Robust Real-Time Arabic Speech Recognition for AAVs in Adverse Acoustic Conditions Using Lightweight CNNs
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This work introduces an efficient and noise-robust automatic speech recognition (ASR) framework for real-time unmanned aerial vehicle (UAV) control using Modern Standard Arabic (MSA). The proposed approach tackles two major obstacles: the limited availability of Arabic speech resources and the harsh acoustic conditions caused by UAV operation, where propeller, wind, and surrounding noises often impair recognition accuracy. To address these challenges, we enhance a convolutional neural network (CNN) with Squeeze-and-Excitation (SE) attention modules, allowing the model to highlight task-relevant speech cues while attenuating noise-related artifacts. Training was carried out on a purpose-built dataset of 8,800 MSA drone command utterances, with experiments conducted under both clean and noise-augmented conditions. Noise augmentation included three representative disturbances (propeller, wind, and wave) at signal-to-noise ratios (SNRs) of 0, 10, and 20 dB. The system was further validated across seven SNR levels ranging from –5 dB to 30 dB and tested with an unseen noise source originating from a Caterpillar C18 generator. Results show that the clean-trained baseline achieved 98.64% accuracy on the clean test set, while noise-augmented training slightly boosted accuracy to 98.78% and markedly improved robustness. Under 0 dB SNR with the unseen generator noise, the proposed method delivered a 50.55% absolute accuracy improvement over the baseline. With an inference latency of only 0.0256 seconds, the system ensures real-time responsiveness, achieving an effective compromise between recognition performance, computational cost, and resilience to noise, thereby demonstrating its potential for reliable UAV command and control in adverse acoustic conditions.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle