轻度认知障碍（Mild Cognitive Impairment,MCI）指的是当老年人的认知功能水平介于正常人和阿尔兹海默症（Alzheimer Disease,AD）患者之间时的一种病理状态,它具有可逆性的特点。但是,阿尔兹海默症是具有不可逆性的,因此,准确地筛查出老年人是否患有轻度认知障碍,是有效预防阿尔兹海默症的一个关键因素。语言作为人类的一种高级认知功能,能够很好地反映人的认知能力,因此,对于轻度认知障碍患者而言,当他们出现认知能力下降的现象时,他们的语言功能也会受损,从而导致其产出的语音在声学特性上发声变化,不同于正常人。根据这一特性,我们就可以通过处理语音信号以及分析语音声学特性变异的方法,来实现对轻度认知障碍患者的筛查。目前,一些现有的基于语音分析来筛查轻度认知障碍的系统多以英语或欧洲语种为主,它们对于中文的语音和语法特点来说,存在着匹配程度较低的问题。并且对于中文而言,这一类语音数据库也有着数据规模小、语音任务简单、需要批量人工转录等缺陷,这会导致对轻度认知障碍筛查的效率和可靠性都大打折扣。于是,本课题针对以上问题,探索了一种基于中文普通话语音的轻度认知障碍筛查方法,并设计了一个实用性强、可靠性高的轻度认知障碍筛查系统。具体的工作及研究内容如下:（1）建立一个中文轻度认知障碍语音数据库。根据课题目标和实验目的设计语音数据采集任务,并指定相应的数据采集方案。根据采集任务和采集方案,分别在深圳市罗湖福利中心、粤海街道办、深圳市人民医院,以及北京天坛医院等地,共采集了74名已被确诊为患有MCI患者的语音数据,同时,也采集了122名正常老年人的语音数据作为对照。对于每一名被试者,在采集其语音数据的同时,还对其进行了MOCA（蒙特利尔认知量表）评估,量表评估的得分将作为控制样本质量的指标和评价检测系统性能的参考。根据以上信息,建立普通话轻度认知障碍数据库,数据库中共包含了196个样本,这些样本产出音频总时长约48小时。（2）针对轻度认知障碍患者语音的特点,对ASR系统进行改进。由于轻度认知障碍患者的自发性语音中会出现大量无意义的词语,导致ASR系统识别他们的语音时性能下降。为了解决这一问题,提出了一种Filled Pause（填充暂停）检测技术,并将其引入ASR系统中,通过级联型机器学习模型,对认知障碍患者自发性语音中的几类无语言意义的填充暂停进行分类和筛查,从而提升ASR系统识别MCI自发性语音的性能。其中,针对MCI患者自发性语音的填充暂停检测系统在测试中得到了91.7%的精度,而将它引入到ASR系统中之后,使得ASR系统在识别MCI患者语音时性能得到了约9%的提升。（3）在融合多类语音任务的基础上,完成对轻度认知障碍患者的筛查。根据每一类语音任务的特点和作用,分别建立特征集。分别基于人工手动转录的文本和ASR系统自动转录的文本,提取三类语音任务相对应于各自特征集中的特征值,并构成特征向量,训练分类模型,通过测试得到样本在分别三类任务上独立的判别概率,然后,在任务级别上进行决策融合。最终两类方法分别得到了最佳0.94和0.85的检测正确率,并在单个样本级别上,将系统的检测结果与MOCA量表得分进行相关性分析,结果证明了检测系统的可靠性。通过以上论述和实验可以得出,本文提出的方法能有效地通过中文语音实现对轻度认知障碍进行检测和筛查。