语言能力作为人的一种高级认知功能,是一种复杂的过程,涉及广泛的认知能力。语音的发声过程是一个将大脑中的想法通过发声器官转化为对应的语音的过程,在这个转化过程中,大脑必须有效的管理和组织记忆,知识,语言和语义信息。因此,对患有轻度认知障碍的人来说,其认知能力的下降,对这一复杂的转化过程有显著的影响,进而导致产出的语音出现了声学方面的变化。而这些语音上的病理性变化使得我们可以通过语音技术来实现对轻度认知障碍的检测。目前大部分基于言语分析的轻度认知障碍诊断系统,采用的数据集合规模较小,言语范式设计简单、以西方语言为主。此外,大部分诊断系统使用人工定义特征,分类模型过于简单,性能难以达到实际应用的精度。因此,针对中文设计言语认知障碍语音实验,采集含有正常人和患者的语音大数据,并在此基础上展开基于言语分析的轻度认知障碍自动诊断方法研究,是一个亟待开展的课题。为此,本文基于语音识别技术对轻度认知障碍的自动检测算法进行研究,旨在实现一种低成本,可大规模推广,无侵入的轻度认知障碍检测方法。本文的主要工作如下:1.采集轻度认知障碍患者组及健康对照组语音数据,对语音数据进行预处理并设计建立中文轻度认知障碍语音数据库。数据库音频总时长为42.8小时,包含261名中文说话人,其中76名患有轻度认知障碍,其余185名为健康对照组。2.针对轻度认知障碍病理语音实现高精度语音识别系统。采用基于人类自适应的建模方法,分别从说话人自适应和域适应两个方向对轻度认知障碍语音的隐藏声学条件进行补偿,以提升语音识别系统性能。相对基线系统,特征空间最大似然线性回归变换说话人自适应和学习性隐层单元贡献说话人自适应方法使系统在轻度认知障碍患者组上获得了23.7%的相对提升,而域自适应使系统进一步获得了15.1%的相对提升。3.从自动语音识别和认知机理角度,全面探索用于早轻度知障碍诊断的中文言语方法:包括基于流利度测试的自动检测方法和基于自发语音深层次声学特征提取方法。最终在流利度测试任务和自发语音任务上分别取得了0.75和0.82的检测正确率。实验证明,本文提出的基于语音识别技术检测算法能够有效的实现轻度认知障碍的自动检测。