语声分割机制在很多应用方面均占有重要的地位,比如多媒体音频检索、说话人聚类、说话人跟踪等。例如,当语声分割机制与说话人聚类结合,可形成完整的说话人检测与跟踪系统,有效提取语音文件的“富信息”。语声分割机制作为说话人检测与跟踪系统的一部分,可同时解决语音端点检测和说话人切换点检测两个问题。由于数据类型多样性、建模数据量少、缺少说话人特性和数目等先验知识,语声分割机制算法实施存在一定难度。在本文中,语音端点检测过程采用支撑向量机分离语音与非语音,并利用时频特征实现非语音分类,说话人切换点检测过程结合韵律特征和贝叶斯信息准则确认切换点,提高实验结果准确率。本文针对语声分割机制主要从以下几个方面进行了研究:特征提取、语音端点检测、说话人切换点检测。具体如下:1)实现并分析语声分割系统,研究每个实验参数的配置,发现系统中存在的问题,并提出解决方案。2)对比分析语音端点检测的语音与非语音分类中不同分类算法性能,选择分类准确率较高的分类算法;研究非语音分类中不同特征表示及分类算法,实现扩展性非语音分类。3)分析说话人切换点检测的两个基准系统,设计基于韵律特征的改进系统,提出降低虚假切换点的补偿算法,提高和改善系统的准确率和稳定性。