语音唤醒技术在智能音响、智能车载、服务机器人和智能家居等场景中有广泛的应用。它可以从多个方向对目标设备进行触发,并且它避免了设备长期处于工作状态,满足了低功耗的需求,减少了隐私泄露问题。基于深度神经网络(Deep Neural Network,DNN)的唤醒词识别方法已经取得一定的进展,并在特定场景中得到一定的应用。由于DNN本身的局限性,它没有考虑语音信号之间的相关性,使得它的误唤醒率比较高,准确率比较低,在非触发状态,设备却被唤醒,给用户带来了不好的体验;并且它的参数量比较大,这往往难以满足移动设备的要求。基于长短时记忆神经网络的唤醒词识别方法,其无法利用语谱图中时间和频域两个维度的内在联系,而且其计算量大、训练时间长,对计算能力要求较高。为了解决上述问题,本文主要研究基于深度学习的唤醒词识别方法,所做的主要工作如下:(1)研究了基于简单循环单元(Simple Recurrent Unit,SRU)的唤醒词识别方法。在该方法中,SRU模型对提取的梅尔倒谱系数特征进行训练,该模型在计算重置门和遗忘门时,采用完全丢弃的方法,去除了对上一时刻隐层状态的依赖,并且调整遗忘门和重置门的计算顺序,提高了并行化计算的能力,最后通过线性激活和Softmax函数生成唤醒词识别的概率。该唤醒词识别的方法缩短了模型训练时间,并且减少了模型的参数量,提高了模型的准确率,提高了模型的召回率。(2)研究了基于注意力机制的卷积循环网络的唤醒词识别方法。该方法将卷积神经网络(Convolutional Neural Network,CNN)和SRU网络结合组成CSRU网络,利用CNN捕捉局部信息的能力,利用SRU的时序建模能力,在小参数量下,提高了模型的准确率和综合评价指标。在此基础上,为了进一步提高模型的准确率,降低模型的误唤醒率,研究了基于注意力机制的CSRU的唤醒词识别方法,它主要由编码器和注意力机制组成,编码器使用CSRU网络,使用软注意力机制对CSRU编码器的输出特征加权,通过线性变换和Softmax函数生成唤醒词识别的概率。该方法提高了模型的准确率,降低了模型的误唤醒率。