语音关键词识别是用语音信号处理方法,从用户话音流中检测出若干预定义的关键词。目前,语音关键词识别研究已取得重要进展,涌现出一些相关软硬件产品,并在人机交互、手机语音助手、智能音箱、智能耳机、智能家居等领域得到广泛应用。特别是近年来,随着深度学习理论的兴起,基于神经网络的语音关键词识别技术取得新进展,但由于其参数量大、算力要求高,难以在终端设备上应用。本文考虑到低参数量和低计算复杂度的应用需求,应用深度学习理论,研究了语音关键词识别技术。本文的主要工作如下:（1）针对低参数量和低计算复杂度应用需求,本文提出了基于Ghost模块和坐标注意力机制的语音关键词识别模型。该模型首先用Ghost模块代替传统卷积,通过调节模块的压缩比,有效降低模型的参数量和计算量;其次,使用坐标注意力机制捕获跨通道信息和特征位置信息,提升网络性能;最后,用残差连接形式封装Ghost、普通卷积、坐标注意力等模块,防止训练中网络退化;模型在谷歌数据集和中文数据集上进行了仿真实验,实验结果表明,该模型有效减少了参数量,在谷歌数据集上以26K的参数量达到94.53%的识别率。（2）针对使用Ghost模块和坐标注意力机制完成语音关键词识别任务准确率不佳,网络易过拟合的问题。提出了融合Mobile Vi T和空间金字塔池化模块的语音关键词识别模型。在该模型中,首先,采用Mobile Net模块的深度可分离卷积技术代替Ghost模块,Mobile Net结构采用先升维增加特征通道数,再降维的方式,提升网络性能;其次,使用Mobile Vi T模块通过基于自注意力机制的Transformer网络和卷积网络堆叠将局部和全局信息结合,以增强网络拟合能力;接着,实验中通过调整Mobile Vi T模块与Mobile Net模块位置关系提升模型识别性能;最后,针对网络过拟合问题,使用空间金字塔池化技术对卷积之后的特征进行融合,提升网络性能。模型在谷歌数据集和中文数据集上进行了仿真实验,实验结果表明,该模型参数量较小,识别准确率高,在谷歌数据集上识别准确率达到96.87%。本文应用深度学习理论,提出了两种语音关键词识别方法。这两种方法网络结构简单、参数量小,在谷歌数据集和中文数据集上均取得了良好的识别效果。此外,这两种方法仅需微调模型,即可完成不同数据集的识别任务,网络泛化能力强。