关键词识别是语音识别的一个重要分支,综合了信号处理和模式识别等多项技术,应用前景广阔。本文对关键词识别技术的发展现状与主要技术进行了研究,并分别基于两种不同的技术设计与实现了两个不同的关键词识别系统,分别进行了性能测试与分析。在第二个系统的基础上,进行了创新性改进,较为有效地提升了识别效率。本文的研究重点为关键词识别系统的设计与实施,以及各环节关键技术的分析与应用、针对特定目标的算法设计及应用、以及对设计的算法的有效性分析等。主要工作如下:1.基于填充(Filler)模型的关键词识别技术及系统实现本文对基于填充模型的关键词识别技术进行了研究与系统实现。实现了基于两阶段的模型训练方法,有效的减少了训练语音的人工标注;对LDA技术进行了重点研究及应用,进一步改善了系统性能。2.基于分段DTW的关键词识别技术及系统实现针对基于模型的方法需要大量训练语音,本文对仅需要几个关键词语音样本的基于分段DTW的关键词识别技术进行了研究与系统实现,完成了高斯后验概率特征的提取及模板匹配。3.基于韵律特征的快速关键词识别及系统实现针对基于模型和传统的基于DTW的关键词识别方法,都是逐帧的进行识别和匹配,计算量较大,识别速度受限,本文利用韵律特征的特性,即单个韵律特征可表示连续多帧语音,实现了基于段的关键词可疑区间快速定位,在下一阶段只需对可疑区间进行逐帧的精细化匹配,从而在有效减少计算量的同时保证了识别性能不受影响。该部分对韵律特征在关键词识别中的具体应用进行了重点研究,并完成了算法的设计与有效性分析,以及识别速度和识别性能的折中。最后,对系统的时间开销和识别性能进行了测试及对比分析,证明了该方法可在识别性能不受影响的同时提高整个系统的识别速度。