随着航空飞行器技术的不断进步,因飞机自身设备故障或控制系统故障问题导致飞行事故的比率不断下降,而人为因素导致的飞行事故已占到总事故的80%,航空人为因素已经成为导致飞行事故主要因素之一。确定飞行员的工作量,进而分析飞行员工作负荷,是分析人为因素的重要手段。为了衡量飞行员的工作负荷水平,本文从语音关键词识别角度为飞行员的工作负荷水平评估提供音频信息,对飞行员语音内容中与检查单上动作相关的关键词进行识别与分析。虽然国内外对于关键词的识别工具比较成熟,但是由于缺乏相关专业术语的训练模板,会面临许多专业术语无法识别的问题,最终导致耗时严重而识别效果差的结果。因此,对飞机驾驶舱内的关键词识别技术进行研究有着重要的意义。本文的研究工作主要体现在以下几点:(1)飞机舱内语音信号分析与去噪:根据飞机舱内噪声信号与语音信号的分布与特点,对飞机舱内如何去噪进行了研究。本文分别采用多窗谱估计谱减法以及改进的NMF算法对驾驶舱内的语音信号进行了降噪,并通过实验对比分析,选取适合飞机舱内的语音去噪。(2)舱内语音信号的端点检测与特征提取:对于去噪后的输入语音,采用双门限检测算法进行语音段判决,若判断为语音段,标记语音的起始点与终点。端点检测结束后,对关键词与输入语句作MFCC特征提取,获得其对应的MFCC特征向量。准确得到MFCC向量为关键词识别提供基础。(3)飞机驾驶舱内关键词识别技术:针对无大量训练样本的条件下,本文采用改进的模板匹配对飞机舱内的语音关键词进行识别。主要从窗移匹配、阈值加权估计以及自适应模板匹配三个方面对传统DTW算法进行改进。实验表明:该算法可以有效地识别出飞行员飞行过程中的关键词。(4)飞机驾驶舱的语音关键词识别系统:在以上工作的基础上,本文构建了用于飞机驾驶舱的语音关键词识别系统软件,系统实现了对语音信号采集,增强,端点检测,特征提取以及关键词识别的一系列功能,为人为因素研究提供音频分析结果。实验证明,本文的方法可以有效对飞机驾驶舱内的语音进行识别,获取飞行过程中的语音信息。该研究的结论及采用的方法对计算飞行员工作量提供了音频识别方面的支持,为飞行员的工作负荷评价提供音频信息资料。