語(yǔ)音技術(shù)在塔臺(tái)模擬機(jī)上的應(yīng)用

胡譽(yù)

摘? ?要：基于空管模擬訓(xùn)練機(jī)對(duì)空管人員訓(xùn)練的重要性和優(yōu)越性以及塔席特點(diǎn)，利用計(jì)算機(jī)實(shí)現(xiàn)飛行器動(dòng)態(tài)特征的場(chǎng)景再現(xiàn)，設(shè)定多場(chǎng)景、多任務(wù)的訓(xùn)練科目是目前采用的普遍做法。文章依托塔臺(tái)模擬機(jī)性能特點(diǎn)，采用有限詞匯量識(shí)別方法，結(jié)合空管發(fā)音規(guī)則、語(yǔ)法結(jié)構(gòu)、發(fā)音標(biāo)準(zhǔn)以及中英雙語(yǔ)等特點(diǎn)，采用動(dòng)態(tài)時(shí)間歸正識(shí)別技術(shù)和語(yǔ)音同步疊加算法實(shí)現(xiàn)語(yǔ)音編碼、識(shí)別與合成，實(shí)現(xiàn)了多局部最優(yōu)化決策。

關(guān)鍵詞：塔臺(tái)模擬機(jī);語(yǔ)音技術(shù);動(dòng)態(tài)時(shí)間規(guī)整識(shí)別;PSOLA算法;內(nèi)容擾亂系統(tǒng)

科學(xué)技術(shù)的飛速發(fā)展，對(duì)空中管制人員數(shù)量和綜合素質(zhì)提出了更高的專業(yè)性要求，采用先進(jìn)技術(shù)手段對(duì)空中交通管制人員進(jìn)行高水平訓(xùn)練的需求與日俱增，利用塔臺(tái)模擬訓(xùn)練系統(tǒng)，通過(guò)模擬器模擬現(xiàn)實(shí)環(huán)境可能遇到的大流量、惡劣天氣、緊急特情等狀態(tài)，對(duì)空中管制人員進(jìn)行不受航班時(shí)刻限制、不受時(shí)間限制的有效強(qiáng)度、全面的業(yè)務(wù)培訓(xùn)，大大降低了實(shí)地訓(xùn)練的風(fēng)險(xiǎn)和成本。依托塔臺(tái)模擬機(jī)性能特點(diǎn)，采用小詞匯量合成手段和基音同步疊加算法，實(shí)現(xiàn)訓(xùn)練人員及教練員、機(jī)長(zhǎng)之間的語(yǔ)音通信，既可以滿足實(shí)訓(xùn)任務(wù)要求，又可以實(shí)時(shí)調(diào)整語(yǔ)調(diào)、語(yǔ)速，滿足語(yǔ)音識(shí)別需求?？傊媚M的方法進(jìn)行管制服務(wù)，通過(guò)真實(shí)場(chǎng)景再現(xiàn)，從而提高空管人員訓(xùn)練的質(zhì)量和安全[1]。

1? ? 語(yǔ)音合成及識(shí)別技術(shù)

1.1? 語(yǔ)音編碼技術(shù)

語(yǔ)音編碼技術(shù)是實(shí)現(xiàn)語(yǔ)音合成及語(yǔ)音識(shí)別的關(guān)鍵技術(shù)。20世紀(jì)80年代之前的語(yǔ)音編碼技術(shù)主要采用波形編碼和參數(shù)編碼。波形編碼以取樣定理為基礎(chǔ)，其特點(diǎn)是音質(zhì)效果較好，但是編碼碼數(shù)較多，占用較大空間;參數(shù)編碼是依據(jù)人類發(fā)音機(jī)理，同步提取語(yǔ)音特征參數(shù)實(shí)現(xiàn)編碼傳輸?shù)囊环N方法，數(shù)碼率低、音質(zhì)效果差。隨后很多國(guó)家采用了混合編碼技術(shù)，其采用軟件算法對(duì)語(yǔ)音信號(hào)進(jìn)行解析，多采用多數(shù)線性預(yù)測(cè)和多帶激勵(lì)等算法實(shí)現(xiàn)波形的激勵(lì)和聲道傳輸功能。

混合編碼線性預(yù)測(cè)算法是應(yīng)用最廣泛、最有效的語(yǔ)音分析技術(shù)之一。線性預(yù)測(cè)算法能夠快速、精準(zhǔn)地提取一組估計(jì)語(yǔ)音信號(hào)譜幅度，形成語(yǔ)音信號(hào)的聲道濾波器，實(shí)現(xiàn)語(yǔ)音快速編碼和語(yǔ)音識(shí)別、合成。線性預(yù)測(cè)算法采用數(shù)學(xué)模型中的夾逼準(zhǔn)則對(duì)語(yǔ)音信號(hào)當(dāng)前某個(gè)樣位進(jìn)行階數(shù)（項(xiàng)數(shù)）線性組合的逼近，階數(shù)系數(shù)利用最小誤差（實(shí)際樣位與預(yù)測(cè)值誤差）階乘準(zhǔn)則計(jì)算求得，系數(shù)隨時(shí)間（5～20毫秒每幀）變化，根據(jù)幀實(shí)現(xiàn)參數(shù)的刷新。線性預(yù)測(cè)算法的碼激勵(lì)（Code Excited Linear Prediction，CELP）為多帶激勵(lì)模型，由于純濁音（周期性）和純清音（非周期性）構(gòu)成每幀語(yǔ)音信號(hào)，在語(yǔ)音編碼模型中對(duì)話音進(jìn)行多段分解，依據(jù)清濁音（周期性和非周期性）判決，從而實(shí)現(xiàn)激勵(lì)的語(yǔ)音譜混合。因此線性預(yù)測(cè)算法對(duì)于語(yǔ)音合成的自然度、抗噪聲等功能比較優(yōu)秀。另外，隨著科學(xué)技術(shù)不斷發(fā)展，現(xiàn)在的語(yǔ)音編碼技術(shù)具備更加優(yōu)秀的語(yǔ)音質(zhì)量，而且抗干擾性更強(qiáng)，數(shù)碼率更低，時(shí)延特性更加優(yōu)越。

語(yǔ)音識(shí)別技術(shù)一般采取特征提取、語(yǔ)音識(shí)別單元選取、模式匹配準(zhǔn)則、模型訓(xùn)練等技術(shù)實(shí)現(xiàn)。特征參數(shù)提取主要采用線性預(yù)測(cè)（Linear Prediction，LP）分析、Mel參數(shù)、小波分析等技術(shù);模式匹配及訓(xùn)練多采用動(dòng)態(tài)時(shí)間歸整（Dynamic Time Warping，DTW）、隱馬爾可夫模型（Hidden Markov Model，HMM）以及人工神經(jīng)元網(wǎng)絡(luò)（Artificial Neural Networks，ANNs）等技術(shù)實(shí)現(xiàn)[2]。

1.2? 語(yǔ)音合成技術(shù)

語(yǔ)音合成技術(shù)主要采用計(jì)算機(jī)實(shí)現(xiàn)語(yǔ)音編碼、識(shí)別、合成，最終形成清晰、明確、自然、具有張力和表現(xiàn)力的人類語(yǔ)言。20世紀(jì)60年代，國(guó)外首次研發(fā)并應(yīng)用了英語(yǔ)文本朗讀（Text to Speech，TTS）系統(tǒng)，我國(guó)也在20世紀(jì)80年代完成了漢語(yǔ)語(yǔ)音合成TTS技術(shù)，這是特定應(yīng)用場(chǎng)景下的一種語(yǔ)音輸出系統(tǒng)，尤其是塔臺(tái)空中管制領(lǐng)域，應(yīng)用錄音、重放對(duì)有限語(yǔ)言詞匯進(jìn)行特殊拼接，實(shí)現(xiàn)航班信息發(fā)布、語(yǔ)音報(bào)時(shí)、航空語(yǔ)音通信等。另外一種為文字-語(yǔ)音轉(zhuǎn)換系統(tǒng)，可以實(shí)現(xiàn)文字到語(yǔ)音的轉(zhuǎn)換，結(jié)合人類語(yǔ)言特點(diǎn)，模擬人類語(yǔ)音并提取特征參數(shù)，然后利用計(jì)算機(jī)估計(jì)出聲道截面積函數(shù)或者聲道諧振特性，再利用Holmes共振峰、線性預(yù)測(cè)編碼（Linear Predictive Coding，LPC）、分層服務(wù)提供程序（Layered Service Provider ，LSP）等參數(shù)合成器形成規(guī)則語(yǔ)音波形。再有是采用拼接語(yǔ)音合成技術(shù)，廣泛采用語(yǔ)音合成算法把聲音基元（音素、二元組 、三音子、音節(jié)、詞或句子）相互拼接組合，輸出連續(xù)語(yǔ)流。計(jì)算機(jī)存儲(chǔ)語(yǔ)音基元，合成時(shí)從語(yǔ)音數(shù)據(jù)庫(kù)中讀取基元、拼接、韻律修飾。拼接語(yǔ)音基元具有重音、聲調(diào)、發(fā)音速率等特征，因此，拼接語(yǔ)音合成輸出的語(yǔ)音更加清晰自然，音質(zhì)效果更高，語(yǔ)音更貼合人類自然聲音，語(yǔ)音基元存儲(chǔ)不受限制，但是拼接語(yǔ)音合成韻律參數(shù)如基頻、時(shí)長(zhǎng)、音強(qiáng)等修改規(guī)則比較困難。TTS系統(tǒng)通過(guò)韻律修飾，利用計(jì)算機(jī)系統(tǒng)對(duì)語(yǔ)調(diào)、重音等快速模擬，實(shí)現(xiàn)語(yǔ)速、調(diào)高需求[3]。

2? ? 塔臺(tái)模擬機(jī)語(yǔ)音合成系統(tǒng)設(shè)計(jì)實(shí)現(xiàn)

2.1? 系統(tǒng)設(shè)計(jì)

結(jié)合航空塔臺(tái)管制語(yǔ)言特點(diǎn)，塔臺(tái)模擬系統(tǒng)語(yǔ)音識(shí)別管制指令、語(yǔ)句和短句等詞匯量有限，屬于有限詞匯量識(shí)別范疇;再有現(xiàn)實(shí)管制應(yīng)用場(chǎng)景中，要求語(yǔ)音識(shí)別具有速度快、響應(yīng)及時(shí)、通信流暢等特點(diǎn)，因此采用動(dòng)態(tài)時(shí)間歸正識(shí)別技術(shù)和語(yǔ)音同步疊加算法實(shí)現(xiàn)語(yǔ)音編碼、識(shí)別與合成。塔臺(tái)模擬系統(tǒng)語(yǔ)音合成流程如圖1所示。塔臺(tái)模擬訓(xùn)練時(shí)，教練員通過(guò)其工作站對(duì)訓(xùn)練計(jì)劃、訓(xùn)練場(chǎng)景、訓(xùn)練難度、訓(xùn)練次數(shù)和進(jìn)度、飛行特情等進(jìn)行設(shè)置、保存，并對(duì)訓(xùn)練過(guò)程進(jìn)行監(jiān)控，通過(guò)語(yǔ)音通信系統(tǒng)掌握受訓(xùn)人員實(shí)時(shí)動(dòng)態(tài)。模擬機(jī)長(zhǎng)工作站主要對(duì)培訓(xùn)人員進(jìn)行機(jī)長(zhǎng)任務(wù)臨時(shí)授權(quán)，通過(guò)顯示器和通信設(shè)備完成機(jī)長(zhǎng)職責(zé)，進(jìn)一步增加訓(xùn)練的真實(shí)度。管制員工作站主要是復(fù)現(xiàn)塔臺(tái)管制員真實(shí)工作環(huán)境，嚴(yán)格按照管制席位設(shè)置，進(jìn)行設(shè)備重現(xiàn)，受訓(xùn)人員通過(guò)模擬器訓(xùn)練平臺(tái)可以觀察模擬機(jī)場(chǎng)場(chǎng)面圖、飛行數(shù)據(jù)流量圖以及機(jī)場(chǎng)氣象數(shù)據(jù)實(shí)時(shí)信息，指揮飛行計(jì)劃，制定飛機(jī)進(jìn)場(chǎng)單等真實(shí)工作狀態(tài)。具體訓(xùn)練流程是管制員向模擬機(jī)長(zhǎng)位發(fā)出飛機(jī)調(diào)度指令后，模擬機(jī)長(zhǎng)席位根據(jù)指令與管制員進(jìn)行語(yǔ)音通話同時(shí)在模擬系統(tǒng)命令行中輸入飛機(jī)動(dòng)作指令，指令輸入并正常執(zhí)行后，模擬系統(tǒng)中的命令行發(fā)聲系統(tǒng)自動(dòng)向管制員席位應(yīng)答管制語(yǔ)句。

2.2? 語(yǔ)音合成實(shí)現(xiàn)

根據(jù)國(guó)際民航組織統(tǒng)一標(biāo)準(zhǔn)的航管語(yǔ)音標(biāo)準(zhǔn)專業(yè)用語(yǔ)，空管調(diào)度語(yǔ)句具有規(guī)范的語(yǔ)法和結(jié)構(gòu)，因此，語(yǔ)音合成前，要建立指令規(guī)則庫(kù)、基音庫(kù)以及語(yǔ)音規(guī)則庫(kù)。指令規(guī)則庫(kù)實(shí)現(xiàn)各種指令信息的分解，并提取特征參數(shù)形成指令序列串;語(yǔ)音規(guī)則庫(kù)為空管調(diào)度發(fā)音規(guī)則與結(jié)構(gòu)庫(kù)。命令行發(fā)聲系統(tǒng)中的命令序列串生成后，再利用漢明窗函數(shù)和插值（二次線性插值）處理實(shí)現(xiàn)基元拼接，即根據(jù)基音庫(kù)生成映射的基音元序列后在調(diào)取語(yǔ)音規(guī)則庫(kù)發(fā)音規(guī)則和語(yǔ)音結(jié)構(gòu)最終合成需要的語(yǔ)音波形通過(guò)計(jì)算機(jī)系統(tǒng)進(jìn)行語(yǔ)音輸出[4]。

3? ? 結(jié)語(yǔ)

塔臺(tái)模擬培訓(xùn)系統(tǒng)語(yǔ)言相對(duì)規(guī)范、統(tǒng)一和有限。因此采用有限詞匯量識(shí)別方法，結(jié)合空管發(fā)音規(guī)則、語(yǔ)法結(jié)構(gòu)、發(fā)音標(biāo)準(zhǔn)以及中英雙語(yǔ)等特點(diǎn)，采用動(dòng)態(tài)時(shí)間歸正識(shí)別技術(shù)和語(yǔ)音同步疊加算法實(shí)現(xiàn)語(yǔ)音編碼、識(shí)別與合成，實(shí)現(xiàn)了多局部最優(yōu)化決策。語(yǔ)音同步疊加算法能夠?qū)σ羲亍⒍M 、三音子、音節(jié)、詞或句子等聲音基元進(jìn)行韻律特征（時(shí)長(zhǎng)、基頻、短時(shí)能量等）進(jìn)行調(diào)控，使語(yǔ)音合成自然度和清晰度高，而且語(yǔ)音合成技術(shù)具備抗干擾性強(qiáng)、數(shù)碼率低、時(shí)延特性優(yōu)越等優(yōu)點(diǎn)。

[參考文獻(xiàn)]

[1]任蕊，苗振江.基于PSOLA算法的情感語(yǔ)音合成[J].系統(tǒng)仿真學(xué)報(bào)，2008（S1）：423-426.

[2]楊璐字.中文語(yǔ)音識(shí)別技術(shù)在塔臺(tái)模擬機(jī)中的研究與應(yīng)用[J].微計(jì)算機(jī)信息，2012（10）：243-245.

[3]張曉蕊.語(yǔ)音變調(diào)算法研究及其在語(yǔ)音合成中的應(yīng)用[D].濟(jì)南：山東大學(xué)，2011.

[4]李銳.語(yǔ)音技術(shù)在塔臺(tái)模擬機(jī)上的應(yīng)用[D].成都：四川大學(xué)，2004.