CN102063902A - 基于模糊理论与专家系统的高效语音指令识别方法 - Google Patents
基于模糊理论与专家系统的高效语音指令识别方法 Download PDFInfo
- Publication number
- CN102063902A CN102063902A CN2010105317908A CN201010531790A CN102063902A CN 102063902 A CN102063902 A CN 102063902A CN 2010105317908 A CN2010105317908 A CN 2010105317908A CN 201010531790 A CN201010531790 A CN 201010531790A CN 102063902 A CN102063902 A CN 102063902A
- Authority
- CN
- China
- Prior art keywords
- flight
- voice
- instruction
- expert system
- knowledge base
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于模糊理论与专家系统的高效语音指令识别方法,该方法通过以下主要步骤:A建立飞行知识库和指令库;B对语音进行模糊识别;C使用语音识别专家系统对语音进行推理判断,得出指令。实践证明,运用本发明中所公开的基于模糊理论与专家系统的高效语音指令识别方法,通过模糊识别将识别出与训练样板最接近的十个口令,再通过专家系统的推理判断,从最接近的样板开始,逐一判断,排除那些不合理的口令,找出最切合实际的正确口令,使语音识别率达到99%以上,并且可以达到系统地实时性,满足了飞行仿真训练的要求,取得了良好的训练效果。
Description
技术领域
本发明设计语音识别技术领域,特别设计包括人机交互技术和人工智能技术的语音识别技术。
背景技术
目前的语音识别技术:
目前主流的语音识别技术是基于统计模式识别的基本理论。一个完整的语音识别系统可大致分为三部分:
·语音特征提取:其目的是从语音波形中提取出随时间变化的语音特征序列。
·声学模型与模式匹配(识别算法):声学模型通常将获取的语音特征通过学习算法产生。在识别时将输入的语音特征同声学模型(模式)进行匹配与比较,得到最佳的识别结果。
·语言模型与语言处理:语言模型包括由识别语音命令构成的语法网络或由统计方法构成的语言模型,语言处理可以进行语法、语义分析。对小词表语音识别系统,往往不需要语言处理部分。
声学模型是识别系统的底层模型,并且是语音识别系统中最关键的一部分。声学模型是提供一种有效的方法计算语音的特征矢量序列和每个发音模板之间的距离。声学模型的设计和语言发音特点密切相关。声学模型单元大小(字发音模型、半音节模型或音素模型)对语音训练数据量大小、系统识别率,以及灵活性有较大的影响。必须根据不同语言的特点、识别系统词汇量的大小决定识别单元的大小。
语言模型对中、大词汇量的语音识别系统特别重要。当分类发生错误时可以根据语言学模型、语法结构、语义学进行判断纠正,特别是一些同音字则必须通过上下文结构才能确定词义。语言学理论包括语义结构、语法规则、语言的数学描述模型等有关方面。目前比较成功的语言模型通常是采用统计语法的语言模型与基于规则语法结构命令语言模型。语法结构可以限定不同词之间的相互连接关系,减少了识别系统的搜索空间,这有利于提高系统的识别。
语音识别过程实际上是一种认识过程。就像人们听语音时,并不把语音和语言的语法结构、语义结构分开来,因为当语音发音模糊时人们可以用这些知识来指导对语言的理解过程,但是对计算机来说,识别系统也要利用这些方面的知识,只是如何有效地描述这些语法和语义还有困难:
(1)小词汇量语音识别系统,通常可以较准确地识别几十个词。
(2)中等词汇量的语音识别系统,通常可以较准确地识别几百个词。
(3)大词汇量语音识别系统,通常要识别几千个词。
不同规模的语音识别系统也影响了语音识别的困难程度。
语音识别技术发展到今天,中小词汇量非特定人语音识别系统识别精度基本可以达到98%,但对于大词汇量的语音识别精度只能达到60%一80%。
飞行模拟器中模拟编队飞行需要使用的语音模拟技术:
编队飞行多数情况下是双机、三机、四机,来协同完成一个任务,并且各机与指挥员保持密切联系,而在利用飞行模拟器进行仿真训练时,不可能一次配备这么多的仿真系统,而是用计算机产生一部分虚拟飞机。在这种情况下,指挥和协同就需要向它发出命令或指示,而虚拟的飞机必须能识别这些语音指令,这就需要高效的语音识别技术。
语音识别技术是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的高技术,它是一门交叉性学科。从七十年代起就有许多人致力于语音识别技术的研究,经过三十余年的发展,取得了很大发展,被当今科学界认为是2000年至2010年间信息技术领域十大重要的科技发展技术之一,语音识别正逐步成为信息技术中人机接口的关键技术。语音识别技术与语音合成技术的结合使人们能够甩掉键盘,通过语音命令进行操作系统。语音技术的应用目前已经成为一个具有竞争性的新兴高技术产业。
在飞行仿真环境设计中,系统对语音指令识别正确率的高低直接影响飞行训练的效果。另外,由于飞行训练的危险性极高,更加要求对指令的理解准确无误,否则稍有失误,后果就不堪设想。因此,在模拟仿真飞行训练中如何提高语音指令识别率是研究的重点与难点之一。
但是,当前飞行仿真系统中指令语音识别技术还不成熟,尽管目前计算机技术在不断发展,语音识别技术也非常多,但由于人类语言的复杂性(各地方言、男女声音、环境燥声等),语音识别率还远远达不到满足飞行仿真需要的指令识别率要求。
通常情况下,飞行指挥口令词库十分庞大,基本的指挥术语就有1000余条,属于大词汇量的语音识别系统,另外由于飞行指挥口令的自身特点,又使其具有以下三个方面的问题,更增加了语音识别的难度。
(1)口音的问题。因为地域的差异,同样一句话,南北方的调度指挥人员发音就有很大差异,给语音识别带来了一定的困难;
(2)口令的多种表达问题。针对一条指令,指挥员可以有多种表达方式,如询问高度就有“高度”、“你的高度”、“现在高度”、“现在高度位置”等多种说法,这就使指挥术语的词库成倍增加,词库的增大将会降低语音识别精度;
(3)口令的相似性问题。就是指挥口令的语音相似度很高。例如:“压点左坡度”与“压点右坡度”、“上升角不要大”、与“上升角不要小”等,它们之间的差异不超过20%,这都给语音识别带来了相当大的困难。
因此,如何根据飞行指挥口令特点及其词汇量的大小,涉及出高效的系统语音识别技术是飞行仿真训练必须解决的重要问题。我们在研究与反复实验的基础上提出了基于模糊理论与专家系统的高效语音识别技术,使系统能更准确、更快地理解语音指挥指令,满足飞行仿真对语音指令识别的要求,提高仿真飞行训练的效果。
发明内容
为了解决现有技术中飞行模拟器中模拟编队飞行需要使用的语音模拟技术中存在的不足。本发明提供一种基于模糊理论与专家系统的高效语音指令识别方法,该方法包括以下主要步骤:
A建立飞行知识库和指令库;
B对语音进行模糊识别;
C使用语音识别专家系统并利用步骤A中所述的飞行知识库和指令库对语音进行推理判断,得出指令。
进一步,所述飞行知识库是飞行作战科目并根据指挥员常用的语音命令将飞行作战指挥分若干种势态,并将各种势态的不同规则全部收入到所述飞行知识库中,并采用生产式规则建立的飞行知识库编码;所述指令库是指飞行作战指挥中能够涉及到的各种态势所对应的所有指令的集合。
进一步,对语音进行模糊识别是以非线性分段取样法为基础;将语音样板非线性分割成32段,录入特征库;识别时,将指令以同样的方法逐段与特征库中的样板比较,选出总体特征最接近的十个样板口令。
进一步,所述使用语音识别专家系统语音识别专家系统包括所述飞行知识库、推理机和所述飞行指令库。
进一步,所述推理机根据指挥员发出的口令、语音样板和飞机当前的态势,以所述飞行知识库为基础推理出飞行指令,指挥飞机下一步的动作。
进一步,所述规则为产生式规则。
进一步,所述产生式规则具有两部分:条件部分和结论部分。
发明效果:
实践证明,运用模糊识别技术与专家系统相结合的方法,可以提高目前的语音识别率。通过模糊识别将识别出与训练样板最接近的十个口令,而这十个口令100%地包含了指挥员的指挥口令。再通过专家系统的推理判断,从最接近的样板开始,逐一判断,排除那些不合理的口令,找出最切合实际的正确口令,使语音识别率达到99%以上,并且可以达到系统地实时性,满足了飞行仿真训练的要求,取得了良好的训练效果。
本发明中所涉及的术语:
态势:这里的势态主要是指仿真训练系统中飞机的飞行状态,比如在指挥过程中将飞机的态势主要分为起飞、着陆、编队等状态。
规则:就是对飞机在运动过程中根据指令能够采取的动作或相应的状态变化的规定,它必须按照该规定改变自身状态。
生产式规则:上述的规则是对飞机所有状态的限定,规则是知识库,是相对静止的。而生产式规则是根据飞机的态势确定出的规则范围,它是动态可变的,但它是规则的子集。
推理机:它是系统依据当前状态情况,判断和确定语音指令规则的方法,在本发明中,主要应用了模糊识别与专家系统技术构建了飞行仿真语音指令识别的判断方法。
动态识别库:是系统根据飞行态势动态确定的语音指令识别范围,它是飞行指令库的子集。
飞行计划库:是飞机所能执行各种任务的集合。
特殊情况库:是飞机在飞行过程中可能出现意外或发生故障情况的集合。如,起落架不能正常收起。
语音应答库:每当系统接收到一条指令,就会以语音的方式反馈给指挥员相应的信息,以使指挥员进一步确认系统对于指令的识别与理解是否正确。将所有应答集合在一起就构成了语音应答库。
附图说明
图1指挥语音识别原理框图;
图2飞行知识库框图;
图3语音识别专家系统框图;
图4语音指令识别基本流程图。
具体实施方式
本发明在语音指挥仿真系统应用中,设计了一种采用模糊识别技术与专家系统相结合的语音指挥方案。如图1所示,它主要由对所有数据库进行管理的控制程序、模糊识别、专家系统、系统通信和系统输出几个部分构成。当启动语音指挥仿真系统时,管理程序根据仿真的初始条件:比如在何时、何地进行什么样科目的训练,可以对飞行规则库、飞行指令库、语音样板库、飞行计划库、特殊情况库和语音应答库进行初始化,这在某种程度上就是根据实际情况限定和缩小了对指令库查找的范围;此时,若系统接收到指挥口令后,系统在应用模糊识别技术产生与指挥员口令最接近的十个样板;然后再由专家系统对识别出的指挥口令集进行推理、判断、验证,确定出正确有效的一个指挥口令;当指挥口令确定后,系统首先,要调用语音应答库进行语音合成进行语音输出,然后,通过系统通信改变当前飞机的飞行状态,并将其当前的飞行参数存入飞机动态识别库中,作为新的推理知识为模糊识别提供前提限定条件。进一步提高了系统的语音识别精度。
本发明具体通过下列步骤实现:
(一)建立飞行知识库和指令库
因为在编队飞行中每种态势对应的指令和接收指令后的动作都有所不同,为使知识库结构清晰,按照飞行作战科目并根据指挥常用的语音命令,并将飞行作战指挥中分为起飞、着陆、编队等态势。例如,图2中所示:飞机处于起飞过程中,则首先将飞机可能到达的位置进行区域划分,如停机坪、起飞线、跑道、一边、二边、三边、四边、五边以及各个空域的全部规则均收集在飞行知识库内。并采用常用的产生式规则,建立飞行知识库的编码,每条产生式规则都有两部分:即条件规则部分和结论规则部分。
指令库是指飞行作战指挥中能够涉及到的各种态势所对应的所有指令的集合。
例如,有以下几条控制飞行的规则:
R1:如果滑跑偏离跑道中心线,指挥员命令“注意修正方向”,则产生修正方向的操作码。
R2:如果起飞上升角偏大,指挥员命令“姿势不要大”,则产生减小上升角的操作码。
R3:如果起飞后与前机距离近,指挥员下达了“一转弯不要早”,则产生延迟进入一转弯的操作码。
R4:如果在三边上与前机距离近,指挥员命令“调整距离”,则产生做蛇形飞行来调整距离的操作码。
R5:如果五边下滑轨迹高,指挥员下达了“高度高”的命令,则产生增大下滑角的操作码。
R6:如果下滑速度大,指挥员下达口令“速度大”,则产生收油门减速的操作码。
还有许多规则,在此不一一列举。
(二)对语音进行模糊识别
本发明所公开的应用在飞行仿真系统中的语音模糊识别技术,是以非线性分段取样法为基础。在读音训练时,将语音样板非线性分割成32段,录入特征库;识别时,将指挥员口令以同样的方法逐段与特征库中的语音样板比较,选出总体特征最接近的十个样板口令。采用这一技术提高了指挥员发音的自由度,降低了发音的长短、强弱和音调的高低对系统识别精度的影响,模糊识别出的十个样板,可100%包含了输入的指挥员口令。
(三)使用语音识别专家系统对语音进行推理判断
语音识别专家系统由飞行知识库、推理机和飞行指令库等构成,其结构框见图3所示。首先根据飞行作战的知识构建飞行知识库、飞行指令库和推理机,然后工作时,推理机根据指挥员发出的口令、语音样板和飞机当前的态势,以飞行知识库为基础推理出飞行指令,指挥飞机进行下一步的动作。
语音识别基本流程实例:
图4为高效语音识别技术基本流程图,该图通过一个例子来说明本发明中语音识别方法的基本流程。例如:指挥员喊出“701可以滑出”,
则在指挥员喊出“701可以滑出”时,就要产生出两个命令字,一个是第几架飞机,一个是去做什么,其语音识别的基本流程为:
步骤A:确定飞机号,飞行中一般每批放飞架次在4至5架,只把这几架飞机的编号装入动态识别库中,指挥员只对这几架飞机进行指挥,从而飞机编号的识别率达到99%以上;
步骤B:从信息接口接收到的该飞机的态势参数,查询出它所在的区域;例如:1区。并将飞行计划库中处于1区的指令代码调出,存入动态识别库中;而后将飞机在1区内(例如:1区是停机坪)上可能发生的状态变化从飞行知识库调出形成1区飞行知识库;实际上就是将近二千条的飞机飞行指令库,缩小为几十条的一个飞行指令识别库,大大缩小了识别范围;
步骤C:从这几十条的范围内,识别出与指挥语音指令最接近的十个样板,可能包括如开车、可以滑出、可以进跑道等一些命令;
步骤D:通过飞机的应答,根据飞行应答库中的应答指令模板,进一步判断该飞机是否已报告准备好、是否已经开车完毕,若尚未滑出,则“可以滑出”命令成立,确认飞机指令识别库中的滑出命令是有效的。
步骤E:如果该飞机已报告准备好而未开车,则推理结果为“701开车”命令有效。
Claims (7)
1.一种基于模糊理论与专家系统的高效语音指令识别方法,其特征为,该方法包括以下主要步骤:
A建立飞行知识库和指令库;
B对语音进行模糊识别;
C使用语音识别专家系统并利用步骤A中所述的飞行知识库和指令库对语音进行推理判断,得出指令。
2.根据权利要求1中所述语音指令识别方法,其特征为,所述飞行知识库是飞行作战科目并根据指挥员常用的语音命令将飞行作战指挥分若干种势态,并将各种势态的不同规则全部收入到所述飞行知识库中,并采用生产式规则建立的飞行知识库编码;所述指令库是指飞行作战指挥中能够涉及到的各种态势所对应的所有指令的集合。
3.根据权利要求1中所述语音指令识别方法,其特征为,对语音进行模糊识别是以非线性分段取样法为基础;将语音样板非线性分割成32段,录入特征库;识别时,将指令以同样的方法逐段与特征库中的样板比较,选出总体特征最接近的十个样板口令。
4.根据权利要求1中所述语音指令识别方法,其特征为,所述使用语音识别专家系统语音识别专家系统包括所述飞行知识库、推理机和所述飞行指令库。
5.根据权利要求4中所述语音指令识别方法,其特征为,所述推理机根据指挥员发出的口令、语音样板和飞机当前的态势,以所述飞行知识库为基础推理出飞行指令,指挥飞机下一步的动作。
6.根据权利要求2中所述语音指令识别方法,其特征为,所述规则为产生式规则。
7.根据权利要求6中所述语音指令识别方法,其特征为,所述产生式规则具有两部分:条件部分和结论部分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010105317908A CN102063902A (zh) | 2010-11-04 | 2010-11-04 | 基于模糊理论与专家系统的高效语音指令识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010105317908A CN102063902A (zh) | 2010-11-04 | 2010-11-04 | 基于模糊理论与专家系统的高效语音指令识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102063902A true CN102063902A (zh) | 2011-05-18 |
Family
ID=43999149
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010105317908A Pending CN102063902A (zh) | 2010-11-04 | 2010-11-04 | 基于模糊理论与专家系统的高效语音指令识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102063902A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103617749A (zh) * | 2013-11-15 | 2014-03-05 | 中国航空无线电电子研究所 | 一种机载陆空指令管理系统及其管理方法 |
CN104866102A (zh) * | 2015-05-29 | 2015-08-26 | 中山大学 | 一种盲人计算机的操作智能控制系统及方法 |
CN105551490A (zh) * | 2015-12-23 | 2016-05-04 | 中国电子科技集团公司第四十一研究所 | 一种电子测量仪器的智能语音交互系统及方法 |
CN105678030A (zh) * | 2016-03-03 | 2016-06-15 | 黄安祥 | 基于专家系统和战术战法分形化的空战战术团队仿真方法 |
CN105894863A (zh) * | 2016-06-07 | 2016-08-24 | 云南财经大学 | 一种民航飞行操作安全校验方法及其装置 |
CN110277086A (zh) * | 2019-06-25 | 2019-09-24 | 中国科学院自动化研究所 | 基于电网调度知识图谱的语音合成方法、系统及电子设备 |
CN110895936A (zh) * | 2018-09-13 | 2020-03-20 | 珠海格力电器股份有限公司 | 基于家用电器的语音处理方法和装置 |
CN112735410A (zh) * | 2020-12-25 | 2021-04-30 | 中国人民解放军63892部队 | 一种自动语音交互式兵力模型控制方法及系统 |
CN112735410B (zh) * | 2020-12-25 | 2024-06-07 | 中国人民解放军63892部队 | 一种自动语音交互式兵力模型控制方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070288128A1 (en) * | 2006-06-09 | 2007-12-13 | Garmin Ltd. | Automatic speech recognition system and method for aircraft |
WO2008087823A1 (ja) * | 2007-01-15 | 2008-07-24 | Shinmaywa Industries, Ltd. | 訓練用飛行シミュレータ |
CN101334999A (zh) * | 2008-07-10 | 2008-12-31 | 上海言海网络信息技术有限公司 | 中文语音识别系统及其语音识别方法 |
US7606715B1 (en) * | 2006-05-25 | 2009-10-20 | Rockwell Collins, Inc. | Avionics system for providing commands based on aircraft state |
-
2010
- 2010-11-04 CN CN2010105317908A patent/CN102063902A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7606715B1 (en) * | 2006-05-25 | 2009-10-20 | Rockwell Collins, Inc. | Avionics system for providing commands based on aircraft state |
US20070288128A1 (en) * | 2006-06-09 | 2007-12-13 | Garmin Ltd. | Automatic speech recognition system and method for aircraft |
WO2008087823A1 (ja) * | 2007-01-15 | 2008-07-24 | Shinmaywa Industries, Ltd. | 訓練用飛行シミュレータ |
CN101334999A (zh) * | 2008-07-10 | 2008-12-31 | 上海言海网络信息技术有限公司 | 中文语音识别系统及其语音识别方法 |
Non-Patent Citations (2)
Title |
---|
《模糊系统与教学》 19921231 叶德明等 计算机语音模糊模式识别 125-132 1-7 第六卷, 第二期 2 * |
《计算机应用》 20091231 刘建德等 基于PC的飞行指挥训练系统 3413-3415,3448 第29卷, 第12期 2 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103617749B (zh) * | 2013-11-15 | 2015-12-09 | 中国航空无线电电子研究所 | 一种机载陆空指令管理系统及其管理方法 |
CN103617749A (zh) * | 2013-11-15 | 2014-03-05 | 中国航空无线电电子研究所 | 一种机载陆空指令管理系统及其管理方法 |
CN104866102B (zh) * | 2015-05-29 | 2018-10-23 | 中山大学 | 一种盲人计算机的操作智能控制系统及方法 |
CN104866102A (zh) * | 2015-05-29 | 2015-08-26 | 中山大学 | 一种盲人计算机的操作智能控制系统及方法 |
CN105551490A (zh) * | 2015-12-23 | 2016-05-04 | 中国电子科技集团公司第四十一研究所 | 一种电子测量仪器的智能语音交互系统及方法 |
CN105551490B (zh) * | 2015-12-23 | 2019-09-10 | 中国电子科技集团公司第四十一研究所 | 一种电子测量仪器的智能语音交互系统及方法 |
CN105678030A (zh) * | 2016-03-03 | 2016-06-15 | 黄安祥 | 基于专家系统和战术战法分形化的空战战术团队仿真方法 |
CN105678030B (zh) * | 2016-03-03 | 2019-09-27 | 黄安祥 | 基于专家系统和战术战法分形化的空战战术团队仿真方法 |
CN105894863A (zh) * | 2016-06-07 | 2016-08-24 | 云南财经大学 | 一种民航飞行操作安全校验方法及其装置 |
CN110895936A (zh) * | 2018-09-13 | 2020-03-20 | 珠海格力电器股份有限公司 | 基于家用电器的语音处理方法和装置 |
CN110277086A (zh) * | 2019-06-25 | 2019-09-24 | 中国科学院自动化研究所 | 基于电网调度知识图谱的语音合成方法、系统及电子设备 |
CN110277086B (zh) * | 2019-06-25 | 2021-11-19 | 中国科学院自动化研究所 | 基于电网调度知识图谱的语音合成方法、系统及电子设备 |
CN112735410A (zh) * | 2020-12-25 | 2021-04-30 | 中国人民解放军63892部队 | 一种自动语音交互式兵力模型控制方法及系统 |
CN112735410B (zh) * | 2020-12-25 | 2024-06-07 | 中国人民解放军63892部队 | 一种自动语音交互式兵力模型控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102063902A (zh) | 基于模糊理论与专家系统的高效语音指令识别方法 | |
Helmke et al. | Reducing controller workload with automatic speech recognition | |
CN110287494A (zh) | 一种基于深度学习bert算法的短文本相似匹配的方法 | |
KR102540185B1 (ko) | 채용 부문 설명 문서 생성 방법, 장치, 기기 및 매체 | |
CN106297800A (zh) | 一种自适应的语音识别的方法和设备 | |
Wilks et al. | Some background on dialogue management and conversational speech for dialogue systems | |
Schäfer | Context-sensitive speech recognition in the air traffic control simulation | |
Lin et al. | A deep learning framework of autonomous pilot agent for air traffic controller training | |
CN106683667A (zh) | 一种自动韵律提取方法、系统及其在自然语言处理任务中的应用 | |
CN111627257B (zh) | 基于航空器运动趋势预判的管制指令安全预演与校验方法 | |
CN110232121B (zh) | 一种基于语义网的管制指令分类方法 | |
CN110069771B (zh) | 一种基于语义组块的管制指令信息处理方法 | |
Lowry et al. | Towards autonomous piloting: Communicating with air traffic control | |
Kleinert et al. | Apron Controller Support by Integration of Automatic Speech Recognition with an Advanced Surface Movement Guidance and Control System | |
Doyle et al. | Nonparametric learning of phonological constraints in optimality theory | |
CN113792540A (zh) | 意图识别模型更新方法及相关设备 | |
Liu et al. | Accent labeling algorithm based on morphological rules and machine learning in English conversion system | |
Zhang et al. | Artificial Dispatcher Based on Deep Learning and Expert System | |
Helmke et al. | Quantifying the benefits of speech recognition for an air traffic management application | |
DILHANI et al. | Intelligent Virtual Assistant System (IVAS) for Air Traffic Controllers | |
Seo et al. | Intelligent steering control system based on voice instructions | |
Jin et al. | A Speech Interaction Method in Immersive Virtual Maintenance | |
Chu | Speech recognition method based on deep learning and its application | |
Helmke et al. | Automatic Speech Recognition and Understanding in Air Traffic Management | |
Karlsson | The integration of automatic speech recognition into the air traffic control system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20110518 |