近年来,语音识别中的关键词检出技术的研究取得了很大的进展,并且应用在电话信道的条件下。然而在实际应用中,实验室“成功”的检出系统在鲁棒性、灵活性和自适应能力上还远远不能满足实际的需求,这一点在非特定人系统中体现突出。其原因在于说话人或者环境的改变都会给系统性能带来显著影响;当遇到特殊口音说话人,或者环境有一定的噪声时,系统的误识率会明显增加。针对上述问题,本文对与说话人相关的干扰因素进行了鲁棒性分析,并对如何提高系统的自适应能力进行了研究。 本文通过对模型参数自适应,说话人归一化和说话人聚类三方面对说话人自适应技术进行了讨论。在模型参数自适应方面介绍了目前使用较为广泛的MAP和MLLR自适应技术,并在此基础上研究了另外两种方法:Eigenvoice自适应和SMAP自适应。由于它们有着各自的优缺点,适合应用于各种实际情况下,因此本文成功地结合了这几种方法的优点,使用在电话信道下的关键词检出系统中。实验结果表明对新说话人在自适应数据为5句的时候平均误识率下降了6.3%;自适应数据为30句的时候,平均误识率下降了32.6%。在说话人聚类方面系统还使用了基于坐标轴的说话人聚类技术,与传统的方法(如基于GMM/HMM模型进行聚类)相比,这种方法的优点是对新说话人只需要较少的语料就可以确定其所属类。在说话人归一化方面介绍了声道长度归一化和倒谱均值归一化。在系统实现的过程中,文中将上面提到的三种说话人自适应技术有机地结合起来,构建了稳定的自适应模块;另外应用了前端语音增强与后续补偿相融合的抗噪方法增强了关键词检出系统的稳健性,实验表明这种方法尤其在低信噪比的情况下效果较好。最后给出了本文的结论和下一步的工作展望。