语音数据量呈现爆炸式增长,但是由于转录成本高,其利用率较低。因此如何快速、准确、低成本的获得用户感兴趣的部分是提高语音数据后续利用率的关键。基于Qb E（Query-by-Example）的语音关键词检测以其无需先验知识、使用灵活的优势再次受到越来越多的关注,并对于低资源语种具有巨大优势。本文针对基于Qb E的语音关键词检测中的检索效率、检测准确性、匹配算法的合理性以及多样例的应用方式开展了一系列研究,并主要在普通话测试集上探索方法的有效性,再应用到客家话和英文,以探索算法的鲁棒性。最后实现了基于Qb E的语音关键词检测系统。本文的主要工作包括:1.提出了一种基于样例骨架结构信息的语音关键词候选对象筛选方法。根据样例清浊音骨架结构利用模糊搜索策略筛选出检索音频中相似结构的区域作为后续匹配的候选对象。针对普通话测试集（2162个音频文件,总时长为2.78h）检索150个样例,在与分段动态时间规整（Segmental Dynamic Time Warping,S-DTW）具有相近检测AUC（Area under Curve）下,该筛选方法使得平均检测实时率仅为S-DTW的30%。2.提出了一种利用清浊音信息改进动态时间规整（Dynamic Time Warping,DTW）算法的方法。对DTW增加语音帧类型（清浊音）及浊音段中的时序位置约束,该约束通过舍弃极不合理的失配区域以及增大局部距离实现匹配对的合理选择,引导DTW搜索路径更具有物理意义。3.提出了一种基于基频变化趋势的浊音段相似度计算方法,采用“四点三段”估计梯度法进行浊音段基频变化趋势的提取,并计算样例和候选对象整体基频变化趋势的相似度得分,并与DTW距离得分进行融合,补充评分的声调信息。最终在普通话测试集上相对单一DTW距离得分评价的方法,AUC提升2.7%,P@10提升3%,MAP提升5.2%。4.基于样例清浊音骨架结构筛选候选对象,并配合改进的DTW算法、融合浊音段相似度得分改进了关键词检测算法。根据实验结果,其相对基线S-DTW,在普通话测试集上AUC提升7.9%,MAP提升12.4%;在自制客家话测试集上,AUC提升4.3%,MAP提升10%;在TIMIT测试集上,AUC提升4.4%,MAP提升5.1%;同时检索平均实时率都约为基线方法的38%。5.改进了一种多样例的融合方法,主要根据样本分布中心的思想选取目标模板,并根据目标模板与剩余样例的DTW距离将差距大的样例剔除,保留下来的样例再向目标模板对齐。最终在普通话测试集上的检测AUC为0.88。6.实现了一个基于Qb E的语音关键词检测系统,支持用户选取预存的样例或录制样例对选定的音频数据库进行相关文件的搜索,最终搜索结果按照相关度从高到低的形式反馈给用户,用户可以对文件进行播放、转存。