语音信号特征提取在语音信号处理中具有举足轻重的地位。语音信号具有很强的时变特性,只有在较短的时间间隔中语音信号的特征可看作基本保持不变,这是语音信号处理的一个重要出发点。本文在研究已有的短时时域特征提取方法的基础上,进行分析和总结,结合实验分析这些短时时域特征参数所包含的语音信息,找到了它们在端点检测和基音周期检测中的应用的优缺点以及内在联系和适用条件。另外,本文还对语音短时频域特征、倒频域特征以及线性预测分析进行了介绍。　　端点检测是指用数字处理技术来找出语音信号中的各种段落(如音素、音节、词等)的始点和终点的位置。端点检测是语音分析、语音合成和语音识别中的一个必要环节。端点检测不但是有效提取语音特征参数的前提和保证,而且是语音有关特征参数的重要应用。传统的双门限检测算法在高信噪比下性能好,但是实际应用中信噪比较低,不能有效工作,影响系统的识别率。本文在深入研究短时能量和短时过零特征的基础上,对传统的双门限法进行改进,用基于语音相对自相关序列短时平均幅度来进行端点检测,提高了检测精度。对于连续词端点检测,采用不变门限三次搜索的方法,有效解决了连续词端点检测由于信号幅度变化很大而带来的门限设置等问题。