CN116386637B - 雷达飞行指挥语音指令生成方法及系统 - Google Patents

雷达飞行指挥语音指令生成方法及系统 Download PDF

Info

Publication number
CN116386637B
CN116386637B CN202310651283.5A CN202310651283A CN116386637B CN 116386637 B CN116386637 B CN 116386637B CN 202310651283 A CN202310651283 A CN 202310651283A CN 116386637 B CN116386637 B CN 116386637B
Authority
CN
China
Prior art keywords
voice
command
radar
real
acoustic
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.)
Active
Application number
CN202310651283.5A
Other languages
English (en)
Other versions
CN116386637A (zh
Inventor
陈颖玲
王家隆
卢爽
周漩
张晋武
郝思宁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CETC 15 Research Institute
Original Assignee
CETC 15 Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by CETC 15 Research Institute filed Critical CETC 15 Research Institute
Priority to CN202310651283.5A priority Critical patent/CN116386637B/zh
Publication of CN116386637A publication Critical patent/CN116386637A/zh
Application granted granted Critical
Publication of CN116386637B publication Critical patent/CN116386637B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B9/00—Simulators for teaching or training purposes
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G10L15/063—Training
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/14—Speech classification or search using statistical models, e.g. Hidden Markov Models [HMMs]
    • G10L15/142—Hidden Markov Models [HMMs]
    • G10L15/144—Training of HMMs
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/16—Speech classification or search using artificial neural networks
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/223—Execution procedure of a spoken command

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Machine Translation (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及一种雷达飞行指挥语音指令生成方法及系统，属于航空管制教学训练系统技术领域，该方法包括：收集语音语料，建立声学模型和语言模型，构建指挥语音解码器，获取实时雷达管制指令语音并进行语音解码，输出实时雷达管制指令语音对应的文本信息；构建多个词典，构建的语义解析树，得到实时雷达飞行指挥信息，并存储为XML文本；对语音语料对应的管制指令文本和管制语音进行处理，构建HMM模型以及对应的决策树，根据XML文本获取声学特征轨迹，生成实时雷达飞行指挥语音指令。本申请提供的方法及系统可实现雷达飞行指挥语音指令的自动报读，可模拟机长进行指令输入，减轻了教员的工作负担，提高了雷达飞行指挥模拟训练的效率。

Description

雷达飞行指挥语音指令生成方法及系统
技术领域
本发明涉及航空管制教学训练系统技术领域，尤其涉及一种雷达飞行指挥语音指令生成方法及系统。
背景技术
随着人工智能时代的到来,语音识别和语音合成技术得到了迅速的发展，被广泛应用于智能家居、汽车导航等领域，而在雷达飞行指挥模拟训练系统中，因为管制语言的专业性和特殊性，使得管制专业语句识别率不高，语音报读信息不准确等问题，另外在目前大多数航空管制教学模拟训练中，需要教员扮演机长角色，与学员进行一对一配合训练，这大大增加了教员的工作负担，并使得雷达飞行指挥模拟训练效率较低。
发明内容
本发明意在提供一种雷达飞行指挥语音指令生成方法及系统，以解决现有技术中存在的不足，本发明要解决的技术问题通过以下技术方案来实现。
本发明提供的雷达飞行指挥语音指令生成方法，包括：
收集雷达飞行指挥过程中的多个语音语料，并对收集的语音语料进行预处理，基于预处理得到的语音信号建立声学模型，以及根据航空管制指令基于收集的语音语料建立基于管制关键词的N元统计语言模型，根据建立的声学模型和语言模型，构建指挥语音解码器；
通过PTT手柄获取实时雷达管制指令语音，对实时雷达管制指令语音进行降噪处理，并输入至指挥语音解码器进行语音解码，输出实时雷达管制指令语音对应的文本信息；
根据雷达飞行指挥指令的句法结构，构建多个词典，基于自然语言句法结构对实时雷达管制指令语音对应的文本信息进行分词处理，将构建的词典中的词语与分词处理结果进行匹配，根据匹配结果提取信息，并通过提取的信息构建语义解析树；
采用构建的词典对语义解析树中的节点信息进行翻译处理，对经过翻译处理的语义解析树进行遍历处理，将遍历处理得到的实时雷达飞行指挥信息存储为XML文本；
通过对收集的多个语音语料对应的管制指令文本进行相关处理，通过经过处理的语音语料对应的管制指令文本形成单音素标签，并提取多个语音语料对应的管制语音的声学特征，通过单音素标签和管制语音的声学特征对HMM模型进行训练，构建上下文相关HMM模型以及上下文相关HMM模型对应的决策树；
通过上下文相关HMM模型以及上下文相关HMM模型对应的决策树对实时获取的雷达管制指令语音对应的文本信息进行相关处理，获取雷达管制指令语音对应的文本信息所对应的声学特征轨迹，将声学特征轨迹输入至声码器中生成实时的雷达飞行指挥语音指令。
在上述的方案中，所述收集雷达飞行指挥过程中的多个语音语料，并对收集的语音语料进行预处理，基于预处理得到的语音信号建立声学模型包括：
收集雷达飞行指挥过程中的多个语音语料，将语音语料转化为音频文件，通过高通滤波器对音频文件中的语音信号进行预加重处理，通过移动窗函数对经过预加重处理的语音信号进行分帧处理，并对经过分帧处理的语音信号进行基于能量的端点检测；
通过梅尔滤波器对经过端点检测的语音信号进行特征提取，获取语音特征矢量序列；
进行语音特征矢量序列到声学模型的映射，采用神经网络对声学模型进行训练，建立声学模型。
在上述的方案中，所述根据建立的声学模型和语言模型，构建指挥语音解码器包括：
对构建的基于管制关键词的N元统计语言模型进行平滑处理；
根据建立的声学模型，采用Viterbi算法对声学模型进行最优路径搜索，从而获得初步的识别结果，并根据所建立的语言模型，对获得的识别结果进行语义约束，从而获得最优词串生成，完成雷达管制指挥语音解码器的构建。
在上述的方案中，所述根据雷达飞行指挥指令的句法结构，构建多个词典包括：
根据雷达飞行指挥指令的句法结构，通过雷达飞行指挥训练计划中呼号构建主语词典，并构建用于匹配飞行动作信息的谓语词典、用于提取动作对象和对动作补充说明信息的宾补词典，以及构建用于提取飞行动作执行状态、位置、时间点信息的状语词典。
在上述的方案中，所述将构建的词典中的词语与分词处理结果进行匹配，根据匹配结果提取信息，并通过提取的信息构建语义解析树包括：
采取字符串模糊匹配方法对主语词典中的词语与分词处理结果进行匹配，在主语词典中存在与分词处理结果中对应的呼号完全匹配的呼号时，对分词处理结果中对应的呼号进行提取；
在主语词典中不存在与分词处理结果中对应的呼号完全匹配的呼号时，采用逆向匹配算法获取找出主语词典中与分词处理结果中对应的呼号最相近的呼号，并对主语词典中与分词处理结果中对应的呼号最相近的呼号进行提取。
所述将构建的词典中的词语与分词处理结果进行匹配，根据匹配结果提取信息，并通过提取的信息构建语义解析树还包括：
采用字符串KMP匹配算法对谓语词典中的词语与经过呼号提取的分词处理结果进行匹配，在谓语词典的词语与经过呼号提取的分词处理结果中的相关谓语匹配时，对经过呼号提取的分词处理结果中的相关谓语进行提取；
对状语词典中的词语与经过谓语提取的分词处理结果进行匹配，在状语词典的词语与经过谓语提取的分词处理结果中的相关状语匹配时，对经过谓语提取的分词处理结果中的相关状语进行提取；
对宾补词典中的词语与经过状语提取的分词处理结果进行匹配，在宾补词典的词语与经过状语提取的分词处理结果中的相关宾语补足语匹配时，对经过状语提取的分词处理结果中的相关宾语补足语进行提取；
将提取的呼号存储在根节点、提取的谓语存储在中子树、提取的状语存储在左子树、提取的宾语补足语存储在右子树，构建语义解析树。
在上述的方案中，所述通过对收集的多个语音语料对应的管制指令文本进行相关处理，通过经过处理的语音语料对应的管制指令文本形成单音素标签，并提取多个语音语料对应的管制语音的声学特征，通过单音素标签和管制语音的声学特征对HMM模型进行训练，构建上下文相关HMM模型以及上下文相关HMM模型对应的决策树包括：
通过对收集的多个语音语料对应的管制指令文本进行词汇、语法及语义分析，以对多个语音语料对应的管制指令文本进行断句处理、分词处理和雷达管制专业术语处理；
并对经过断句处理、分词处理和雷达管制专业术语处理的管制指令文本中的每个字采用单个音素的组合来标识，形成单音素标签；
提取多个语音语料对应的管制语音的声学特征；
通过单音素标签和管制语音的声学特征对HMM模型进行训练，采用Baum-Welch算法获取HMM参数的最大似然估计，构建上下文相关HMM模型以及上下文相关HMM模型对应的决策树。
在上述的方案中，所述通过上下文相关HMM模型以及上下文相关HMM模型对应的决策树对实时获取的雷达管制指令语音对应的文本信息进行相关处理，获取雷达管制指令语音对应的文本信息所对应的声学特征轨迹包括：
通过上下文相关HMM模型对实时获取的雷达管制指令语音对应的文本信息进行文本分析处理，获取相应的单音素标识模型序列；
通过上下文相关HMM模型对应的决策树对单音素标识模型序列的声学特征进行提取和组合，形成声学特征轨迹。
本发明提供的雷达飞行指挥语音指令生成系统，采用如上所述的雷达飞行指挥语音指令生成方法进行雷达飞行指挥语音指令生成，包括：
语音识别单元，用于收集雷达飞行指挥过程中的多个语音语料，基于收集的语音语料建立声学模型和语言模型，并根据建立的声学模型和语言模型构建指挥语音解码器，以及通过PTT手柄获取实时雷达管制指令语音，通过指挥语音解码器对实时雷达管制指令语音进行语音解码，输出实时雷达管制指令语音对应的文本信息；
语义解析单元，用于构建多个词典，对实时雷达管制指令语音对应的文本信息进行分词处理，将构建的词典中的词语与分词处理结果进行匹配，根据匹配结果构建的语义解析树，对语义解析树中的节点信息进行相关处理得到实时雷达飞行指挥信息，并将实时雷达飞行指挥信息存储为XML文本；
语音生成单元，用于通过对收集的多个语音语料对应的管制指令文本和管制语音进行相关处理，分别获取单音素标签和声学特征，通过单音素标签和管制语音的声学特征对HMM模型进行训练，构建上下文相关HMM模型以及上下文相关HMM模型对应的决策树，并将实时雷达飞行指挥信息对应的XML文本分析转化为上下文标签，通过上下文相关HMM模型以及上下文相关HMM模型对应的决策树根据上下文标签获取声学特征轨迹，通过将声学特征轨迹输入至声码器中生成实时的雷达飞行指挥语音指令。
在上述的方案中，所述语音识别单元包括语音语料收集模块、预处理模块、声学模型建立模块、语言模型建立模块、指挥语音解码器构建模块以及PTT手柄，所述语音语料收集模块用于收集雷达飞行指挥过程中的多个语音语料，所述预处理模块用于对收集的语音语料进行预处理，所述声学模型建立模块用于基于预处理得到的语音信号建立声学模型，所述语言模型建立模块用于根据航空管制指令基于收集的语音语料建立基于管制关键词的N元统计语言模型，所述指挥语音解码器构建模块用于根据建立的声学模型和语言模型，构建指挥语音解码器，所述PTT手柄用于获取实时雷达管制指令语音，对实时雷达管制指令语音进行降噪处理，并输入至指挥语音解码器构建模块构建的指挥语音解码器进行语音解码，输出实时雷达管制指令语音对应的文本信息；所述语义解析单元包括词典构建模块、分词处理模块、匹配模块、语义解析树构建模块以及XML文本获取模块，所述词典构建模块用于根据雷达飞行指挥指令的句法结构、构建多个词典，所述分词处理模块用于基于自然语言句法结构对实时雷达管制指令语音对应的文本信息进行分词处理，所述匹配模块用于将构建的词典中的词语与分词处理结果进行匹配，所述语义解析树构建模块用于根据匹配结果提取信息，并通过提取的信息构建语义解析树，所述XML文本获取模块用于采用构建的词典对语义解析树中的节点信息进行翻译处理，对经过翻译处理的语义解析树进行遍历处理，将遍历处理得到的实时雷达飞行指挥信息存储为XML文本；所述语音生成单元包括单音素标签生成模块、声学特征提取模块、HMM模型及决策树构建模块、上下文标签获取模块、声学特征轨迹获取模块、指挥语音指令生成模块，所述单音素标签生成模块用于对收集的多个语音语料对应的管制指令文本进行相关处理，通过经过处理的语音语料对应的管制指令文本形成单音素标签，所述声学特征提取模块用于通过提取多个语音语料对应的管制语音的声学特征，所述HMM模型及决策树构建模块用于通过单音素标签和管制语音的声学特征对HMM模型进行训练，构建上下文相关HMM模型以及上下文相关HMM模型对应的决策树，所述声学特征轨迹获取模块用于将实时雷达飞行指挥信息对应的XML文本分析转化为上下文标签，通过上下文相关HMM模型以及上下文相关HMM模型对应的决策树对实时获取的雷达管制指令语音对应的文本信息进行相关处理，获取雷达管制指令语音对应的文本信息所对应的声学特征轨迹，所述指挥语音指令生成模块用于将声学特征轨迹输入至声码器中生成实时的雷达飞行指挥语音指令。
本发明实施例包括以下优点：
本发明实施例提供的雷达飞行指挥语音指令生成方法及系统，通过将管制员的实时雷达管制指令语音转换为文本信息，并将转换成的文本信息进行解析，获取可用于训练系统的XML文本，以及将可用于训练系统的XML文本进行处理，输入至声码器中生成实时的雷达飞行指挥语音指令，实现雷达飞行指挥语音指令的自动报读，可模拟机长进行指令输入，模拟了地空通话，减轻了教员的工作负担，提高了雷达飞行指挥模拟训练的效率。
附图说明
图1是本发明的一种雷达飞行指挥语音指令生成方法的步骤图。
图2是本发明的语音识别的流程图。
图3是本发明的语义解析的流程图。
图4是本发明的语音生成的流程图。
图5是本发明的一种雷达飞行指挥语音指令生成系统的组成示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
如图1所示，本发明提供的一种雷达飞行指挥语音指令生成方法，其特征在于，所述方法包括：
步骤S1：收集雷达飞行指挥过程中的多个语音语料，并对收集的语音语料进行预处理，基于预处理得到的语音信号建立声学模型，以及根据航空管制指令基于收集的语音语料建立基于管制关键词的N元统计语言模型，根据建立的声学模型和语言模型，构建指挥语音解码器。
步骤S2：通过PTT手柄获取实时雷达管制指令语音，对实时雷达管制指令语音进行降噪处理，并输入至指挥语音解码器进行语音解码，输出实时雷达管制指令语音对应的文本信息。
如图2所示，步骤S1和步骤S2描述了语音识别的过程，步骤S1具体包括以下步骤：
收集雷达飞行指挥过程中的多个语音语料，将语音语料转化为音频文件，通过高通滤波器对音频文件中的语音信号进行预加重处理，通过移动窗函数对经过预加重处理的语音信号进行分帧处理，并对经过分帧处理的语音信号进行基于能量的端点检测；
通过梅尔滤波器对经过端点检测的语音信号进行特征提取，获取语音特征矢量序列；
进行语音特征矢量序列到声学模型的映射，采用神经网络对声学模型进行训练，建立声学模型；
根据航空管制指令基于收集的语音语料建立基于管制关键词的N元统计语言模型；
对构建的基于管制关键词的N元统计语言模型进行平滑处理；
根据建立的声学模型，采用Viterbi算法对声学模型进行最优路径搜索，从而获得初步的识别结果，并根据所建立的语言模型，对获得的识别结果进行语义约束，从而获得最优词串生成，完成雷达管制指挥语音解码器的构建。
在本实施例中，通过步骤S1和步骤S2可将位于管制席的管制员的指挥指令转化为文本信息。
步骤S3：根据雷达飞行指挥指令的句法结构，构建多个词典，基于自然语言句法结构对实时雷达管制指令语音对应的文本信息进行分词处理，将构建的词典中的词语与分词处理结果进行匹配，根据匹配结果提取信息，并通过提取的信息构建语义解析树。
步骤S4：采用构建的词典对语义解析树中的节点信息进行翻译处理，对经过翻译处理的语义解析树进行遍历处理，将遍历处理得到的实时雷达飞行指挥信息存储为XML文本。
在本实施例中，采用分层中序遍历方法对经过翻译处理的语义解析树进行遍历处理。
如图3所示，步骤S3和步骤S4描述了语义解析的过程，步骤S3具体包括以下步骤：
根据雷达飞行指挥指令的句法结构，通过雷达飞行指挥训练计划中呼号构建主语词典，并构建用于匹配飞行动作信息的谓语词典、用于提取动作对象和对动作补充说明信息的宾补词典，以及构建用于提取飞行动作执行状态、位置、时间点等信息的状语词典；
采取字符串模糊匹配方法对主语词典中的词语与分词处理结果进行匹配，在主语词典中存在与分词处理结果中对应的呼号完全匹配的呼号时，对分词处理结果中对应的呼号进行提取；
在主语词典中不存在与分词处理结果中对应的呼号完全匹配的呼号时，采用逆向匹配算法获取找出主语词典中与分词处理结果中对应的呼号最相近的呼号，并对主语词典中与分词处理结果中对应的呼号最相近的呼号进行提取；
采用字符串KMP匹配算法对谓语词典中的词语与经过呼号提取的分词处理结果进行匹配，在谓语词典的词语与经过呼号提取的分词处理结果中的相关谓语匹配时，对经过呼号提取的分词处理结果中的相关谓语进行提取；
对状语词典中的词语与经过谓语提取的分词处理结果进行匹配，在状语词典的词语与经过谓语提取的分词处理结果中的相关状语匹配时，对经过谓语提取的分词处理结果中的相关状语进行提取；
对宾补词典中的词语与经过状语提取的分词处理结果进行匹配，在宾补词典的词语与经过状语提取的分词处理结果中的相关宾语补足语匹配时，对经过状语提取的分词处理结果中的相关宾语补足语进行提取；
将提取的呼号存储在根节点、提取的谓语存储在中子树、提取的状语存储在左子树、提取的宾语补足语存储在右子树，构建语义解析树。
在本实施例中，主语词典用于匹配呼号信息，由于管制用语中数字发音的特殊性、呼号语义特征不明显等因素，成熟的语音识别引擎也存在呼号识别准确率较低的问题，因此，采取字符串模糊匹配方法对主语词典中的词语与分词处理结果进行匹配，将训练计划中呼号建成主语词典，然后对词典进行遍历，如果存在与分词处理结果中对应的呼号完全匹配的呼号时，对分词处理结果中对应的呼号进行提取，在主语词典中不存在与分词处理结果中对应的呼号完全匹配的呼号时，采用逆向匹配算法获取找出主语词典中与分词处理结果中对应的呼号最相近的呼号，并对主语词典中与分词处理结果中对应的呼号最相近的呼号进行提取。
在本实施例中，在谓语词典中选取指挥动作用语，迭代遍历谓语词典，直至分词处理结果中所有词语均与对谓语词典中的词语进行匹配，提取出最多的指挥动作用语。
在本实施例中，通过步骤S3和步骤S4可将通过语音识别获得的指挥管制指令文本信息，经过语义解析翻译成训练系统内部指令，该训练系统内部指令可模拟机长进行雷达飞行指挥操作，完成对雷达的控制。
步骤S5：通过对收集的多个语音语料对应的管制指令文本进行相关处理，通过经过处理的语音语料对应的管制指令文本形成单音素标签，并提取多个语音语料对应的管制语音的声学特征，通过单音素标签和管制语音的声学特征对HMM模型进行训练，构建上下文相关HMM模型以及上下文相关HMM模型对应的决策树。
步骤S6：通过上下文相关HMM模型以及上下文相关HMM模型对应的决策树对实时获取的雷达管制指令语音对应的文本信息进行相关处理，获取雷达管制指令语音对应的文本信息所对应的声学特征轨迹，将声学特征轨迹输入至声码器中生成实时的雷达飞行指挥语音指令。
如图4所示，步骤S5和步骤S6描述了语音生成的过程，步骤S5具体包括以下步骤：
通过对收集的多个语音语料对应的管制指令文本进行词汇、语法及语义分析，以对多个语音语料对应的管制指令文本进行断句处理、分词处理和雷达管制专业术语处理；
并对经过断句处理、分词处理和雷达管制专业术语处理的管制指令文本中的每个字采用单个音素的组合来标识，形成单音素标签；
提取多个语音语料对应的管制语音的声学特征；
通过单音素标签和管制语音的声学特征对HMM模型进行训练，采用Baum-Welch算法获取HMM参数的最大似然估计，构建上下文相关HMM模型以及上下文相关HMM模型对应的决策树。
步骤S6具体包括：
通过上下文相关HMM模型对实时获取的雷达管制指令语音对应的文本信息进行文本分析处理，获取相应的单音素标识模型序列；
通过上下文相关HMM模型对应的决策树对单音素标识模型序列的声学特征进行提取和组合，形成声学特征轨迹；
将声学特征轨迹输入至声码器中生成实时的雷达飞行指挥语音指令。
在本实施例中，声学特征包括音高、音长、音强等。
在本实施例中，通过步骤S5和步骤S6可将通过语义解析获取的可模拟机长进行雷达飞行指挥操作的训练系统内部指令以文本方式发送至声码器，通过语音合成技术生成标准管制指挥话音流，实时报读给飞行管制员。
如图5所示，本发明提供的一种雷达飞行指挥语音指令生成系统，采用如上所述的雷达飞行指挥语音指令生成方法进行雷达飞行指挥语音指令生成，所述系统包括：
语音识别单元，用于收集雷达飞行指挥过程中的多个语音语料，基于收集的语音语料建立声学模型和语言模型，并根据建立的声学模型和语言模型构建指挥语音解码器，以及通过PTT手柄获取实时雷达管制指令语音，通过指挥语音解码器对实时雷达管制指令语音进行语音解码，输出实时雷达管制指令语音对应的文本信息；
语义解析单元，用于构建多个词典，对实时雷达管制指令语音对应的文本信息进行分词处理，将构建的词典中的词语与分词处理结果进行匹配，根据匹配结果构建语义解析树，对语义解析树中的节点信息进行相关处理得到实时雷达飞行指挥信息，并将实时雷达飞行指挥信息存储为XML文本；
语音生成单元，用于通过对收集的多个语音语料对应的管制指令文本和管制语音进行相关处理，分别获取单音素标签和声学特征，通过单音素标签和管制语音的声学特征对HMM模型进行训练，构建上下文相关HMM模型以及上下文相关HMM模型对应的决策树，并将实时雷达飞行指挥信息对应的XML文本分析转化为上下文标签，通过上下文相关HMM模型以及上下文相关HMM模型对应的决策树根据上下文标签获取声学特征轨迹，通过将声学特征轨迹输入至声码器中生成实时的雷达飞行指挥语音指令。
进一步地，所述语音识别单元包括语音语料收集模块、预处理模块、声学模型建立模块、语言模型建立模块、指挥语音解码器构建模块以及PTT手柄，所述语音语料收集模块用于收集雷达飞行指挥过程中的多个语音语料，所述预处理模块用于对收集的语音语料进行预处理，所述声学模型建立模块用于基于预处理得到的语音信号建立声学模型，所述语言模型建立模块用于根据航空管制指令基于收集的语音语料建立基于管制关键词的N元统计语言模型，所述指挥语音解码器构建模块用于根据建立的声学模型和语言模型，构建指挥语音解码器，所述PTT手柄用于获取实时雷达管制指令语音，对实时雷达管制指令语音进行降噪处理，并输入至指挥语音解码器构建模块构建的指挥语音解码器进行语音解码，输出实时雷达管制指令语音对应的文本信息；所述语义解析单元包括词典构建模块、分词处理模块、匹配模块、语义解析树构建模块以及XML文本获取模块，所述词典构建模块用于根据雷达飞行指挥指令的句法结构、构建多个词典，所述分词处理模块用于基于自然语言句法结构对实时雷达管制指令语音对应的文本信息进行分词处理，所述匹配模块用于将构建的词典中的词语与分词处理结果进行匹配，所述语义解析树构建模块用于根据匹配结果提取信息，并通过提取的信息构建语义解析树，所述XML文本获取模块用于采用构建的词典对语义解析树中的节点信息进行翻译处理，对经过翻译处理的语义解析树进行遍历处理，将遍历处理得到的实时雷达飞行指挥信息存储为XML文本；所述语音生成单元包括单音素标签生成模块、声学特征提取模块、HMM模型及决策树构建模块、上下文标签获取模块、声学特征轨迹获取模块、指挥语音指令生成模块，所述单音素标签生成模块用于对收集的多个语音语料对应的管制指令文本进行相关处理，通过经过处理的语音语料对应的管制指令文本形成单音素标签，所述声学特征提取模块用于通过提取多个语音语料对应的管制语音的声学特征，所述HMM模型及决策树构建模块用于通过单音素标签和管制语音的声学特征对HMM模型进行训练，构建上下文相关HMM模型以及上下文相关HMM模型对应的决策树，所述声学特征轨迹获取模块用于将实时雷达飞行指挥信息对应的XML文本分析转化为上下文标签，通过上下文相关HMM模型以及上下文相关HMM模型对应的决策树对实时获取的雷达管制指令语音对应的文本信息进行相关处理，获取雷达管制指令语音对应的文本信息所对应的声学特征轨迹，所述指挥语音指令生成模块用于将声学特征轨迹输入至声码器中生成实时的雷达飞行指挥语音指令。
在本实施例中，通过以上提供的雷达飞行指挥语音指令生成系统可通过语音识别将位于管制席的管制员的指挥指令转化为文本信息，并将通过语音识别获得的指挥管制指令文本信息，经过语义解析翻译成训练系统内部指令，该训练系统内部指令可模拟机长进行雷达飞行指挥操作，完成对雷达的控制，以及
将通过语义解析获取的可模拟机长进行雷达飞行指挥操作的训练系统内部指令以文本方式发送至声码器，通过语音合成技术生成标准管制指挥话音流，实时报读给飞行管制员。
应该指出，上述详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语均具有与本申请所属技术领域的普通技术人员的通常理解所相同的含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式。此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换，以便这里描述的本申请的实施方式能够以除了在这里图示或描述的那些以外的顺序实施。
此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含。例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了便于描述，在这里可以使用空间相对术语，如“在……之上”、“在……上方”、“在……上表面”、“上面的”等，用来描述如在图中所示的一个器件或特征与其他器件或特征的空间位置关系。应当理解的是，空间相对术语旨在包含除了器件在图中所描述的方位之外的在使用或操作中的不同方位。例如，如果附图中的器件被倒置，则描述为“在其他器件或构造上方”或“在其他器件或构造之上”的器件之后将被定位为“在其他器件或构造下方”或“在其他器件或构造之下”。因而，示例性术语“在……上方”可以包括“在……上方”和“在……下方”两种方位。该器件也可以其他不同方式定位，如旋转90度或处于其他方位，并且对这里所使用的空间相对描述作出相应解释。
在上面详细的说明中，参考了附图，附图形成本文的一部分。在附图中，类似的符号典型地确定类似的部件，除非上下文以其他方式指明。在详细的说明书、附图及权利要求书中所描述的图示说明的实施方案不意味是限制性的。在不脱离本文所呈现的主题的精神或范围下，其他实施方案可以被使用，并且可以作其他改变。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种雷达飞行指挥语音指令生成方法，其特征在于，所述方法包括：
收集雷达飞行指挥过程中的多个语音语料，并对收集的语音语料进行预处理，基于预处理得到的语音信号建立声学模型，以及根据航空管制指令基于收集的语音语料建立基于管制关键词的N元统计语言模型，根据建立的声学模型和语言模型，构建指挥语音解码器；
通过PTT手柄获取实时雷达管制指令语音，对实时雷达管制指令语音进行降噪处理，并输入至指挥语音解码器进行语音解码，输出实时雷达管制指令语音对应的文本信息；
根据雷达飞行指挥指令的句法结构，构建多个词典，基于自然语言句法结构对实时雷达管制指令语音对应的文本信息进行分词处理，将构建的词典中的词语与分词处理结果进行匹配，根据匹配结果提取信息，并通过提取的信息构建语义解析树；
采用构建的词典对语义解析树中的节点信息进行翻译处理，对经过翻译处理的语义解析树进行遍历处理，将遍历处理得到的实时雷达飞行指挥信息存储为XML文本；
通过对收集的多个语音语料对应的管制指令文本进行相关处理，通过经过处理的语音语料对应的管制指令文本形成单音素标签，并提取多个语音语料对应的管制语音的声学特征，通过单音素标签和管制语音的声学特征对HMM模型进行训练，构建上下文相关HMM模型以及上下文相关HMM模型对应的决策树；
通过上下文相关HMM模型以及上下文相关HMM模型对应的决策树对实时获取的雷达管制指令语音对应的文本信息进行相关处理，获取雷达管制指令语音对应的文本信息所对应的声学特征轨迹，将声学特征轨迹输入至声码器中生成实时的雷达飞行指挥语音指令。
2.根据权利要求1所述的雷达飞行指挥语音指令生成方法，其特征在于，所述收集雷达飞行指挥过程中的多个语音语料，并对收集的语音语料进行预处理，基于预处理得到的语音信号建立声学模型包括：
收集雷达飞行指挥过程中的多个语音语料，将语音语料转化为音频文件，通过高通滤波器对音频文件中的语音信号进行预加重处理，通过移动窗函数对经过预加重处理的语音信号进行分帧处理，并对经过分帧处理的语音信号进行基于能量的端点检测；
通过梅尔滤波器对经过端点检测的语音信号进行特征提取，获取语音特征矢量序列；
进行语音特征矢量序列到声学模型的映射，采用神经网络对声学模型进行训练，建立声学模型。
3.根据权利要求2所述的雷达飞行指挥语音指令生成方法，其特征在于，所述根据建立的声学模型和语言模型，构建指挥语音解码器包括：
对构建的基于管制关键词的N元统计语言模型进行平滑处理；
根据建立的声学模型，采用Viterbi算法对声学模型进行最优路径搜索，从而获得初步的识别结果，并根据所建立的语言模型，对获得的识别结果进行语义约束，从而获得最优词串生成，完成雷达管制指挥语音解码器的构建。
4.根据权利要求1所述的雷达飞行指挥语音指令生成方法，其特征在于，所述根据雷达飞行指挥指令的句法结构，构建多个词典包括：
根据雷达飞行指挥指令的句法结构，通过雷达飞行指挥训练计划中呼号构建主语词典，并构建用于匹配飞行动作信息的谓语词典、用于提取动作对象和对动作补充说明信息的宾补词典，以及构建用于提取飞行动作执行状态、位置、时间点信息的状语词典。
5.根据权利要求4所述的雷达飞行指挥语音指令生成方法，其特征在于，所述将构建的词典中的词语与分词处理结果进行匹配，根据匹配结果提取信息，并通过提取的信息构建语义解析树包括：
采取字符串模糊匹配方法对主语词典中的词语与分词处理结果进行匹配，在主语词典中存在与分词处理结果中对应的呼号完全匹配的呼号时，对分词处理结果中对应的呼号进行提取；
在主语词典中不存在与分词处理结果中对应的呼号完全匹配的呼号时，采用逆向匹配算法获取找出主语词典中与分词处理结果中对应的呼号最相近的呼号，并对主语词典中与分词处理结果中对应的呼号最相近的呼号进行提取。
6.根据权利要求5所述的雷达飞行指挥语音指令生成方法，其特征在于，所述将构建的词典中的词语与分词处理结果进行匹配，根据匹配结果提取信息，并通过提取的信息构建语义解析树还包括：
采用字符串KMP匹配算法对谓语词典中的词语与经过呼号提取的分词处理结果进行匹配，在谓语词典的词语与经过呼号提取的分词处理结果中的相关谓语匹配时，对经过呼号提取的分词处理结果中的相关谓语进行提取；
对状语词典中的词语与经过谓语提取的分词处理结果进行匹配，在状语词典的词语与经过谓语提取的分词处理结果中的相关状语匹配时，对经过谓语提取的分词处理结果中的相关状语进行提取；
对宾补词典中的词语与经过状语提取的分词处理结果进行匹配，在宾补词典的词语与经过状语提取的分词处理结果中的相关宾语补足语匹配时，对经过状语提取的分词处理结果中的相关宾语补足语进行提取；
将提取的呼号存储在根节点、提取的谓语存储在中子树、提取的状语存储在左子树、提取的宾语补足语存储在右子树，构建语义解析树。
7.根据权利要求1所述的雷达飞行指挥语音指令生成方法，其特征在于，所述通过对收集的多个语音语料对应的管制指令文本进行相关处理，通过经过处理的语音语料对应的管制指令文本形成单音素标签，并提取多个语音语料对应的管制语音的声学特征，通过单音素标签和管制语音的声学特征对HMM模型进行训练，构建上下文相关HMM模型以及上下文相关HMM模型对应的决策树包括：
通过对收集的多个语音语料对应的管制指令文本进行词汇、语法及语义分析，以对多个语音语料对应的管制指令文本进行断句处理、分词处理和雷达管制专业术语处理；
并对经过断句处理、分词处理和雷达管制专业术语处理的管制指令文本中的每个字采用单个音素的组合来标识，形成单音素标签；
提取多个语音语料对应的管制语音的声学特征；
通过单音素标签和管制语音的声学特征对HMM模型进行训练，采用Baum-Welch算法获取HMM参数的最大似然估计，构建上下文相关HMM模型以及上下文相关HMM模型对应的决策树。
8.根据权利要求1所述的雷达飞行指挥语音指令生成方法，其特征在于，所述通过上下文相关HMM模型以及上下文相关HMM模型对应的决策树对实时获取的雷达管制指令语音对应的文本信息进行相关处理，获取雷达管制指令语音对应的文本信息所对应的声学特征轨迹包括：
通过上下文相关HMM模型对实时获取的雷达管制指令语音对应的文本信息进行文本分析处理，获取相应的单音素标识模型序列；
通过上下文相关HMM模型对应的决策树对单音素标识模型序列的声学特征进行提取和组合，形成声学特征轨迹。
9.一种雷达飞行指挥语音指令生成系统，其特征在于，采用如权利要求1-8任意一项所述的雷达飞行指挥语音指令生成方法进行雷达飞行指挥语音指令生成，所述系统包括：
语音识别单元，用于收集雷达飞行指挥过程中的多个语音语料，基于收集的语音语料建立声学模型和语言模型，并根据建立的声学模型和语言模型构建指挥语音解码器，以及通过PTT手柄获取实时雷达管制指令语音，通过指挥语音解码器对实时雷达管制指令语音进行语音解码，输出实时雷达管制指令语音对应的文本信息；
语义解析单元，用于构建多个词典，对实时雷达管制指令语音对应的文本信息进行分词处理，将构建的词典中的词语与分词处理结果进行匹配，根据匹配结果构建的语义解析树，对语义解析树中的节点信息进行相关处理得到实时雷达飞行指挥信息，并将实时雷达飞行指挥信息存储为XML文本；
语音生成单元，用于通过对收集的多个语音语料对应的管制指令文本和管制语音进行相关处理，分别获取单音素标签和声学特征，通过单音素标签和管制语音的声学特征对HMM模型进行训练，构建上下文相关HMM模型以及上下文相关HMM模型对应的决策树，并将实时雷达飞行指挥信息对应的XML文本分析转化为上下文标签，通过上下文相关HMM模型以及上下文相关HMM模型对应的决策树根据上下文标签获取声学特征轨迹，通过将声学特征轨迹输入至声码器中生成实时的雷达飞行指挥语音指令。
10.根据权利要求9所述的雷达飞行指挥语音指令生成系统，其特征在于，所述语音识别单元包括语音语料收集模块、预处理模块、声学模型建立模块、语言模型建立模块、指挥语音解码器构建模块以及PTT手柄，所述语音语料收集模块用于收集雷达飞行指挥过程中的多个语音语料，所述预处理模块用于对收集的语音语料进行预处理，所述声学模型建立模块用于基于预处理得到的语音信号建立声学模型，所述语言模型建立模块用于根据航空管制指令基于收集的语音语料建立基于管制关键词的N元统计语言模型，所述指挥语音解码器构建模块用于根据建立的声学模型和语言模型，构建指挥语音解码器，所述PTT手柄用于获取实时雷达管制指令语音，对实时雷达管制指令语音进行降噪处理，并输入至指挥语音解码器构建模块构建的指挥语音解码器进行语音解码，输出实时雷达管制指令语音对应的文本信息；所述语义解析单元包括词典构建模块、分词处理模块、匹配模块、语义解析树构建模块以及XML文本获取模块，所述词典构建模块用于根据雷达飞行指挥指令的句法结构、构建多个词典，所述分词处理模块用于基于自然语言句法结构对实时雷达管制指令语音对应的文本信息进行分词处理，所述匹配模块用于将构建的词典中的词语与分词处理结果进行匹配，所述语义解析树构建模块用于根据匹配结果提取信息，并通过提取的信息构建语义解析树，所述XML文本获取模块用于采用构建的词典对语义解析树中的节点信息进行翻译处理，对经过翻译处理的语义解析树进行遍历处理，将遍历处理得到的实时雷达飞行指挥信息存储为XML文本；所述语音生成单元包括单音素标签生成模块、声学特征提取模块、HMM模型及决策树构建模块、上下文标签获取模块、声学特征轨迹获取模块、指挥语音指令生成模块，所述单音素标签生成模块用于对收集的多个语音语料对应的管制指令文本进行相关处理，通过经过处理的语音语料对应的管制指令文本形成单音素标签，所述声学特征提取模块用于通过提取多个语音语料对应的管制语音的声学特征，所述HMM模型及决策树构建模块用于通过单音素标签和管制语音的声学特征对HMM模型进行训练，构建上下文相关HMM模型以及上下文相关HMM模型对应的决策树，所述声学特征轨迹获取模块用于将实时雷达飞行指挥信息对应的XML文本分析转化为上下文标签，通过上下文相关HMM模型以及上下文相关HMM模型对应的决策树对实时获取的雷达管制指令语音对应的文本信息进行相关处理，获取雷达管制指令语音对应的文本信息所对应的声学特征轨迹，所述指挥语音指令生成模块用于将声学特征轨迹输入至声码器中生成实时的雷达飞行指挥语音指令。
CN202310651283.5A 2023-06-05 2023-06-05 雷达飞行指挥语音指令生成方法及系统 Active CN116386637B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310651283.5A CN116386637B (zh) 2023-06-05 2023-06-05 雷达飞行指挥语音指令生成方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310651283.5A CN116386637B (zh) 2023-06-05 2023-06-05 雷达飞行指挥语音指令生成方法及系统

Publications (2)

Publication Number Publication Date
CN116386637A CN116386637A (zh) 2023-07-04
CN116386637B true CN116386637B (zh) 2023-08-04

Family

ID=86971581

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310651283.5A Active CN116386637B (zh) 2023-06-05 2023-06-05 雷达飞行指挥语音指令生成方法及系统

Country Status (1)

Country Link
CN (1) CN116386637B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107818148A (zh) * 2017-10-23 2018-03-20 南京南瑞集团公司 基于自然语言处理的自助式查询统计分析方法
CN113012683A (zh) * 2021-02-02 2021-06-22 虫洞创新平台(深圳)有限公司 语音识别方法及装置、设备、计算机可读存储介质
CN114722809A (zh) * 2022-03-14 2022-07-08 国电南瑞科技股份有限公司 一种基于智能语音交互技术的电网设备运行状态查询方法、装置及存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2478314B (en) * 2010-03-02 2012-09-12 Toshiba Res Europ Ltd A speech processor, a speech processing method and a method of training a speech processor
RU2584457C1 (ru) * 2015-02-03 2016-05-20 Общество с ограниченной ответственностью "Аби ИнфоПоиск" Система и способ создания и использования пользовательских семантических словарей для обработки пользовательского текста на естественном языке

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107818148A (zh) * 2017-10-23 2018-03-20 南京南瑞集团公司 基于自然语言处理的自助式查询统计分析方法
CN113012683A (zh) * 2021-02-02 2021-06-22 虫洞创新平台(深圳)有限公司 语音识别方法及装置、设备、计算机可读存储介质
CN114722809A (zh) * 2022-03-14 2022-07-08 国电南瑞科技股份有限公司 一种基于智能语音交互技术的电网设备运行状态查询方法、装置及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陆空通话标准用语(英语)的语音指令识别技术研究;刘万凤;胡军;袁伟伟;;计算机科学(第07期);全文 *

Also Published As

Publication number Publication date
CN116386637A (zh) 2023-07-04

Similar Documents

Publication Publication Date Title
CN108492820B (zh) 基于循环神经网络语言模型和深度神经网络声学模型的中文语音识别方法
CN110364171B (zh) 一种语音识别方法、语音识别系统及存储介质
CN110717018A (zh) 一种基于知识图谱的工业设备故障维修问答系统
CN111339750B (zh) 去除停用语并预测句子边界的口语文本处理方法
CN1187693C (zh) 以自底向上方式将声调集成到汉语连续语音识别系统中的方法和系统
CN112037773B (zh) 一种n最优口语语义识别方法、装置及电子设备
Kadyan et al. Refinement of HMM model parameters for Punjabi automatic speech recognition (PASR) system
CN112466279B (zh) 一种英语口语发音自动纠正方法和装置
CN112397054A (zh) 一种电力调度语音识别方法
Gallwitz et al. Integrated recognition of words and prosodic phrase boundaries
KR101424193B1 (ko) 타 언어권 화자음성에 대한 음성인식 시스템의 성능 향상을위한 비직접적 데이터 기반 발음변이 모델링 시스템 및방법
Ananthakrishnan et al. Improved speech recognition using acoustic and lexical correlates of pitch accent in a n-best rescoring framework
Ali Multi-dialect Arabic speech recognition
CN114944150A (zh) 一种基于双任务的Conformer陆空通话声学模型构建方法
Ashihara et al. SpeechGLUE: How well can self-supervised speech models capture linguistic knowledge?
Iosifov et al. Natural Language Technology to Ensure the Safety of Speech Information
Tanaka et al. Neural speech-to-text language models for rescoring hypotheses of dnn-hmm hybrid automatic speech recognition systems
Zhao et al. Tibetan Multi-Dialect Speech and Dialect Identity Recognition.
CN110188342B (zh) 一种基于知识图谱与语义图技术的口语理解方法
CN115376547B (zh) 发音评测方法、装置、计算机设备和存储介质
CN116386637B (zh) 雷达飞行指挥语音指令生成方法及系统
Besacier et al. ASR and translation for under-resourced languages
Lu et al. Implementation of embedded unspecific continuous English speech recognition based on HMM
Fetter Detection and transcription of OOV words
CN111063335B (zh) 一种基于神经网络的端到端声调识别方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant