现实生活中存在大量的广播新闻类音频，而手工分析整理这些广播新闻则面临着成本高、劳动强度大、标准难以统一、可信度受到局限等缺陷。广播新闻的研究近年来已成为音频处理、音频信息检索以及音频内容研究领域的重要课题之一。　　 音频流是一种线性平面的流式结构，它缺乏明确的结构信息和按语义表示的组织和索引，这使得音频的检索和浏览都非常困难。本文结合广播新闻的特点，构建了一个广播新闻音频结构化分析系统，主要从三个方面对广播新闻进行研究讨论：音频信息、说话人信息以及新闻主题信息。在音频信息分析中，系统通过音频匹配搜索确定广播新闻中的节目信息结构，通过音频分割、聚类和分类技术分析音频类别信息。在说话人信息分析中，系统通过说话人分割、说话人聚类和说话人身份判别来完成说话人日志的任务。在新闻主题分析中，系统通过新闻主题分类和新闻主题词提取对新闻内容进行分析。除了上述三方面的研究外，本文还对特征参数提取、距离测度度量、分割聚类方法的选择上进行了讨论，结合实验结果进行了分析讨论。　　 本文研究工作的主要创新点有：　　 1、针对广播新闻环境中音频信号较复杂的特点，提出一种变长音频匹配算法。相比传统的固定长音频匹配算法，该算法能够更好的检测出广播节目的提示音频。通过对CCTV1频道的700段节目提示音频的匹配实验，该算法与传统音频匹配算法相比，等错率相对下降了8％。　　 2、在说话人聚类研究中，对传统层次聚类中的误差平方和准则进行了改进。在分析和讨论离线层次聚类法和在线聚类方法的缺陷后，提出了一种基于决策树的在线说话人聚类算法。在线聚类过程中，通过决策树来保留可能聚类的结果，从而达到一个软判决的效果。实验结果表明，该算法相比层次聚类法速度提高了44％，同时错误率相对降低了4.5％；相比在线聚类法，该算法的错误率相对降低了57％。　　 3、传统的新闻信息分析方法，需要事先建立一个大规模的平衡语料库。本论文提出了一种基于搜索引擎结果的快速类别训练方法。该方法利用新闻搜索引擎返回的检索结果，训练各个新闻类别的权重，简便高效的实现了新闻分类任务。