语音检索是语音识别研究中的一个新领域,其目的是在大量语音资源中搜索和返回与用户给出的查询词(Query)相关联的语音段或语音文件。它通过事先为语音资源建立索引,从而实现了基于语义内容的快速搜索。本文的主要工作是研究汉语语音检索系统的性能优化策略。首先,系统地介绍了语音检索系统的框架和原理。其次,对语音检索系统前端自动语音识别器( Automatic Speech Recognition,简称ASR)的语言模型进行优化。为充分利用音节和音节之间相互搭配的语言学信息,提出汉语中词片的概念。并将词片用作语言模型基元,给出了简单有效的词片选择算法。利用音节标注语料,经过词片选择,就可以利用其训练音节/词片语言模型。将音节/词片语言模型与词语言模型线性融合得到混合语言模型。音节/词片语言模型和混合语言模型应用到连续语音识别系统中,分别较音节语言模型和词语言模型取得了更好的识别结果。第三,给出完整的语音检索在线部分处理过程,包括利用音节Lattice建立索引,Query词的搜索,根据后验概率进行词确认,以及交叠处理等步骤。提出将含有表示多音节基元的Lattice转换成只含有单音基元Lattice的方法,并将其应用到建立索引的过程中,有效地避免多音节基元影响词表外词(Out-of-Vocabulary,简称OOV)的词检出问题。并在提出边分解方法的基础上,对Lattice中冗余顶点进行去除,在仅牺牲很小检出性能的情况下,使Lattice规模大幅度减小,词检出速度提高。对利用几种语言模型解码得到的Lattice建立索引,进行词检出性能的比较。最后,在结论中对语音检索的进一步研究方向进行了讨论。