音频场景检测机制的主要任务是对一个含有多种音频场景的音频流进行自动标注,它综合了信号处理和模式识别等多项技术,在很多应用方面均占有重要地位,比如音视频的检索,也可作为语音识别,声纹识别等应用的前端。本文的主要工作如下:(1)实现并优化两个音频场景检测的基础系统,完成了基础系统的性能测试;(2)进一步对系统进行改进,实施了参数自适应算法,通过使用测试数据对系统的模型和阈值更新,使得系统参数与当前测试数据相匹配,系统性能得到了提升;通过使用新的谱特征与现有系统融合,提高了系统的抗噪性;对检测到的音乐信号按音乐调性进行细分类;最后尝试了使用基于NMF特征做语音非语音分类,并与现有基础系统进行比较;(3)实现了基于非负矩阵分解(Non-negative Matrix Factorization,NMF)算法的降噪技术,通过对比基于NMF和基于谱减法的降噪技术,根据不同的噪声类型将这两种技术融入现有的场景检测机制中,提高了系统的性能;(4)完成了将原基础系统移植为在线音频场景检测系统的方案设计与实施,并结合在线系统的特点,实现了在线话音检测。通过对在线系统阈值和模型的实时更新,提高了系统的性能;