随着社会进步和民航业的迅猛发展,政府、航空公司和公众对航空安全的要求越来越高。飞机上用来记录各类声音数据的设备--驾驶舱话音记录器(CockpitVoiceRecorder,CVR),简称舱音记录器,是飞机黑匣子中重要组件之一。CVR记录的背景声音在飞机飞行安全、飞行事故调查中起着不可替代的作用,但由于空中气流引起机身颤抖等诸多因素使得CVR记录的背景声音十分复杂.　　 针对CVR中记录的声信息多而复杂、频率范围宽、信号非平稳等特点,本文结合小波包变换及支持向量机的方法,从CVR的背景声中分离出有用的信号,并对分离后的信号进行分类,有效地实现了CVR背景声的识别,对确定航空事故原因及保障未来飞行安全,都具有重要的实用价值。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”中的混合舱音信号分离的结果,应用小波包子带能量方差算法进行端点检测,得到单个独立的开关、旋钮、警报等声音样本。　　 其次,对通过端点检测的单个开关声等声音样本进行小波包分解,以分解得到的子带能量作为信号的初始特征,再根据最大距离准则选取最优小波包基,从而确定最终的特征向量用于分类识别。　　 随后本文通过支持向量机引入核函数,并深入研究了不同核函数的性质。通过将核函数分为局部性核函数和全局性核函数,在保持原有核函数基本特性的基础上,对其进行了组合,引入了混合核函数的支持向量机。最后本文进一步分析了基于混合核函数的支持向量机多类分类算法,结合构建最优二叉树的方法来对CVR非话语背景声信号进行分类识别,取得了较理想的分类准确性和实时性.　　 本文的研究对于有效判断CVR背景声中所蕴含的内容,确定飞机事故原因都将具有重要的意义。