陸空通話語音識別功能實現(xiàn)

許開淳 孟令鑫 余彥龍 張博

摘 要：伴隨著當(dāng)下航空產(chǎn)業(yè)蓬勃發(fā)展、民航空域日益緊張、飛機(jī)日益增多，空中交通管制人員的責(zé)任也愈發(fā)重大。而陸空通話不僅是空中交通管制員在日常工作崗位上使用的標(biāo)準(zhǔn)用語，其熟練與否還是評價管制員能力的指標(biāo)之一，同時也是航空院校學(xué)生平日訓(xùn)練用語以及日后考取執(zhí)照從業(yè)上崗的基礎(chǔ)。一線空管人員在使用陸空通話時的一字一句都關(guān)系到航空安全，因此相關(guān)航空產(chǎn)業(yè)人員需要勤加訓(xùn)練并提高陸空通話能力。本文研究了陸空通話語音識別方法，可作為開發(fā)陸空通話手機(jī)APP訓(xùn)練軟件的基礎(chǔ)，使從業(yè)管制人員以及相關(guān)專業(yè)在校大學(xué)生、航空愛好者能夠隨時隨地的方便得到標(biāo)準(zhǔn)的陸空通話語音訓(xùn)練。

關(guān)鍵詞：空中交通管理； 陸空通話 ；語音識別 ；DTW算法

1 背景與意義

陸空通話是空中交通管制員從業(yè)上崗的基礎(chǔ)，也是在日常工作中時刻使用的標(biāo)準(zhǔn)語言。管制員通過陸空通話與飛行員直接聯(lián)系，做出明確的指示，引導(dǎo)飛機(jī)安全飛行。因此，無論管制能力有多強(qiáng)，若陸空通話發(fā)音不標(biāo)準(zhǔn)，特別是英語發(fā)音不標(biāo)準(zhǔn)，外籍飛行員聽不懂管制員的指令，后果將不堪設(shè)想；近年來，國內(nèi)飛行員由于發(fā)音不標(biāo)準(zhǔn)，與外籍管制員之間的尷尬對話屢有被曝光，也值得我們深省。因此，陸空通話對于管制員和飛行員都是十分重要的，其使用是否標(biāo)準(zhǔn)將直接影響空中交通安全。各類專業(yè)人員需要不斷訓(xùn)練，提高陸空通話能力。

從學(xué)校培養(yǎng)人才的角度來講，空管學(xué)院每年有將近400名畢業(yè)生走向全國各個一線管制崗位。在大學(xué)期間的培養(yǎng)過程，只有在相應(yīng)的管制課程中才會得到教師的指導(dǎo)，訓(xùn)練和提高自身的陸空通話水平。而平時絕大部分學(xué)生在這一方面的投入時間很少，發(fā)音沒有經(jīng)過矯正，距離工作崗位要求有很大的差距。而恰恰這一重要的技能需要在平時不斷訓(xùn)練，因此急需專門的輔導(dǎo)軟件，使學(xué)生在日常生活中就能自學(xué)自練。

從單位對于人才的需求來講，各個一線管制單位招聘管制專業(yè)的學(xué)生后，還要進(jìn)行一段時間的崗位培訓(xùn)。而從長期的反饋來看，我們培養(yǎng)的學(xué)生大多數(shù)陸空通話發(fā)音不標(biāo)準(zhǔn)，少數(shù)學(xué)生經(jīng)過短期培訓(xùn)就能勝任管制工作。因此單位對于學(xué)校的培養(yǎng)也提出了更加明確的要求，希望能夠在大學(xué)期間提高學(xué)生的陸空通話水平，縮短單位培訓(xùn)時間，達(dá)到盡快上崗的目的。

從社會對于行業(yè)的了解來講，近年來各種媒體對于民航及空管行業(yè)的關(guān)注越來越多。管制員正在逐漸由幕后走向臺前，越來越多的普通人希望獲得更多的管制知識。本文以及后續(xù)的軟件成果，可以為各類人群提供認(rèn)識和學(xué)習(xí)管制知識的工具，提升社會對于管制工作的認(rèn)同感。

基于以上目的，本文研究了陸空通話英語語音識別的方法，可作為開發(fā)陸空通話訓(xùn)練軟件的基礎(chǔ)，學(xué)生通過手機(jī)便能夠在課余時間隨時隨地得到標(biāo)準(zhǔn)的英語通話訓(xùn)練，可以有效提高自身的陸空通話水平、調(diào)節(jié)標(biāo)準(zhǔn)發(fā)音，具有很強(qiáng)的實用價值和推廣意義。

2 實現(xiàn)方法

本文主要研究的問題主要在于陸空通話語音識別與標(biāo)準(zhǔn)化。陸空通話具有標(biāo)準(zhǔn)的發(fā)音，區(qū)別于日常用語，具有明顯的行業(yè)特點(diǎn)，如字母 A 的發(fā)音不是/ei/而是/a：lf/，針對性非常強(qiáng)，因此需要在系統(tǒng)內(nèi)制作成標(biāo)準(zhǔn)的模板，同時針對個體發(fā)音需要進(jìn)行語音識別與比對，測量其標(biāo)準(zhǔn)性。

針對研究的問題，本文的解決方案是擬采用動態(tài)時間規(guī)整模型（Dynamic Time Warping，DTW）方法進(jìn)行語音識別與標(biāo)準(zhǔn)化。

首先，DTW是目前主要使用的語音識別算法，由于陸空通話的標(biāo)準(zhǔn)性，可以比較準(zhǔn)確的建立標(biāo)準(zhǔn)語音模型；其次，通過多年的教學(xué)積累，空管學(xué)院積累了大量陸空通話音頻資料，與各地區(qū)空管局有著密切的合作，為模型的建立和訓(xùn)練提供了堅實的基礎(chǔ)。

若把測試模板的各個幀號n=1～N在一個二維直角坐標(biāo)系中的橫軸上標(biāo)出，把參考模板的各幀號m=1～M在縱軸上標(biāo)出，通過這些表示幀號的整數(shù)坐標(biāo)畫出一些縱橫線即可形成一個網(wǎng)絡(luò)，網(wǎng)絡(luò)中的每一個交叉點(diǎn)（in，im）表示測試模式中某一幀的交匯點(diǎn)。動態(tài)時間規(guī)整（DTW）是把時間規(guī)整和距離測度計算結(jié)合起來的一種非線性規(guī)整技術(shù)，它尋找一個規(guī)整函數(shù)im =φ（in），將測試矢量的時間軸 n 非線性地映射到參考模板的時間軸 m 上，并使該函數(shù)滿足：

D 為處于最優(yōu)時間規(guī)整情況下兩矢量的距離，d為兩矢量匹配時距離，T（n）為第n幀語音信號特征參數(shù)矢量，R（m）為第m幀語音信號特征參數(shù)矢量，im =φ（in），N為匹配終點(diǎn)。由于 DTW不斷地計算兩矢量的距離以尋找最優(yōu)的匹配路徑， 所以得到的是兩矢量匹配時累積距離最小所對應(yīng)的規(guī)整函數(shù)， 這就保證了它們之間存在的最大聲學(xué)相似性。DTW 算法的實質(zhì)就是運(yùn)用動態(tài)規(guī)劃的思想，利用局部最佳化的處理來自動尋找一條路徑，沿著這條路徑，兩個特征矢量之間的累積失真量最小，從而避免由于時長不同而可能引入的誤差。

為保證動態(tài)路徑搜索問題具有實際意義，需要對規(guī)整函數(shù)做約束。規(guī)整函數(shù)滿足如下約束條件：

①邊界限制：待測語音已完成信號端點(diǎn)檢測，規(guī)整將發(fā)生在信號起始幀數(shù)和信號結(jié)束幀數(shù)間，規(guī)整函數(shù)滿足如下關(guān)系

②因為信號在時域上表現(xiàn)為有順序性，所以規(guī)整函數(shù)在時間上應(yīng)該滿足單調(diào)性的限制。

③通過規(guī)定規(guī)整函數(shù)不允許跳過任何一點(diǎn)的語音，來保證語音信息的損失量降到最低。

將語音信號特征參數(shù)信號幀數(shù)n=1～N在二維的坐標(biāo)系橫軸逐一標(biāo)出，將用于語音識別的信號幀數(shù)m=1～M在縱軸上逐一標(biāo)出這樣便組成一個網(wǎng)格。其中，每個交叉點(diǎn)（ti，rj）表示待測語音信號特征參數(shù)中某幀信號和識別模板某幀數(shù)信號相交。

3 DTW算法計算步驟

然后從點(diǎn)（1，1）出發(fā)搜尋，反復(fù)執(zhí)行上述操作，直到到達(dá)終點(diǎn)（N，M）便可計算出最佳匹配路徑。D（N，M）即最佳的距離。在識別時，只需待測的信號特征參數(shù)和全部的識別參考模板的特征參數(shù)進(jìn)行比較，計算出最小匹配距離Dmin（N，M）對應(yīng)的參考模板即為識別結(jié)果。

4 發(fā)音模板設(shè)計

因為陸空通話發(fā)音模板不同于日常發(fā)音，所以需要研究設(shè)計一個語音參考模板庫。通過采集語音數(shù)據(jù)，計算該語音信號的特征參數(shù)即梅爾倒譜系數(shù)，并將語音信號的特征參數(shù)——梅爾倒譜系數(shù)用文件保存。再將保存特征參數(shù)所對應(yīng)文件名路徑用數(shù)據(jù)庫保存。每次讀入一段語音信號時，會把該待測語言信號的特征參數(shù)——梅爾倒譜系數(shù)和模板庫的數(shù)據(jù)進(jìn)行比對，用 DTW求待測信號和模板的距離。找出距離最小的對應(yīng)的參考模板所對應(yīng)的信息即識別的結(jié)果。通過錄音，然后進(jìn)行特征參數(shù)訓(xùn)練形成參考模板，然后再次錄音進(jìn)行 DTW 識別。

5 實驗結(jié)果與對比

6 結(jié)語與展望

本文的研究方法以及可能的后續(xù)開發(fā)軟件為航空院校學(xué)生以及空管愛好者提供了陸空通話自學(xué)工具，使其可以隨時隨地地進(jìn)行陸空通話訓(xùn)練，鍛煉和提高英語通話水平。作為院校課堂教學(xué)輔助工具，它可以減輕教師輔導(dǎo)壓力，提高教學(xué)質(zhì)量；作為課后自學(xué)工具，可使學(xué)生完成自我獨(dú)立訓(xùn)練，提高陸空通話能力。既可以自動對學(xué)生發(fā)音進(jìn)行評判，促進(jìn)發(fā)音矯正，還可以模擬簡單的雷達(dá)管制環(huán)境，通過語音識別自動改變飛機(jī)狀態(tài)，使學(xué)生獨(dú)立練習(xí)管制訓(xùn)練有效降低專業(yè)教師輔導(dǎo)的時間成本，同時大大提高學(xué)習(xí)效率。

仍有待改進(jìn)的地方在于軟件只是針對小詞匯量、孤立詞的語音識別，對于連續(xù)詞匯的大詞匯量識別還有很多問題需要解決，特別是合理建立參考模板這些都是需要解決的問題。