语音端点检测是语音通信中的一个重要环节。在实际应用中,通常要求首先对系统的输入信号进行判断,准确的找出语音信号的起始点和终止点。这样才能采集到真正的语音数据,减少数据量和运算量,并减少处理时间。因此语音端点检测算法研究意义重大。如何提高语音信号端点检测的正确率一直是语音识别领域的一个重要课题,特别是提高在各种实际噪声环境下语音端点检测的正确率尤为重要。传统的基于能量与过零率的方法在噪声环境下不能有效地工作。神经网络作为一种较新的智能处理方法,是解决非线性系统预测和控制问题的一种重要手段,受到许多专家学者的广泛关注,是目前国内外研究的热点之一。本文在总结研究现有的几种典型的语音端点检测算法基础上,提出了一种基于小波分析及神经网络的语音端点检测算法。本文将神经网络引入到语音端点检测中,着重研究了神经网络的学习算法,并利用其进行了语音端点检测。实验结果表明将神经网络应用于语音端点检测具有良好的效果。该算法不需要根据背景噪声来调整门限值,仿真结果表明在常见的噪声环境下效果较好,算法实现简单,环境适应性较强。文章最后对本文所提的算法进行了总结,提出了一些在今后工作中需要改进的问题,并对近几年来出现的一些研究新方向做了展望,指出了端点检测未来的发展前景。