新形势下航空业飞速发展,对飞行员的需求不断扩大。为了适应需求,各大航空公司与院校纷纷出现了对飞行员培养的计划课程。随着飞机数量和航线激增,飞行安全显得尤为重要,尤其是飞行中飞行员与管制之间的交流是否准确成了最值得重视的问题。近几年语音识别领域的研究热情一度高涨,语音识别技术的应用为飞行员语音讲评系统的实现提供了可能。本文对语音识别技术进行了详细的分析,从人体发声机制出发,分析了语音信号的预处理过程,对三种不同端点检测效果进行详细对比,同时还重点研究了线性预测倒谱系数(LPCC)、共振峰包络参数和梅尔频率倒谱系数(MFCC)的提取方法,并对MFCC做了差分的改进,提出了一阶差分MFCC参数提取法。同时归纳了BP神经网络的结构及算法推导,分析了网络训练过程中存在的缺陷。提出了改进不足的阻尼最小二乘算法(LM)与粒子群优化算法(PSO),最大限度解决了梯度下降训练算法中易陷入局部极小值点而导致网络训练失败的缺点,使网络的稳定性与系统的识别率显著提高。通过对民航局制定的《空中交通无线电通话用语标准》中主要术语进行了分析,归纳了语法结构特点与特殊发音,并与专业飞行员进行了讨论,选出八句代表性指令列为讲评大纲。利用MATLAB的GUI技术建立了飞行员语音讲评系统。针对充当三位模拟飞行员输入的语音数据进行识别输出,并与讲评大纲进行对比并查听发音,判断三位模拟飞行员对讲评大纲内容是否掌握。