从单个自然事件到整体声场,声音包含各种有助于人类理解周围环境的信息。近年来,已经提出了几种自动分析这些信息的新颖方法,并且出现了一些新的应用。音频场景识别通过分析音频来提取其所处的环境信息,认识音频内容的本质,能够改善人类的生活,更好地为人类社会提供服务。除此音频场景识别涉及的一些关键技术如信号处理、数据挖掘及决策对于分析非线性非平稳信号、智能多媒体信息处理与检索、促进信息科学与数学学科之间的交叉融合、推动人工智能为代表的新技术的发展具有重要意义。音频场景识别在音视频描述与检索、机器导航、语音降噪、场景建模、军事刑侦情报获取和监控等领域存在着较广泛的应用。本文以音频场景识别的高性能为目标,主要完成了如下工作:(1)分析音频场景识别的原理。从模式识别的基本理论出发,对音频场景识别进行了详细地分析,为音频场景识别提供了理论依据。基于音频场景识别的通用模型,提出将加入特征选择算法的音频场景识别改进模型,以更高效地对音频场景建模。(2)研究音频场景特征获取方法。提取一系列的音频场景信号特征,并针对现有特征选择算法存在的计算复杂度高和性能低问题,提出了改进的特征选择的优化框架,基于该框架提出基于改进特征评价标准和混洗蛙跳算法的特征选择算法,用于获取音频信号特征的最优的特征子集,提高音频场景特征的有效性。(3)研究精确分类器评价准则。针对多分类问题,提出基于混淆矩阵的分类器的综合评价准则,并将其用于评估复杂的音频场景识别系统性能,以验证论文提出方法的有效性和优势性。(4)提出将GMM与CNN进行模型融合的分类方法,用于提高系统的分类性能。(5)系统设计及实现。基于GMM和CNN搭建音频识别系统,实验结果表明,本论文实现的音频场景识别系统可以快速准确地对音频场景进行分类,具有准确率高、成本低、操作简单等优点,具有研究参考价值。