全世界每年都要发生一些空难事故,空难事故调查时必须要寻找的证据载体就是黑匣子,一般包括飞行参数记录器(Flight Data Recorder, FDR)和舱音记录器(Cockpit Voice Recorder, CVR)。舱音记录器记录了反映飞机和设备状态的客观声音以及反映飞行员感知描述和情感特征的主观信息,具体包括话语声、航空噪声以及各种背景声等,是飞行事故调查时的重要依据,为重构飞行事故过程、调查飞行事故原因提供了重要证据。针对CVR中记录的舱音信息多而复杂、频率范围宽、非平稳等特点,本文结合傅里叶变换和小波包变换及模糊支持向量机等方法对舱音信息进行了分类识别。本文的主要工作如下:首先,对中国民用航空总局航空安全技术中心建立的“飞机舱音信息样本库”进行整理和分类,利用Adobe Audition软件对舱音信息进行降噪和截取,就得到了单个独立的警报、开关、旋钮等舱音信息。其次,对单个独立的舱音信息分别进行傅里叶变换和小波包变换,并依次提取其梅尔倒谱系数(Mel Frequency Cepstrum Coefficient, MFCC)和小波包分解系数(Wavelet Packet Coefficient, WPC),利用距离可分性判据对MFCC和WPC进行压缩融合,将得到的一组向量作为最终的舱音信息特征向量。然后,针对支持向量机在处理含噪奇异样本和数目不均衡样本时性能较差的缺点,本文设计了面向不均衡样本的模糊支持向量机,分别计算每类样本和每类样本内每个舱音信息两个隶属度,然后利用模糊支持向量机对舱音信号进行分类识别,实验表明该方法明显优于常规支持向量机和模糊支持向量机。最后,利用MATLAB与VC++混合编程开发了舱音识别软件,该软件充分利用了VC++方便强大的应用程序界面开发功能和MATLAB强大的信号处理、图形显示功能,可以直观、快速、准确的完成飞机舱音信息的分类识别。本文的研究对于有效识别CVR非话语背景声,确定飞机事故原因具有重要意义。