语音识别技术在智能终端、车载系统、智能家居等场景应用越来越广泛,命令词识别作为关键词识别的一个分支应用,能直接识别预设的命令词。基于深度学习的命令词识别方法已经取得一定的进展,但是现有方法仍然存在问题。基于深度神经网络(Deep Neural Network,DNN)的命令词识别方法不能有效地对语音特征中的局部时间和频谱相关性进行建模,因此识别率低。基于卷积神经网络(Convolutional Neural Network,CNN)的命令词识别方法利用这种相关性,将输入的时域和谱域特征视为图像,并对其进行二维卷积运算,有效的提高了识别率,但它的网络参数多、计算量大。针对上述问题,本文研究了基于深度学习的命令词识别方法。主要研究内容如下:(1)提出了基于深度可分离卷积(Depthwise Separable Convolution,DS)和Squeeze-and-Excitation(SE)的命令词识别方法。深度可分离卷积有效的减小了模型的计算量和参数量,SE模块通过学习输出特征图中不同通道的重要程度,对输出特征图进行特征校准,提升了网络性能。(2)提出了结合基于具有线性瓶颈的反向残差结构和SE的命令词识别方法。使用基于线性瓶颈的反向残差结构提取特征时,先将特征图进行通道维度上的升维,在更高维度上对特征图进行非线性处理,能够减小由非线性操作带来的信息损失。(3)使用GhostNet中的Ghost模块对结合基于线性瓶颈的反向残差结构和Squeeze-and-Excitation的网络结构进行改进。通过使用Ghost模块替换点卷积操作,降低了参数量和运算量,减少了冗余操作,提升了网络性能。