近几年随着计算机多媒体技术的快速发展,蒙古语的教育、影视、文化等诸多方面的语音资料越来越多,已形成了丰富的民族文化资源。如何对这些语音文档进行有效地检索和分类成为了蒙古文信息处理领域中的一个热点问题。语音关键词检测技术是根据用户给定的查询,从指定的语音数据集中返回与其对应的语音片段。本文针对蒙古语语音关键词检测任务中涉及到的一些相关技术进行了深入的研究,包括蒙古语大词汇量连续语音识别(LVCSR)技术、基于网格和混淆网络的蒙古语关键词检测技术和蒙古文字母到音素的转换技术等。本文研究的蒙古语语音关键词检测相关技术不仅具有重要的学术价值,并对维护国家安全及边疆少数民族地区的稳定,繁荣和发展少数民族文化具有重要意义。论文所做工作主要集中在以下几个方面：1.蒙古文属于黏着语,是词根缀加多个后缀的形式构成新词,通过这种方式可以生成大量的蒙古文单词,这给蒙古语大词汇量连续语音识别的研究工作带来了很大的困难。为了解决大规模蒙古文单词的识别问题,本文根据蒙古文的构词特点,提出了基于分割识别的蒙古语LVCSR方法。本文详细描述了蒙古语语音识别技术的基本原理,并且针对基于分割识别的蒙古语LVCSR方法,重新建立了声学模型和语言模型。实验结果表明,基于分割识别的蒙古语LVCSR方法可以较好的解决蒙古语大词汇量连续语音识别问题,并且在训练声学模型时,校正结尾后缀的发音会提高识别的准确率。本文提出的基于分割识别的蒙古语LVCSR方法对其他黏着语的语音识别和语音检测等领域的研究提供了新的思路和方法。2.本文将基于网格和混淆网络的关键词检测首次应用到蒙古语关键词检测任务中,并结合蒙古文的构词特点对集内词检测方法进行了改进。本文详细描述了基于词网格的蒙古语关键词检测方法中的后验概率的估计、搜索和置信度计算等问题。其次,介绍了网格转换混淆网络的方法和基于词混淆网络的蒙古语关键词检测中的索引的建立、关键词搜索和确认等方法。最后,结合蒙古文构词特点,提出了基于词干进行检测的集内词检测方法。实验结果表明,基于词混淆网络的检测方法从各个性能上都好于基于词网格的检测方法,并且改进的集内词检测方法有效的提高了系统的性能。3.为了解决蒙古语关键词检测任务中的集外词检测问题,本文提出了基于音素混淆网络的蒙古语关键词检测方法。蒙古语语音文件被解码成音素形式时正确识别率会变得很低,并会出现很多不符合韵律学的发音序列。为了提高系统的精准率和召回率,我们采用了音素混淆矩阵改进了关键词的置信度计算方法,并得到了较好的实验结果。本章首先介绍了对音素混淆网络文件建立索引的方法。其次,详细介绍了音素混淆矩阵。第三,描述了在音素混淆网络文件中搜索和确认音素串的方法。第四,介绍了蒙古语关键词检测系统的框架。最后对相关方法进行了实验比较。实验结果表明,基于音素混淆网络的蒙古语关键词检测方法可以较好的解决集外词的检测问题,并且采用音素混淆矩阵的置信度计算方法提高了系统的整体性能。4.为了解决蒙古文集外词到音素串的转换工作,本文提出了蒙古文字母到音素的转换方法。蒙古语关键词检测任务中对集外词进行检测时需要将集外词转换成对应的音素串形式,然后通过音素串进行查找,因此蒙古文字母到音素的转换系统变得极其重要。蒙古文的书面形式和口语发音不是一一对应的,会出现元音和辅音的增加、脱落及变换等现象,这给蒙古文字母到音素的转换工作带来了一定的难度。针对蒙古文字母到音素的转换问题本文提出了基于规则的蒙古文字母到音素的转换方法和基于联合序列模型的蒙古文字母到音素的转换方法。实验结果表明,利用联合序列模型的蒙古文字母到音素的转换方法要明显好于基于规则的蒙古文字母到音素的转换方法。并且,我们建立的基于联合序列模型的蒙古文字母到音素的转换系统的词误识率为16.32%,音素误识率仅为3.37%,基本达到了实用要求。