语音端点检测是语音识别系统的前端,其是指在噪声环境下准确检测出有效语音信号的起始点和终止点,为后续处理提高精度和节约时间。虽然在安静的实验室环境中,语音信号的端点检测技术的满意度非常高。但是在实际环境中,千差万别的背景噪声常常使得检测的性能急剧下降。因此,在实际的不同背景噪声以及信噪比较低的情况下的语音信号的端点检测技术的研究有非常重要的意义。由于语音信号是典型的非平稳信号,而经验模态分解(Empirical Mode Decomposition,简称为EMD)是一种自适应分析非线性、非平稳信号的新方法,具有处理非线性及非平稳等具有明显瞬时变化特征的信号优点。文中就是利用这种方法对语音信号进行端点检测的。本文首先总结了现有的传统的几种语音端点检测算法。然后提出了噪声环境下基于经验模态分解的语音端点检测新算法。算法一：基于经验模态分解和短时能量的语音信号的端点检测,仿真结果表明了它的优越性。算法二：基于经验模态分解和Teager峭度的语音信号的端点检测,仿真结果显示出了较好的优越性。