管道运输凭借其高安全性、低油气损耗、连续平稳、占地面积小、大运输量以及低成本等优点，已经成为了当今油气运输的主要方式。然而，管道一旦发生泄漏事故，极容易造成巨大的经济损失和人员伤亡。因此，开发可靠的管道泄漏检测技术显的尤为重要。目前，管道运输泄漏检测常用的方法有人工巡视和基于计算机技术的检测方法。　　在参考了大量相关文献后，本文提出了一种新的管道泄漏检测技术——通过采集管道周围声音来识别管道所处的状态。与以往以泄漏后产生的变化进行检测不同，本文研究的对象是管道周围声音的变化情况。在检测泄漏的同时，该方法还能起到预防泄漏的作用。相比目前常用的泄漏检测方法，本文提出的技术具有移植性强、经济、敏感度好等特点。　　本文参考了说话人识别的相关理论，提出了基于GMM-SVM的管道泄漏检测技术，这种混合模型不但具有很强的逼近能力，而且又能克服由训练样本不足导致错误分类的情况，具有很强的识别能力。此外，本文对常用的声学特征(LPC、LPCC、MFCC、PLP)进行了分析比较后提出了一种表征能力更好的基于静态MFCC参数和一阶PIP差分和二阶PLP差分的组合特征。本文没有直接用特征样本进行SVM分类，而是先对特征样本进行GMM聚类，然后用聚类后的参数进行SVM分类，从而大大降低了噪声的干扰。实验结果表明，本文提出的技术达到了工程化的要求。