自动语音识别是机器自动识别语音转换成文本的一项技术。语音识别技术在人机交互中具有广泛的应用,而语音关键词检测是语音识别一种特殊方式。随着语音数据的增加,语音关键词搜索变得越来越重要。语音关键词检测的任务是确定给定的词或者短语是否出现在语音片段中,以及出现的位置。典型的语音关键词检测系统主要是自动语音识别和信息检索两部分。随着最近几年语音识别技术的发展,深度神经网络已经成功应用在语音识别领域。本论文中主要研究了基于深度神经网络的语音关键词检测技术。本文首先介绍两部分系统框架,分为语音识别和关键词搜索。语音识别框架包括信号特征处理和解码引擎。解码引擎包括训练阶段的声学模型、发音字典和语言模型。在关键词检测阶段使用基于网格的形式,构造索引,根据置信度得分来确认关键词。本文首先利用开源kaldi工具箱和F4DE工具包在数据集Thchs30上构建了汉语关键词检测系统。对比了不同激活函数的DNN-HMM模型和传统GMM-HMM模型系统下的性能,深度神经网络模型的语音识别器要优于传统的语音识别模型从而给关键词检测搜索的性能提高了大约6.5%。基本的KWS系统都是基于词格计算后验得分,并使用它们来做出“yes/no”的决策。基于词格的后验概率主要问题可能会出现假定的检测具有低的后验得分,使得检测器不能检测到它而将其视为漏检。从而,本文的目标是通过检测和提高漏检的分数来增强关键词决策。本文研究了DNN-HMM模型与GMM-HMM模型融合进一步提升ASR的性能。针对识别器的漏检问题,本文研究使用一种两阶段重新决策的方法。本文在融合ASR的基础上得到第一次关键词检测的候选列表,然后依据多模板匹配的方法计算检测关键词决策和没有决策之间的相似得分,并将相似得分转化为没有决策列表中的新后验概率得分,最后进行重新分数归一化用于新的阈值决策。本文利用kaldi工具和F4DE工具包在数据集AISEHLL1上构建了关键词检测系统。通过实验对比了在融合模型与单个模型的语音识别器性能和通过模板匹配得分与不使用模板匹配得分在关键词检测上的性能,融合模型的WER比单个模型的要低和ATWV比单个模型要高。实验证明融合模型下的模板匹配相似性得分能够有效地提升语音关键词检测系统的性能。