关键词检出是从连续语音中检测并确认给定的若干个特定词。它是连续语音识别的一个重要分支，有着广阔的应用前景，已成为近年来颇受重视的一个研究方向。传统的关键词检出系统一般基于离线垃圾模型，垃圾模型的设计和训练的难度较大，且依赖于具体的关键词表，难以应用到实际系统中。基于音素模型的语音关键词检出系统，不需要设计和训练垃圾模型，关键词表可以随实际应用变化，识别速度快，能基本满足实际应用的需要。关键词确认在关键词检出系统中至关重要，它可以在不降低检出率的同时，减少系统的误警率，提高系统的性能。　　置信度原理是关键词确认的理论基础。基于音素模型的关键词确认要求确认方法不依赖于具体的关键词表，确认速度快。基于模型本身和识别过程信息的置信度能够满足这种需求，如：特征临界区域百分比方法、基于状态长度规一化声学置信度方法、基于在线垃圾得分方法等。本文提出的基于动态排位信息的关键词确认方法也是这种类型，确认性能要优于已有的基于音素模型关键词检出系统确认方法。　　由于基于单一置信度的关键词确认方法设置拒识门限比较困难，而且确认性能难以达到实际应用的要求，因此考虑将多个置信度联合进行关键词确认。支持向量机是统计学习理论发展的产物，基于VC维理论和结构风险最小化原理，对于有限样本情况有良好的性能，所以，本文采用支持向量机作为多置信度结合的工具。这样，在保证高检出率的前提下，系统的误警率有了大幅度的下降，检出性能得到了进一步的提高。