1. 研究目的与意义（文献综述）

语音信号的好坏和语音识别率的高低，都取决于语音信号处理的好与坏。因此，语音信号处理是一项非常有研究意义的课程，而语音端点检测是语音信号处理中非常重要的一个步骤。

语音端点检测是语音分析、合成和识别中的一个重要环节，目的是从包含语音信号中找到语音的起止点，从而存储和处理有效的语音信号。在语音识别系统中，正确、有效地进行端点检测不仅可以缩短处理时间和减少计算量，而且能排除无声段的噪声干扰、提高系统的处理实时性和节省数据存储空间，进而提高处理效率。语音信号编码、加强、分离在语音端点检测中发挥着非常大的作用，而且对于后续工作有较为明显的影响。

在语音识别中，通常是先根据一定的端点检测算法，对语音信号中的有声片和无声片段进行分割，然后针对有声片段，提取语音的某些特征来进行识别。但我们知道，无声段或者语音段前后一般会包含人为呼吸等产生的杂音，语音开始的时候也有弱摩擦音或弱爆破音，而在语音的终点处一般还包含着鼻音，这些因素使得语音的端点比较模糊。在诸多科学家的研究基础上，我们可以知道，即使在安静的环境中，语音识别系统中一半以上的识别误差是来自端点检测的。更何况，现在的社会哪里还有谈得上绝对安静的地方呢，在噪声环境中，对语音端点检测的要求就更高了。因此，作为语音识别系统的第一步，端点检测是至关重要的，它的准确性在很大程度上直接影响着后续的工作能否有效进行。

2. 研究的基本内容与方案

研究的基本内容：语音信号的端点检测是指从包含语音的一段信号中确定出语音信号的起点和结束点位置，这在语音信号处理中非常重要，本课题的研究内容如下：

1、广泛收集和论文相关的国内外资料，了解本课题研究的背景及其意义。

2、研究语音信号的端点检测的各种算法，重点研究在低信噪比条件下的端点检测算法。

3. 研究计划与安排

1-4周完成开题报告

5-10周学习相关算法

11-14周验证算法

4. 参考文献（12篇以上）

[1] j.g. wilpon, l.r. application of hidden markov models to automatic speech endpoint detectionrabiner,computer speech amp; language, volume 2, issues 3–4, september–december 1987, pages 321-341

[2] p.h. yeha, s.l. yangb, c.c. yangc amp; m.d. shieha ,automatic recognition of repetitions in stuttered speech: using end-point detection and dynamic time warping, procedia - social and behavioral sciences 193 ( 2015 ) 356

[3]li jiea*, zhou pingb, jing xinxingc, du zhirana, speech endpoint detection method based on teo in noisy environment , procedia engineering 29 (2012) 2655 – 2660