基于Ca-GAN增强的机坪管制指令识别方法研究

我国枢纽机场长期处于繁忙状态,高负荷带来信息交互失真的风险,语音识别技术可用于辅助决策,然而管制语音特殊性及样本量局限性使传统深度学习技术难以直接应用于机坪管制领域;针对这一问题,提出了一种基于小样本学习的语音识别方法;首先提出数据增强方法,通过结合先验领域知识,构建基于数据生成策略组的生成对抗网络来增强声学模型识别能力来进一步提升模型效果;然后通过重构声学模型部分结构和参数;最后通过迁移学习方法将通用语音库中的声学建模特征应用到机坪管制语音指令的识别中;实验结果表明,该方法将字错率减少至6.14%;该研究可应用于机场高级地面活动引导及控制系统中机坪管制语音指令的检测和识别,助力现代机场高质量运行。

基于改进循证实践法的飞机滑行冲突热点研究

为解决飞机滑行冲突热点问题,提出了改进的循证实践方法,制定出飞机滑行冲突热点的循证实践决策模式。建立了高中低三级的循证证据数据库,其中对于高等级证据,设计了飞机滑行冲突检测算法。结合我国华北某机场进行实验验证,结果表明方法可以准确识别出飞机滑行冲突热点区域及发生飞机滑行冲突的原因,验证了循证实践决策模式应用在飞机滑行冲突热点研究领域的合理性和有效性,为研究飞机滑行冲突热点提供新范式。