摘要：陆空通话标准用语(英语)的训练是空管模拟训练中的重要内容。对空管模拟训练中的语音指令自动识别问题进行了分析研究,包括:陆空通话标准用语基本特征的分析、语言模型的文法描述、指令特殊发音的识别处理、识别后处理方法以及声学模型训练方法等,并基于Sphinx-4语音识别引擎,设计实现了一个语音指令识别系统AIRS(ATC Instruction Recognizer System)。系统实验数据分析表明,声学模型训练后的语音识别正确率可以达到空管模拟训练的需求。

摘要：针对空中交通管制员培养与专业教学过程中实验资源较少、人员状态缺乏检测等问题,设计并开发了空管陆空通话语音分析系统。系统本着"学习—实验—应用"的思路展开设计,首先开发了陆空通话学习模块,用于基础的管制规则教学。之后设计了精神运动能力检测模块,用于客观表征所采集语音指令的疲劳状态,最后搭建了管制员疲劳状态分析模块,通过对语音指令特征值数据提取,分析不同疲劳状态下特征值与疲劳程度的关系,对管制员工作疲劳状态进行了划分。模拟实验表明,该系统可以用于管制员陆空通话基础培训,并辅助测量管制员疲劳状态,为实际工作中的疲劳预警提供帮助。

摘要：任务型教学法是一种以意义为中心,以完成任务为教学目的的语言教学法。将任务型教学法引入无线电陆空通话课程,可以为教学注入活力,改变学生单纯机械记忆、遗忘速度快、不能学以致用的缺点,显著改进教学效果。本文还通过具体案例,说明如何设计教学任务并在陆空通话课程中应用任务型教学法。

摘要：陆空通话是空中交通管制员从业上岗的基础,也是在日常工作中时刻使用的标准语言。其使用是否标准将直接影响空中交通安全,因此各类专业人员需要不断训练,提高陆空通话能力。文章在陆空通话英语标准发音的基础上,设计发音模板,并进行语音识别,辅助专业人员进行陆空通话英语练习。

摘要：为保障民航安全,培养优秀的飞行员和空中交通管制员,在校飞行与空管学生的陆空通话模拟机训练量与训练要求将进一步提高。实际通话中,管制员针对不同飞机发布的指令是由不同的机组人员复诵并执行的,但在具体的模拟机练习中,机长位需要操作十几架至二十几架飞机,短时间内管制员多个指令的发布常导致机长位操作人员无法应对,还需同时考虑复诵的准确性,往往导致错误的发生。文章首先明确了目前在校的飞行与管制学生陆空通话训练过程中存在的问题,同时针对此类问题提出了基于语音识别的机长位操作自动化系统研究的软、硬件设计方案,并采用LSTM循环神经网络模型,提升了识别率,降低了识别时间。该系统能够在陆空通话训练过程中完成相应的功能操作,满足了机长位通话训练中的模拟机教学的多样性和复杂性要求,显著提升教学质量。

摘要：为有效测评民航飞行员陆空通话绩效,探索影响飞行员陆空通话绩效的因素,选取20名飞行学员作为被试,将经验水平、疲劳程度、英文水平作为自变量,设计陆空通话模拟实验,统计实验过程中被试陆空通话的错误次数并进行分析。结果发现:被试的经验水平对复诵错误次数有显著影响,疲劳程度对重复次数和错误次数均有显著影响,英文水平对重复次数有显著影响。提出的飞行员心理状态模型能在一定程度上反映飞行员在复诵时的偏差情况。此结论可为民航飞行员的培训、排班提供一定理论支持。

摘要：空中交通管制指令标准用语的训练是空管模拟训练中的重要内容。本文对空管模拟训练中指令的自动语音识别及自动语音合成应答问题进行了分析研究,包括:指令标准用语基本特征的分析,语言模型的文法设计,指令特殊发音的处理,多次应答的处理等,并基于开源语音识别引擎及语音合成引擎,设计并实现了一个语音指令识别及合成系统AIRSS.系统实验数据分析表明,应答响应时间及语音合成的效果可以满足空管模拟训练的需求。

摘要：文章以机载语音控制的实时性、准确性、方便性的实际应用要求为出发点,深入讨论既适合于机载语音人机交互特性,又符合机载语音识别技术特点的语音指令的设计思想。提出机载语音控制的命令语言应该是建立在在现有汉语陆空通话语言语法及驾驶舱显控系统按键功能提示信息词汇基础之上,通过修改补充,进而形成一套有功能完整、富有层次的机载语音控制指令系统。文章同时提出,通过恰当选择控制指令的词汇读音和发音力度,能够为语音识别器提供更充分的识别信息量,提高声音信号的信噪比,有助于其在机载噪声和变异的条件下发挥出最佳的识别性能。

摘要：为研究智能飞机牵引机器人语音控制,实现机场环境下牵引机器人对飞行员语音指令的精确、高效识别,同时针对飞行员语音指令民航针对性差的问题,提出一种基于民航针对性特色语音库的智能飞机牵引机器人语音控制方法。首先,进行了智能飞机牵引机器人语音控制的总体功能设计;然后,在陆空通话标准的基础上分析了机载语音指令的声学特性,并结合机场环境和语料库建立原则分析建立了牵引机器人指令特色语音库。基于孤立词识别的实验结果显示,所建立的牵引车指令特色语音库与特色测试集的语音识别结果相对于特色语音库与普通测试集的语音识别结果,识别错误率降低21.2%,识别效率提高33.5%。实验结果表明:所述牵引车指令特色语音库具有民航针对性,有助于提高智能飞机牵引机器人语音控制系统的识别性能。