基于盲源分离和神经网络的舱音记录器非话语信号分离与识别基础研究

现代商用航空器安装的驾驶舱话音记录器（Cockpit Voice Recorder，CVR）是必不可少的机载设备，分析CVR上记录的非话语声音信号是事故调查的重要手段。CVR记录的非话语成分声音信号受多种因素影响而难以准确识别。目前国外对CVR非话语信号的应用处于起步阶段，只是通过某一航空器空难案例进行分析，没有形成一套完整、系统的方法和技术。国内利用小波技术仅分析了部分开关声的声学特征，这影响着航空器事故原因的深入调查。本研究旨在利用自适应噪声抵消（ANC）、盲源分离（BSS）和人工神经网络技术，将CVR记录的非话语声音信号经信号噪声抵消处理后，进行声源分离和声源识别，开展CVR记录的不同声源混和声音分离和识别方法的基础研究，提出多种不同类型信号的盲源分离方法和应用具有高斯核函数的支持向量机、自组织网络等模式识别方法，从而更加有效、准确确定典型航空器事故发生的原因。