会议音频中的声学事件检测及说话人分析方法研究

针对目前会议音频内容分析策略所存在的声学事件检测缺乏普适性、重叠语音段及短语音段没被有效处理、重要语义信息丢失等问题，本项目主要探索会议音频内容分析与理解的新方法，重点研究以下四个方面的问题：1）普适的声学事件检测；2）重叠语音段检测及其主说话人提取；3）短语音段的说话人归类处理；4）重要人物分析。旨在通过上述四个问题的研究，进一步提高说话人分割聚类、语义分析系统的性能，弥补当前会议音频处理策略所存在的缺陷。. 本项目的研究内容是语音及音频信号处理、模式识别与理解等领域的研究热点，理论上具有一定的挑战性，在应用上是研发音频内容分析及检索系统的重要基础。同时，对提高音频处理系统的实用性，加快我国信息产业的发展具有重要作用。预期发表三大索引收录论文3~5篇，申报专利1项。

本项目主要探索了会议音频内容分析与理解的新方法，在音频事件检测、重叠语音检测、说话人聚类、多通道语音说话人日志、说话人角色聚类、关键说话人估计等方面做了较为深入的研究，并提出了一些具有借鉴意义的方法，有效解决了目前会议音频内容分析策略所存在的问题。本项目的研究成果能直接应用于音频内容检索系统、说话人检索系统及多说话人语音识别系统中，具有广泛的应用前景。. 本项目资助完成2篇SCI论文、21篇EI论文和6项国家发明专利，部分资助培养3名博士研究生和2名硕士研究生。通过开展本项目的研究工作，课题组成员特别是项目负责人积累了一定的项目研究经验，为日后开展科研工作奠定了坚实的基础。