关键词识别是语音识别中的一个很重要研究领域,关键词识别在语音识别中灵活性好,而且具有很高的应用价值。在许多自动语音识别应用程序中常常需要对验证部分假设识别的正确性提供一种确认机制。而语音确认正是这样一个过程,它用来验证从语音识别器识别出来结果的可靠性。本文对几种关键词检测技术和语音确认技术进行了研究,这些技术都有很广的应用。本文的研究重点为关键词识别系统的检出策略和确认方法。在对垃圾模型关键词检测技术的研究下,提出了一种在HMM训练阶段在连续语音中定义竞争集的方法,该方法在恒定的时间内,回朔每一个单词结束的有效相对路径并与真正的语音片段相比较来确定每个特定的分段是否应该属于竞争集；在viterbi搜索中使用了一趟策略,与以前的两趟策略,这使得即节省了空间又有效地提高了确认的准确度,并且还可以使用语音确认来纠正一些识别错误。在研究假设检验中,提出了基于竞争模型的加权似然比融合算法,这种算法区分了不同竞争集的得分,有效地提高了识别效果。最后提出VQ与SVM结合的方法来进行语音纠错,这样既充分利用了SVM在分类上的优势,VQ的运算速度又比较快,也避免了将待测语音用所有SVM模板分类造成的庞大运算量。通过一系列实验证明了所提出的方法在一定程度上优于改进前方法。