近年来语音识别和关键词检索技术发展愈来愈迅速,逐步走向实用化。关键词检索技术比连续语音识别具有更好的灵活性,因而具有更广泛的应用领域。本文研究的电视体育比赛音频的关键词检索就是这方面的一个具体应用。由于体育比赛音频的构成比较复杂,要想提高关键词检索系统的性能,系统的前端处理模块——音频分段分类显得至关重要。本文主要研究了以下几个方面：体育比赛的音频分段分类算法：电视体育比赛音频构成非常复杂,包括解说员语音、音乐、欢呼声、进球声和口哨身等。针对体育比赛音频自身的特点,本文尝试了三种音频分段分类算法。分别是：基于音素解码的方法；基于BIC距离测算和GMM模型相结合的方法；基于BIC距离测算和音素解码相结合的方法。并基于这三种方法分别对足球比赛、网球比赛和篮球比赛做分段分类试验,从实验结果上来看,无论从精度还是从召回率上,基于BIC距离测算和GMM模型选择相结合的方法在提取解说员语音的效果上要好一些。因此建议选择这种方法对体育比赛音频进行音频分段分类。关键词检索系统改进：在实验室关键词检索基线检索系统的基础上做了一些改进工作。由于此基线系统是用于广播新闻语音的,显然不太适用于体育比赛音频的关键词检索。基于此,本文对关键词检索基线系统的声学模型和语言模型做了自适应。针对不同的体育比赛类别,本文主要做了四个实验：一是基线声学模型保持不变,做语言模型自适应；二是基线语言模型不变,基于MAP做声学模型自适应；三是用各自的自适应数据对相应类型的比赛音频做声学模型和语言模型自适应；四是用混合后的自适应数据对比赛音频做声学模型和语言模型自适应。从试验结果来看,第三种方法能够较好的改善关键词检索基线系统的性能。