获取大量带有标签的ATC语音数据较为困难，这给构建高准确度的ASR系统带来了巨大挑战。基于Retentive Network(RetNet)和迁移学习设计了一种新的端到端ASR框架EfficientNetV2-RetNet-CTC,用于ATC系统。EfficientNetV2的多层卷积结构有助于对语音信号提取更复杂的特征表示。RetNet使用多尺度保持机制学习序列数据上的全局时间动态，可以非常高效地处理长距离依赖性。连接时序分类不用强制对齐标签且标签可变长。此外，迁移学习通过在源任务上学习的知识来改善在目标任务上的性能，解决了民航领域数据资源稀缺的问题且提高了模型的泛化能力。实验结果表明，所设计的模型优于其他基线，在Aishell语料库上预训练的最低词错误率为7.6%和8.7%,在ATC语料库上降至5.6%和6.8%。

主 题 词：空中交通管制 自动语音识别 端到端深度学习 迁移学习 

学科分类：0711[理学-心理学类] 07[理学] 08[工学] 0825[工学-环境科学与工程类] 

核心收录：

D　O　I：10.20079/j.issn.1001-893x.240414002

馆 藏 号：203157353...