基于语音识别的机长位操作自动化系统设计

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。