语音端点检测是指在背景噪声存在下,找到一个单词或语音段的起始点和结束点。它在语音识别、语音编码和语音传输等语音信号处理中起着重要作用。一种有效的端点检测方法,不仅能正确标识语音端点,而且能减少数据处理时间、提高效率和节省数据存储空间。本文介绍了语音信号的产生模型和人耳听觉特性,分析了语音分帧和加窗这些预处理过程。简要回顾了常用的端点检测方法,如短时能量和过零率法、谱方差法、MFCC倒谱距离法和谱熵法等。总结了各种常用算法的思想、流程及特点,并给出了各算法所用特征参数曲线图。提出了两种新的端点检测算法：(1)提出了一种改进的自适应子带谱方差端点检测方法。因为不同类型噪声的频率能量集中在不同的频率带上,所以可以通过准确地去掉这些含有太多噪声的频率带,并自适应地选择有用子带能量,来得到更多准确的语音频率谱信息。使语音段方差和噪声段方差之间的区分度变大,端点检测更容易,准确率更高。同时有效减少了需处理的语音数据,提高系统整体性能。并将该算法应用到高斯连续HMM语音识别系统中,实验表明,该算法提高了识别系统准确率及抗噪性。(2)提出了一种无前导静音段语音的端点检测算法。基于阈值的端点检测方法假设语音起始段为无语音的静音段,并根据该无语音的起始段的特征值设置阈值。如果检测的语音帧的特征值大于阈值,就认为该帧是语音帧,否则认为该帧是噪声帧。若该假设不成立,预设的阈值将不可用,最终导致端点检测错误。本文通过FCM聚类方法避开了阈值设置问题。该算法在检测无前导静音段语音时,表现出了很好的性能。