语音识别作为人机交互的一种重要方式,有着广阔的应用前景。关键词识别是语音识别的一种特殊情况,同传统的连续语音识别相比,有正确率高,实用性强等特点,因此关键词识别技术是近年来语音识别领域的一个研究热点。本文的主要内容是研究实现一个与说话人无关、与任务无关、针对自然语音、大关键词表的关键词识别系统。本文首先介绍了关键词识别的相关技术,包括语音的预处理与特征参数的提取,声学层HMM模型、语言学模型和关键词搜索及关键词确认。然后依据本文目标,设计本文的系统框架,包含预处理和特征提取、语音识别器、关键词搜索和置信度确认四大模块。在关键词搜索模块中,本文对语音识别器的两种结果,即N-Best音节格和音节网格进行实验讨论,实验结果表明,基于音节网格的关键词搜索,在检测率和运行速度上都优于基于N-Best音节格的关键词搜索。置信度确认中,阐述了目前常用的三种置信度:基于声学模型的置信度、基于后验概率的置信度和基于动态排名信息的置信度。通过实验及理论分析三者的优缺点,在此基础上,对其进行置信度融合得到两种混合置信度:一种是基于声学置信度和后验概率的混合置信度,另一种是基于动态排名和后验概率的混合置信度。实验结果表明,两种混合置信度较单独使用一类置信度性能更佳,且基于声学置信度和后验概率的混合置信度效果更优。基于上述实验研究结果,采用实验得到的最优方法对系统进行实现,用1小时的电话信道口语对话语音对系统进行测试,实验结果表明针对一个500个关键词的检测任务,系统的品质因素为74.50%。