关键词检出技术是语音识别研究中的一个重要领域,其目的是在连续的语音流中检出特定的关键词。相对于连续语音识别来说,关键词检出技术有资源与时间耗费少,正确率高,实用性强等特点,所以它在很多领域有着良好的应用前景。本文的主要研究内容是面向实时应用的汉语关键词检出技术,要求实现的汉语关键词检出系统,不仅具有良好的识别性能,而且能够满足实时性要求,可以应用于实时环境。本文首先系统地介绍了关键词检出系统的框架和原理。其次,实现一个关键词检出基线系统,利用863语料库离线训练模型库,并使用令牌传递(Token Passing)算法实现在线识别部分,但该系统的识别速度不能达到实时性要求。然后,对这个基线系统进行面向实时应用的改进:其一是从限制模型的角度,提出了限制上下文相关的词内相关音素模型,大大减少了模型规模,提高了识别速度;针对误识率高的问题,提出了基于声学置信度的关键词确认方法,并实现了多次解码机制,在基于声学似然比确认算法的实验中取得了较好的结果;其二是从解码算法的角度,分析和研究了剪枝门限和最大激活模型数对识别速度和性能的影响,研究了在保证识别性能基础上有效降低识别时间的最佳参数因子的选择,并加入确认机制进行相关实验,得到了令人满意的结果。最后,在结论中对关键词检出的进一步研究方向进行了讨论。