甚高频（Very High Frequency,VHF）无线电通信系统是海事水上移动无线电通信中的一个重要系统。VHF通信也是内河航道船舶导航、海事执法、海事救助、交通控制以及安全信息发布的重要手段。尽管长江干线上游控制河段已基本实现通行指挥的自动化,但是通行指挥过程中的一些信息仍是通过VHF电台进行人工交互完成的,如何基于语音识别等技术实现通行指挥中的VHF语音通话的自动识别和应答,将有助于实现控制河段通行信号台的无人值守目标。随着深度学习技术的快速发展,语音识别技术也取得了巨大的进步,同时移动设备的普及以及APP的发展,也使得可供语音训练的数据集的规模也大幅度提高。因此将语音识别技术应用于船舶与系统或者信号员之间的VHF应答中,实现一个自动VHF语音对话系统,将有助于进一步提高控制河段通行指挥的智能化和自动化水平。论文围绕自动VHF语音对话系统中的最基础的工作,即语音识别技术展开研究,通过构建语料库与声学模型,实现常用对话的自动识别。论文的主要内容如下:1)针对VHF语音通话是以四川方言为主,缺乏开源的语料库的问题,设计构建川江方言语料库,语料的来源为船舶通行指挥现场的VHF通话录音。对语料库进行收集整理、标注、核对后,形成面向川江航道船舶通行指挥的语料库,并将语料库分为训练集和测试集。2)以基于深度学习的语音识别为切入点,对门控卷积神经网络（Gated Convolution Network,GCN）声学模型和门控循环单元（Gate Recurrent Unit,GRU）声学模型进行比较分析,通过实验比较各自在VHF语音对话识别中的优缺点。在GCN和GRU的基础上,提出了GCN-Bi GRU混合声学模型,并利用链接时序分类（Connectionist Temporal Classification,CTC）进行解码。通过与GCN-CTC、GRU-CTC对比实验分析,结果表明本文提出的模型相对于其他模型有较好的识别效果,检验了模型的优越性。3)对控制河段通行指挥中VHF语音通话交互进行了需求分析,对控制河段船舶通行指挥中的VHF人机对话系统进行总体方案设计,通过开发一个语音对话测试系统,验证GCN-Bi GRU混合声学模型的有效性和实现VHF语音对话系统的可信性。