随着我国飞行小时和航班架次的不断增加,无线电陆空通话以及数据通信联络越来越繁忙,管制员的工作负荷急剧增加。近年来,因管制员疲劳而引发的民航不安全事件频繁出现,如何快速、准确地检测管制员的疲劳状态并实施有效管理成为一项重大课题。而语音非线性分析技术的出现,为解决这一问题提供了理论方法和技术支持。本文以管制员的语音数据为研究对象,使用非线性分析方法对管制员的陆空通话语音进行了研究,构建了管制员疲劳语音数据库,提出了一种新的可以表征管制员疲劳状态的语音特征向量。进一步的,应用压缩感知技术对管制员疲劳语音特征向量进行压缩采样,提出了改进的管制员疲劳语音特征及对应的疲劳状态检测方法。本文可分为如下五个章节。本文首先对空中交通管制陆空通话语音展开了研究,分析了陆空通话中字词的发音特点及语音结构特点,据此提出了从陆空通话语音中截取出管制员语音的方法。随后,分析了管制员疲劳状况相关的影响因素,并阐明了疲劳在管制员语音上的作用表现及语音信号对应的管制员状态的标记原则。提出了一种基于民航无线电陆空通话为基础的空中交通管制员语音数据库的构建方法。在数据库构建的过程,对语音信号进行预处理,以减小信号中噪声的影响。文中建立的管制员语音数据库包括不同管制员在不同时间段的陆空通话数据,共计有语音数据696条。其次,针对现有疲劳检测方法存在的缺陷,研究了疲劳和正常状态下管制员语音的非线性特征。以管制员语音数据库为研究基础,利用相空间重构方法,分析了管制员在正常状态和疲劳状态下语音混沌性的变化。随后,提出了一种基于分形维数的管制员疲劳语音小波分形特征,该特征弥补了p H音源特征应用于管制员疲劳状态分析的不足。最后,通过仿真分析证明了该特征可以定量描述管制员在正常状态下和疲劳状态下语音信号混沌性的变化情况。再次,提出了基于压缩感知的管制员疲劳状态检测方法。首先,从压缩感知模型分析了将压缩感知应用于特征选择的原理;随后,提出了一种测量矩阵与感知字典的协同构造算法,仿真模拟验证了该算法可以更好的保障测量矩阵内部原子的低相关性,并保证了矩阵在语音小波分形特征重构中的优越性;进而,将协同构造算法应用于基于压缩采样的管制员疲劳语音小波分形特征的特征选择中,去除了原特征向量中的冗余信息;最后,提出了一种基于实时陆空通话情感识别的管制员疲劳状态快速检测方法,并通过仿真分析证明了该种方法的优越性。本文的研究成果可为我国空中交通管制员的疲劳状态检测提供技术支持,为未来在民航领域开展疲劳状态管理工作提供理论依据。