Bài viết đề xuất ứng dụng kỹ thuật nhận dạng tiếng nói tự động vào việc phát hiện lỗi do thông tin sai lệch giữa kiểm soát viên và phi công. Trong giai đoạn nghiên cứu ban đầu, hệ thống hỗ trợ tập trung vào khai thác dịch vụ điện toán đám mây Azure thuộc tập đoàn Microsoft.
g nhiều 648 ỨNG DỤNG KỸ THUẬT NHẬN DẠNG TIẾNG NÓI TỰ ĐỘNG VÀO HỖ TRỢ HOẠT ĐỘNG KIỂM SỐT KHƠNG LƯU mơ hình ngơn ngữ Vì ngồi biện pháp nêu cải thiện liệu, khử nhiễu, ta cần xây dựng lại mơ hình ngơn ngữ với từ điển giới hạn nhóm từ vựng chuyên ngành điều hành bay IV KẾT LUẬN Tóm lại, báo thực nhận dạng tiếng nói giá trị mực bay mơ hình có sẵn Microsoft mơ hình huấn luyện liệu thu thập Đài điều hành bay thuộc Công ty Quản lý bay miền Trung, từ phát lỗi giao tiếp phi cơng KSVKL Từ thí nghiệm, báo rút số đề xuất để ứng dụng nhận dạng tiếng nói tự động vào điều khiển khơng lưu sau: (1) chuẩn hóa phát âm hoạt động điều hành bay, (2) nâng cao chất lượng thiết bị thu phát âm tần, chuyển mạch thoại, thu phát tín hiệu cao tần, giảm tiếng ồn nơi làm việc KSVKL, (3) huấn luyện lại mơ hình nhận dạng tiếng nói với liệu đảm bảo số lượng chất lượng dùng thuật toán học sâu phù hợp Hệ thống nghiên cứu ban đầu đảm bảo khả phát lỗi lặp lại tốt, thể qua tỷ số precision chấp nhận tỷ số recall cao tuyệt đối Đây sở để tiếp tục phát triển nghiên cứu tương lai quy mô rộng rãi để xây dựng hệ thống hỗ trợ điều hành bay ứng dụng cho ngành hàng không Việt Nam V TÀI LIỆU THAM KHẢO [1] E Mazareanu, “Global air traffic - annual growth of passenger demand”, Statista, 2020 [2] Federal Aviation Administration, “Air traffic control: chapter 2, session http://www.faa.gov/air_traffic/publications/atpubs/ATC/atc0201.html, truy cập 01/08/2010 1”, 2010, URL: [3] Hunter D Kopald, Ari Chanen, Shuo Chen, Elida C Smith, and Robert M Tarakan, "Applying automatic speech recognition technology to Air Traffic Management", 2013 IEEE/AIAA 32nd Digital Avionics Systems Conference (DASC), East Syracuse, 2013 [4] Shuo Chen, Hunter Kopald, Dr Ronald S Chong, Dr Yuan-Jun Wei, and Zachary Levonian, “Read back error detection using automatic speech recognition”, 12th USA/Europe Air Traffic Management Research and Development Seminar, 2017 [5] ICAO, “Aeronautical telecommunication”, Anex 10, Volume II, Sixth Edition, 2001 [6] O Prinzo, A M Hendrix, and R Hendrix, “The outcome of ATC message length and complexity on en route pilot readback performance”, Federal Aviation Administration- Department of Transportation, 2009 [7] Thomas Pellegrini, Jerome Farinas, Estelle Delpech, and Francois Lancelot, “The Airbus Air Traffic Control speech recognition 2018 challenge: towards ATC automatic transcription and call sign detection”, Airbus, 2018 [8] Công ty Quản lý bay miền Trung, “Quy định hiệp đồng điều hành bay vị trí kiểm sốt tiếp cận tầng cao Đà Nẵng vị trí kiểm sốt tiếp cận Đà Nẵng”, quy định 2/2018 [9] Xuedong Huang, Alex Acero, Hsiao-Wuen Hon, and Raj Foreword By-Reddy Spoken language processing: A guide to theory, algorithm, and system development Prentice Hall PTR, 2001 [10] Van Nhan Nguyen and Harald Holone, “Possibilities, challenges and the state of the art of automatic speech recognition in air traffic control”, International Journal of Soft Computing and Engineering, 2015 [11] Samudravijaya K, “Automatic speech recognition”, Tata Institute of Fundamental Research [chưa xuất bản] [12] Microsoft Corporation, “Azure data architecture guide”, documentation, 2018 [13] Microsoft Corporation, “Speech service documentation”, documentation, 2019 [14] W Xiong, L Wu, F Alleva, J Droppo, X Huang, and A Stolcke, “The Microsoft 2017 conversational speech recognition system”, IEEE International Conference on Acoustics, Speech and Signal Processing, 2018 APPLICATION OF AUTOMATIC SPEECH RECOGNITION TO SUPPORT AIR TRAFFIC CONTROL Le Van Vu, Hoang Le Uyen Thuc ABSTRACT: Air traffic control activity plays a critical role in accomplishing the safety and maintaining the orderly flow of air flights One responsibility of the controller is to instruct the pilot to follow the planned flight route and to resolve aircraft conflicts In order to decrease the workload of air traffic controllers we propose the application of the automatic speech recognition to detect controller-pilot voice miscommunication errors In the very beginning stage, the support system focuses on using Azure, a cloud computing service created by Microsoft group The system consists of two phases: firstly, pieces of speech of the pilot and the controller are converted into texts based on long short term memory (LSTM) network; secondly, these speech pieces are compared to each other based on comparing the two corresponding texts; then read back and hear back errors are detected The conducted experiments are implemented on 10 flight levels in the airspace between 15,000 feet and 25,000 feet, via simulated and realistic air environments Initially experimental results give acceptable recognition rate and promissing error detection rate ...648 ỨNG DỤNG KỸ THUẬT NHẬN DẠNG TIẾNG NÓI TỰ ĐỘNG VÀO HỖ TRỢ HOẠT ĐỘNG KIỂM SỐT KHƠNG LƯU mơ hình ngơn ngữ Vì ngồi biện pháp nêu cải thiện liệu,... cơng KSVKL Từ thí nghiệm, báo rút số đề xuất để ứng dụng nhận dạng tiếng nói tự động vào điều khiển khơng lưu sau: (1) chuẩn hóa phát âm hoạt động điều hành bay, (2) nâng cao chất lượng thiết... thoại, thu phát tín hiệu cao tần, giảm tiếng ồn nơi làm việc KSVKL, (3) huấn luyện lại mơ hình nhận dạng tiếng nói với liệu đảm bảo số lượng chất lượng dùng thuật toán học sâu phù hợp Hệ thống nghiên